Comparing Resource Management Skills in a High- versus Low-Resource Simulation Scenario: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Low-resource environments, such as those found in humanitarian crises, pose significant challenges to the provision of proper medical treatment. While the lack of training of health providers to such settings has been well-acknowledged in literature, there has yet to be any scientific evidence for this phenomenon. METHODS: This pilot study utilized a randomized crossover experimental design to examine the effects of high- versus low-resource simulated scenarios of a resuscitation of a critically ill obstetric patient on a medical doctors' performance and inter-personal skills. Ten senior residents (fifth-year post-graduate) of the Maggiore Hospital School of Medicine (Novara, NO, Italy) were included in the study. RESULTS: Overall performance score for the high-resource setting was 5.2, as opposed to only 2.3 for the low-resource setting. The mean effect size for the overall score was 2.9 (95% CI, 1.7-4.0; P <.001). The results suggest a significant decrease in both technical (medical) and non-technical skills, such as leadership, problem solving, situation awareness, resource utilization, and communication in the low-resource environment setting. The latter finding is of special important since it was yet to be reported. CONCLUSIONS: This pilot study suggests that untrained physicians in low-resource environments may experience a considerable setback not only to their professional performance, but also to their interpersonal skills, when deployed ill-prepared to humanitarian missions. Consequently, this may endanger the health of local populations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».