MétaCan
Menu
Retour à la cohorte
Enregistrement W2050584073 · doi:10.1097/sih.0b013e318053e066

Millennium Conference 2005 on Medical Simulation: A Summary Report

2007· article· en· W2050584073 sur OpenAlexaboutno aff
Grace C. Huang, James A. Gordon, Richard M. Schwartzstein

Notice bibliographique

RevueSimulation in Healthcare The Journal of the Society for Simulation in Healthcare · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMedical physicsMedicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Medical simulation takes advantage of contextual and experiential learning by allowing trainees to practice in realistic environments prior to actual patient care. Although proponents argue that patient simulation can fundamentally enhance both medical education and patient safety, large-scale experience with advanced simulation technologies is limited. To explore expert opinion on the topic, we convened a conference of educational leaders and simulation experts to provide recommendations for how this field should be directed on a broad scale to improve the training of future health professionals. This document summarizes the proceedings of that conference. METHODS: We issued a request for applications to all U.S. and Canadian medical schools within the Association of American Medical Colleges (AAMC), seeking a diverse group of institutional teams committed to an in-depth exploration of the topic. Of 33 applications, nine medical schools were selected to participate. Once on site, eight working groups were formed, each comprised of representatives across sites and roles, including deans, clerkship and program directors, content experts, and trainees. We addressed four key topics, which are subsequently summarized for presentation in this report: 1) education (How can medical simulation contribute to the education of trainees?), 2) assessment (What is the role of simulation in evaluating trainees in the context of general competencies?), 3) research (How should we develop a research agenda to evaluate simulation?), and 4) implementation (How should simulation technologies be developed and managed within and across institutions?). RESULTS: Participants in the conference generally agreed that simulation offers a conducive environment for focused reflection and critical thought. Although there was consensus that medical simulation can provide a robust platform for performance assessment, most participants thought that the research basis for high-stakes assessment was still too immature for widespread implementation. Participants generally agreed that sufficiently powered research will require interinstitutional collaboration on uniform curricula and meaningful outcome tools, and that both biomedical and social science research paradigms will need to be applied to the questions at hand. Common barriers to medical simulation include both real and perceived lack of resources, poor understanding among faculty regarding the nature of the tools and techniques, and the inherent complexity of multidisciplinary collaboration. CONCLUSIONS: Medical simulation can and should be used to complement current methods of medical education. Educators should make thoughtful choices among simulation modalities to help trainees most effectively achieve learning objectives. Simulation researchers should prioritize the development and validation of clinical performance tools and other defined outcome measures on which meaningful large-scale research can be anchored. Finally, national collaboration should be encouraged and fostered by institutions and funding agencies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,017
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0080,005
Science ouverte0,0040,005
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0500,034

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,072
Tête enseignante GPT0,434
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSimulation in Healthcare The Journal of the Society for Simulation in HealthcareMême sujetSimulation-Based Education in HealthcareTravaux en français237 207