Current use of live tissue training in trauma: a descriptive systematic review
Notice bibliographique
Résumé
BACKGROUND: Growing public concern for animal welfare, advances in computerized simulation and economic barriers have drawn a critical eye to the use of live tissue training (LTT) in trauma skills acquisition. As a consequence, other simulation methods have replaced LTT, for example, in the Advanced Trauma Life Support (ATLS) course. Owing to the lack of clear conclusions in the literature, we conducted a systematic review to determine the value of LTT alone and in comparison to other simulation methods in trauma. METHODS: We performed a systematic review of the literature considering observational studies and randomized controlled trials (RCTs) that examined LTT in trauma exclusively or compared with other simulation methods. Independently and in duplicate, we adjudicated studies for inclusion and data abstraction. We assessed the quality and risk of bias. RESULTS: Twelve studies met our inclusion criteria: 2 RCTs and 10 prospective cohort studies. Eight and 4 studies were performed in the military and in the civilian settings, respectively. Anesthetized swine were used in 8 studies and goats in 1. The cohort studies involved LTT alone. Different adjunctive training modalities were included: mannequins in 6 studies, cadavers in 2, computer simulation in 1, video presentations in 2 and wound moulage scenarios in 1. The overall methodological quality was moderate as per the Newcastle-Ottawa score (mean 6.0 ± 0, possible range 1-9). The 2 RCTs did not demonstrate adequate random sequence generation and allocation concealment. CONCLUSION: There is limited evidence that other types of simulation are better than LTT. Data on training effects of LTT versus other simulations on outcomes are lacking.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».