Value for money in self‐regulated procedural simulation
Notice bibliographique
Résumé
BACKGROUND: In self-regulated procedural simulation, learners practise on many simulators (e.g. paracentesis), self-regulating their choice of simulators, time and goals. Current needs assessments cannot predict the number of simulators needed to plan cost-effective self-regulated simulation. Knowing the ratios of simulators and participants would allow for better-informed purchase decisions to be made. METHODS: We designed 90-minute sessions of self-regulated procedural simulation for internal medicine residents. In Phase 1, 51 participants (8.5 per group) could use 22 simulators (US$69 925): ultrasound-guided central (n = 6) and peripheral (n = 2) venous catheterisation; thoracocentesis (n = 2); paracentesis (n = 2); lumbar puncture (n = 6); and arthrocentesis (n = 4). We calculated minimal numbers of simulators based on the time that participants used each simulator in order to design a resource-effective Phase 2, with 24 participants (with 12 per group) using 14 simulators (US$48 720) to meet their needs. RESULTS: Calculated from time of use (83 minutes in total), the optimal ratios of simulators expressed for 10 participants were 9.2: 3.7 for jugular and subclavian venous catheterisation (33 minutes); 1.5 for thoracocentesis (13 minutes), 1.0 for femoral venous catheterisation (9 minutes), 1.0 for lumbar puncture (9 minutes), 0.8 for peripheral venous catheterisation (8 minutes), 0.7 for paracentesis (6 minutes) and 0.5 for arthrocentesis (5 minutes). In Phase 2, the usage rate of simulators increased from 35.5% to 76.6%, maintaining the total time of use at 80.4 minutes. CONCLUSIONS: We present a replicable method for the cost-effective planning of self-regulated simulation by measuring the use of simulators. Expressed as ratios of simulators per participant, this information can support purchase decisions and be shared with similar programmes.
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 | 0,000 |
| 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 ».