A Critical Review of Mechanical Ventilation Virtual Simulators: Is It Time to Use Them?
Notice bibliographique
Résumé
BACKGROUND: Teaching mechanical ventilation at the bedside with real patients is difficult with many logistic limitations. Mechanical ventilators virtual simulators (MVVS) may have the potential to facilitate mechanical ventilation (MV) training by allowing Web-based virtual simulation. OBJECTIVE: We aimed to identify and describe the current available MVVS, to compare the usability of their interfaces as a teaching tool and to review the literature on validation studies. METHODS: We performed a comparative evaluation of the MVVS, based on a literature/Web review followed by usability tests according to heuristic principles evaluation of their interfaces as performed by professional experts on MV. RESULTS: Eight MVVS were identified. They showed marked heterogeneity, mainly regarding virtual patient's anthropomorphic parameters, pulmonary gas exchange, respiratory mechanics and muscle effort configurations, ventilator terminology, basic ventilatory modes, settings alarms, monitoring parameters, and design. The Hamilton G5 and the Xlung covered a broader number of parameters, tools, and have easier Web-based access. Except for the Xlung, none of the simulators displayed monitoring of arterial blood gases and alternatives to load and save the simulation. The Xlung obtained the greater scores on heuristic principles assessments and the greater score of easiness of use, being the preferred MVVS for teaching purposes. No strong scientific evidence on the use and validation of the current MVVS was found. CONCLUSIONS: There are only a few MVVS currently available. Among them, the Xlung showed a better usability interface. Validation tests and development of new or improvement of the current MVVS are needed.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».