High-fidelity simulation in anesthesiology training: a survey of Canadian anesthesiology residents' simulator experience La simulation haute-fidelitedans la formation en anesthesiologie: un sondage concernant l'experience des residents en anesthesiologie au Canada avec les simulateurs
Notice bibliographique
Résumé
Purpose The objective of this survey was to explore Canadian anesthesiology residents’ educational experience with high-fidelity simulation and to improve understanding of the factors perceived to have either a positive or a negative effect on residents’ learning. Methods In 2008, all Canadian anesthesiology residents (n = 599) were invited to complete a ten-minute anonymous online survey. Survey questions were derived from two sources, a literature search of MEDLINE (1966 to present), EMBASE (1980 to present), and the Cochrane and Campbell collaboration libraries and the experience of 25 pilot residents and the lead author. Results The survey response rate was 27.9% (n = 167). Junior residents (PGY1–3) responded that it would be helpful to have an introductory simulation course dealing with common intraoperative emergencies. The introduction of multidisciplinary scenarios (where nurses and colleagues from different specialties were involved in scenarios) was strongly supported. With respect to gender, male anesthesia residents indicated their comfort in making mistakes and asking for help in the simulator more frequently than female residents. In accordance with the ten Best Evidence Medical Education (BEME) principles of successful simulator education, Canadian centres could improve residents’ opportunities for repetitive practice (with feedback), individualization of scenarios, and defined learning outcomes for scenarios. Discussion Anesthesiology residents indicate that simulation-based education is an anxiety provoking experience, but value its role in promoting safe practice and enhancing one’s ability to deal with emergency situations. Suggestions to improve simulation training include increasing residents’ access, adopting a more student-centred approach to learning, and creating a safer learning environment.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».