Simulation-Based Training in Operating Room: A Review Study
Notice bibliographique
Résumé
Introduction: Simulation is an educational technology that facilitates learning and improves learner’s performance. The aim of this study was to introduce simulation-based clinical training in operating room. Methods: In this review article, the keywords “simulation, training, clinical education, operating room training, and simulation in operating room” were used to find Persian and English articles published from 2000-2018 andin the databases of Science Direct, Google scholar, PubMed, SID, and Magiran. Articles related to introduction and application of simulation-based training in operating room were selected and reviewed. Results: Forty-Two articles had addressed the history and importance of using simulation in clinical education, their development methods, types of simulators used in the operating room and importance and types of models designed to evaluate the simulation methods. Examples of these simulations included low-fidelity physical simulators, web-based educational tools, computer-based video training, virtual learning environment systems, learning management systems, laparoscopic surgery such as “McGill Inanimate System” for training and evaluation of laparoscopic skills, simulation-based surgical methods, and realistic computer-controlled mannequins such as “Sim Man 3G”. Conclusion: A wide variety of simulators and models can be used for designing, implementation and evaluation of operating room training. Many of the existing challenges can be overcome with proper planning and educational institutions can develop and expand simulation-based trainings in operating room by understanding the educational potential of this method
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| 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) | 0,003 | 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 ».