Crash testing the dummy: a review of in situ trauma simulation at a Canadian tertiary centre
Notice bibliographique
Résumé
Background: In situ trauma simulations allow for the trauma team and emergency department to practise team dynamics, resuscitation and logistics in a safe environment. The goal of this investigation was to show the feasibility of an in situ trauma simulation program at a Canadian level 1 trauma centre. Methods: We performed a retrospective review of in situ simulations (maximum 20 min, followed by a 10-min debriefing session) at a level 1 trauma centre from 2015 to 2017. Errors were categorized according to the National Patient Safety Agency risk assessment matrix by 3 independent raters and assigned consequence scores (assessing potential harm) and likelihood scores (assessing the likelihood of potential harm). A risk score was calculated as the product of the mean consequence and likelihood scores. Errors per simulation and the number of simulations required for error resolution were recorded. Results: We reviewed 8 in situ simulations and identified 54 errors, of which 7 were related to medications, 20 to equipment, 21 to environment/staffing and 6 to training. The mean consequence score was 2.85/5 (standard deviation [SD] 0.75, intraclass correlation coefficient [ICC] 28%), indicating minor to moderate harm. The mean likelihood score was 2.82/5 (SD 0.55, ICC 41%), indicating unlikely to possible. The mean risk score was 8.42/25 (SD 3.19, ICC 43%). One error (2%) was low risk, 23 (43%) were moderate risk, 26 (48%) were high risk, and 4 (7%) were extreme risk. Conclusion: In situ trauma simulations are feasible in a Canadian centre and provide a safe environment to identify and rectify errors.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».