High-Fidelity Simulation Versus Traditional Didactic Techniques for Teaching Neurological Emergencies to Neurology Residents: A Feasibility Study. (P1.323)
Notice bibliographique
Résumé
OBJECTIVE: to check for the feasibility of teaching neurological emergencies on high-fidelity simulation. INTRODUCTION: The exposure to neurocritical care among neurology residents is highly variable. In spite of proven success of Simulation based learning (SBL) in teaching critical care, emergency medicine, and anesthesiology, studies evaluating SBL in neurocritical care are still lacking. METHODS: Eligible PGY-2 neurology residents (N=10) from Columbia university and Weill-Cornell were randomized into SBL and traditional didactic teaching groups. High-fidelity Sim-Man 3G was used to simulate realistic scenarios of acute ischemic stroke, intracranial pressure (ICP) crisis, and status epilepticus. Learning objectives were assessed using crisis resource management (CRM) assessment tools including identification of key actions (0=no, 1=with prompt, 2=never), Ottawa CRM checklist, and knowledge based pre- and post-intervention tests. Mean±SD, median, and Wilcoxon rank-sum tests were calculated. RESULTS: Acute stroke case: mean key action scores (maximum score 28) were 17.8±1.5 & 16.4±2.9, difference in gain on post-test scores were 0.32±0.3 & 0.2±0.3 after simulation and didactics interventions respectively. ICP crisis case: mean key action scores (maximum score 24) were 16.4±4.6 & 17.3±0.6, difference in gain on post-test scores were 0.14±0.19 & 0.13±0.11, for simulation and didactics groups respectively. Status epilepticus case: mean key action scores (maximum score 38) were 31.8±3.4 & 28±3.9, difference in gain on post-test scores were 0.2±0.24 & 0.28±0.4 after simulation and didactics interventions respectively. Median CRM score were 6 & 4 for stroke and ICP crisis cases, 6 & 6 for status epilepticus cases when comparing SBL and didactic groups. There were no statistically significant differences found between groups for either of the pre-specified outcomes. CONCLUSIONS: Simulation based learning offers promise as a tool for objectively assessing some of the ACGME competencies that are more difficult to evaluate via traditional means. Studies with larger N and longer follow-up are needed to assess the efficacy, learner-retention and satisfaction rates among groups. Study supported by AAN education grant 2013.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».