Are battlefield and prehospital trauma scenarios an effective educational tool to teach leadership and crisis resource management skills to undergraduate medical students?
Notice bibliographique
Résumé
INTRODUCTION: Leadership and crisis resource management (CRM) skills are important skills for doctors, however there is a recognised lack of undergraduate leadership education. There remains debate over how best to teach leadership and CRM skills, and poor leadership skills among clinicians are associated with adverse patient outcomes. We examined whether high-fidelity battlefield and prehospital scenarios can improve leadership and CRM skills. METHOD: This was a prospective observational study with students self-reporting their leadership and CRM skills using the Ottawa Crisis Resource Management Global Ranking Scale (OCRMGRS) before and after completing the Cambridge University Emergency Medicine Society Battlefield and Pre-Hospital Trauma course. The course involves a mixture of small group tutorials and practical high-fidelity battlefield and prehospital trauma scenarios. Faculty also completed the OCRMGRS for the first and last candidates at the scenarios. The mean precourse versus mean postcourse score of the OCRMGRS was analysed using a two-tailed t-test. RESULTS: 46 students completed paired OCRMGRS before and after the course. The mean precourse scores for each of the domains (leadership, communication skills, resource utilisation, problem solving skills and situational awareness) were calculated. There was a statistically significant (p<0.05) increase in both self-reported and faculty-reported scores across all domains, and the increase remained at 1-year follow-up. CONCLUSIONS: Leadership and CRM skills are important non-clinical skills for doctors, however there is debate over how best to teach them. High-fidelity battlefield and prehospital trauma scenarios are an effective means of teaching leadership and CRM skills to civilian medical students.
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 | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 ».