RETAIN: A Board Game That Improves Neonatal Resuscitation Knowledge Retention
Notice bibliographique
Résumé
Background More than two thirds of neonatal deaths are attributed to human errors during resuscitation. Therefore, the current resuscitation guidelines recommend frequent simulation based medical education (SBME). However, the current SBME approach is expensive, time-intensive, and requires a specialized lab and trained instructors. Hence, it is not offered routinely at all hospitals. We designed the board game “RETAIN” to train healthcare providers (HCPs) in neonatal resuscitation in a cost-friendly and accessible way. Objectives To examine if a board game-based training simulator improves knowledge retention in HCPs. Methods “RETAIN” consists of a board using an image of a baby, visual objects, adjustable timer, monitors, and action cards. Neonatal HCPs at the Royal Alexandra Hospital were invited to participate. Participants completed a written pre-test (resuscitation of a 24-week infant), then played the board game (starting with a tutorial followed by free playing of three evidence-based neonatal resuscitation scenarios). Afterwards, a post-test with the same resuscitation scenario and an opinion survey was completed. The answers from the pre- and post-test were compared to assess HCPs’ knowledge retention. Results Thirty HCPs (four doctors, 12 nurses, and 14 respiratory therapist) participated in the study. Overall, we observed a 10% increase in knowledge retention between the pre- and post-test (49% to 59%, respectively). Temperature management showed the most knowledge gain between the pre- and post-test (14% to 46%, respectively). Placement of a hat (10% to 43%), plastic wrap (27% to 67%), and temperature probe (7% to 30%) improved between the pre- and post-test. Conclusion Knowledge retention increased by 12% between pre- and post-test (49% to 61%, respectively). The improvement in performance and knowledge supports the use of board game simulations for clinical training.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».