High-Fidelity Simulation of Transcutaneous Cardiac Pacing
Notice bibliographique
Résumé
INTRODUCTION: Transcutaneous cardiac pacing (TCP) is a potentially lifesaving technique that is part of the recommended treatment for symptomatic bradycardia. Transcutaneous cardiac pacing however is used uncommonly, and its successful application is not straightforward. Simulation could, therefore, play an important role in the teaching and assessment of TCP competence. However, even the highest-fidelity mannequins available on the market have important shortcomings, which limit the potential of simulation. METHODS: Six criteria defining clinical competency in TCP were established and used as a starting point in the creation of an improved TCP simulator. The goal was a model that could be used to assess experienced clinicians, an objective that justifies the additional effort required by the increased fidelity. RESULTS: The proposed 2-mannequin model (TMM) combines a highly modified Human Patient Simulator with a SimMan 3G, the latter being used solely to provide the electrocardiography (ECG) tracing. The TMM improves the potential of simulation to assess experienced clinicians (1) by reproducing key features of TCP, like using the same multifunctional pacing electrodes used clinically, allowing dual ECG monitoring, and responding with upper body twitching when stimulated, but equally importantly (2) by reproducing key pitfalls of the technique, like allowing pacing electrode misplacement and reproducing false signs of ventricular capture, commonly, but erroneously, used clinically to establish that effective pacing has been achieved (like body twitching, electrical artifact on the ECG, and electrical capture without ventricular capture). CONCLUSIONS: The proposed TMM uses a novel combination of 2 high-fidelity mannequins to improve TCP simulation until upgraded mannequins become commercially available.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».