The Role of High-Fidelity Simulation in Training Pediatric Emergency Medicine Fellows in the United States and Canada
Notice bibliographique
Résumé
OBJECTIVES: The American Academy of Pediatrics Section on Emergency Medicine's Simulation Interest Group developed a survey targeting pediatric emergency medicine (PEM) fellowship program directors to assess the use of high-fidelity simulation (HFS) in PEM fellow training. METHODS: Content experts in simulation and in PEM developed a 38-item Internet-based questionnaire that was distributed to PEM program directors via e-mail though www.surveymonkey.com. RESULTS: Seventy-seven percent (51/66) of PEM program directors in the United States and Canada responded to the survey. Sixty-three percent of programs incorporate HFS in PEM fellowship training. For programs with HFS, the most frequent uses of HFS include (1) decision making for trauma resuscitations (97%, 31/32) and medical emergencies (91%, 29/32), and for the application of advanced life support (84%, 27/32); (2) technical skills: intubation (100%, 31/31), bag-mask ventilation (94%, 29/31), cardioversion/defibrillation (90%, 28/31), and difficult airway management (84%, 26/31). Of program directors without simulation, a majority valued simulation for PEM fellow training, and 59% (11/19) plan on expanding efforts. Perceived barriers to an active simulation program exist: lack of financial support (79%, 15/19), lack of simulator equipment (74%, 14/19), lack of a dedicated physical space (68%, 13/19), and insufficiently experienced simulation faculty (58% 11/19). CONCLUSIONS: Sixty-three percent of PEM fellowship programs integrate HFS-based activities. The majority of PEM fellowship program directors value the role of HFS in augmenting clinical experience and documenting procedural skills. Regional simulation centers are one possible solution to offer HFS training to fellowships with limited financial support and/or lack of experienced simulation faculty.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».