49 Simulation Preparation for Experiences in Resource Limited Settings (SimPERLS): An innovative pre-departure training program for pediatric healthcare professionals
Notice bibliographique
Résumé
Pre-departure training (P-DT) for experiences in resource limited settings is the expected standard for healthcare professionals in 2018. Traditional P-DT has focused on health and safety as well as medical expert skills. However, there has been recent focus shift to deal with the emotional as well as medical challenges. The study purpose was to pilot a multidisciplinary, simulation based P-DT program for health professionals preparing for experiences both within and outside of Canada. We piloted four simulation-based scenarios designed to challenge clinical skills as well as evoke emotions that may be experienced in resource limited settings. Two scenarios were set in a global health context and two scenarios were adapted for Canadian locales. Workshop was held over one afternoon and each scenario was allocated one hour total (inclusive of simulation and debriefing). Participants experienced each scenario and were debriefed thereafter as per standard simulation protocol. An evaluation questionnaire (including both likert scale and open-ended, short-answer style) was completed at the end of the course. There were a total of fourteen participants from various health professions. Overall, the course received an average 4.4/5 score from participants. Most participants said they gained new insight and learned new applicable skills with an average score of 4.8/5 and 4.7/5 respectively. Common emotions reported during the simulations included: sadness, helplessness, and frustration. Participants were motivated to prepare for upcoming experiences by increasing their core medical knowledge, utilizing the WHO handbook and increasing cultural awareness. Participants felt encouraged to seek opportunities for work in resource limited settings. Next steps include follow up with participants after their low resource setting experiences to evaluate how this training impacts their preparation and overall journey.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».