MétaCan
Menu
Retour à la cohorte
Enregistrement W2964533429 · doi:10.1136/bmjstel-2019-000485

‘Live Die Repeat’ simulation for medical students

2019· article· en· W2964533429 sur OpenAlexaff
Victoria Brazil, Shaghayegh Shaghaghi, Nemat Alsaba

Notice bibliographique

RevueBMJ Simulation & Technology Enhanced Learning · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensCentres Intégré Universitaires de Santé et de Services SociauxUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésDebriefingCoachingContext (archaeology)Computer scienceCurriculumMedical educationBlueprintReflective practicePsychologySimulationMedicinePedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

The ‘Live.Die.Repeat’ (LDR) format for simulation-based education (SBE) involves repetition of scenario segments until adequate learner performance is achieved and emphasises repetitive practice over prolonged postscenario reflective debriefing.1 We incorporated the LDR format into our medical student simulations and suggest that it can be a useful element in a programmatic simulation curriculum, with appropriate preparation for learners and faculty. Background Simulation-based education (SBE) has been widely adopted as a learning method for health professional education and may also be enhanced by the integration of educational games - ‘an instructional method requiring the learner to participate in a competitive activity with preset rules’.2 In their ‘Live.Die.Repeat’ (LDR) study, Sunga et al designed a simulation scenario that incorporated gameplay to teach the management of emergent pulmonary conditions to postgraduate emergency medicine trainees.1 The design was based on recursive objective-based gameplay—‘a serious-game scheme in which participants are allowed infinite lives so that they can achieve predetermined criteria for progression through multiple levels of increasing difficulty’.1 The LDR format has parallels with rapid cycle deliberate practice (RCDP)3 simulation, a team-based simulation method, emphasising repetitive practice over reflective debriefing, with progressively more challenging rounds, frequent starts and stops and direct coaching. RCDP is well described for ‘algorithmic’ tasks like resuscitation, and the Sunga study was also undertaken with critical care postgraduate trainees in high acuity scenarios. We hypothesised that the format would also be effective for the lower acuity and less technical context of medical student education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0550,011

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,436
Écart entre enseignants0,412 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Simulation & Technology Enhanced LearningMême sujetSimulation-Based Education in HealthcareTravaux en français237 207