Simulation in the clinical setting: towards a standard lexicon
Notice bibliographique
Résumé
Simulation-based educational activities are happening in the clinical environment but are not all uniform in terms of their objectives, delivery, or outputs. While these activities all provide an opportunity for individual and team training, nuances in the location, timing, notification, and participants impact the potential outcomes of these sessions and objectives achieved. In light of this, there are actually many different types of simulation-based activity that occur in the clinical environment, which has previously all been grouped together as "in situ" simulation. However, what truly defines in situ simulation is how the clinical environment responds in its' natural state, including the personnel, equipment, and systems responsible for care in that environment. Beyond individual and team skill sets, there are threats to patient safety or quality patient care that result from challenges with equipment, processes, or system breakdowns. These have been labeled "latent safety threats." We submit that the opportunity for discovery of latent safety threats is what defines in situ simulation and truly differentiates it from what would be more rightfully called "on-site" simulation. The distinction between the two is highlighted in this article, as well as some of the various sub-types of in situ simulation.
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 | 0,035 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,027 |
| Communication savante | 0,028 | 0,027 |
| Science ouverte | 0,008 | 0,011 |
| Intégrité de la recherche | 0,011 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».