Evidence‐based Medicine Simulation: A Novel and Practice‐relevant Approach to Teaching Real‐time Literature Searching to Emergency Medicine Residents
Notice bibliographique
Résumé
INTRODUCTION: Evidence-based medicine (EBM) and literature searching skills are competencies within the emergency medicine (EM) residency curriculum. Previously in our residency program, a librarian taught literature searching instruction, including a classroom-based overview of search engines. Learners reported low engagement and poor retention. To improve engagement, interest, and skill retention, we used a novel approach: simulation to teach real-time literature searching. METHODS: Based on a needs assessment of our EM residents, we created a literature searching workshop using a flipped classroom approach and high-fidelity simulation. Goals of the session were to be interactive, engaging, and practice-relevant. With a librarian, we developed a brief list of EM-relevant databases, including tips for searching and links to sites/apps. Prereadings also covered the hierarchy of evidence and formulating a good clinical (PICO) question. Residents (12 junior residents) participated in a high-fidelity simulation involving a stable patient whose management required a literature search to inform decisions. Feedback was collected on the simulation experience. RESULTS: Residents received the list of EM-relevant databases 7 days prior and were instructed to set up and test the resources on their smartphones. The day of the session, one resident volunteered to lead the simulation; all residents participated in the search on their smart phones. Collectively, it took 4.5 minutes to find a study that adequately addressed the clinical question and to manage the patient accordingly. Feedback on the simulation was positive. Students found it "very real and practical" and "immediately institutable into practice." It helped residents learn to efficiently and effectively search the literature while managing a stable patient. CONCLUSION: A flipped-classroom simulation-based teaching strategy made learning literature searching more interesting, engaging, and applicable to EM practice. Based on popular demand, we will continue to use this teaching method.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».