MétaCan
Menu
Retour à la cohorte
Enregistrement W2328628974 · doi:10.1097/sih.0000000000000033

An Innovative Pediatric Chest Tube Insertion Task Trainer Simulation

2014· article· en· W2328628974 sur OpenAlexaff
Samim A. Al-Qadhi, Jonathan Pirie, Nora Constas, Michael S.C. Corrin, Murtaza Ali

Notice bibliographique

RevueSimulation in Healthcare The Journal of the Society for Simulation in Healthcare · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensChildren's Hospital of Western OntarioToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésTrainerUsabilityCurriculumTask (project management)Medical educationLikert scaleMedicinePsychologyComputer scienceEngineeringPedagogyHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Iatrogenic complications associated with chest tube insertion (CTI) could be related to the gaps in the procedural fidelity of the current CTI training models and their insufficiency to support training of procedural mastery. A CTI bench model simulation developed with reference to preexisting curriculum increases trainees' exposure and practice of this clinical skill. Newly developed training models need to be recognized by trainees as a usable learning device. In this report, we describe the development of a novel CTI model, based on curriculum, and survey its usability as a training model among pediatric trainees. METHODS: Based on the acute trauma life support curriculum for CTI and expert interview, a pediatric CTI task trainer (PCTITT) model was developed, piloted, and then implemented for usability by volunteer pediatric residents and pediatric emergency fellows in 2 procedural training courses. Participants responded to 11 questions designed to capture self-reported attitudes toward the usability of the PCTITT as a training model for CTI. Results were obtained using a subjective 5-point Likert scale. RESULTS: Of the 32 participants, we achieved a response rate of 75%. Of these respondents, 92% had some kind of CTI hands-on training in the past, and 50% had experience with a real patient. Of these respondents, 91% recommended this model for training, and 80% stated that this model was superior to previous models. CONCLUSIONS: A PCTITT is an easy to create and feasible bench top task trainer to teach CTI skills, which integrates with other simulations currently in use the process of teaching CTI. Trainees recognized it as usable and superior to previous models. Future work needs to focus on the improvement of model fidelity, skills transferability, and tool validation.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,372
Écart entre enseignants0,338 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations22
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSimulation in Healthcare The Journal of the Society for Simulation in HealthcareMême sujetCardiac Arrest and ResuscitationTravaux en français237 207