Cognitive appraisals and team performance under stress: A simulation study
Notice bibliographique
Résumé
OBJECTIVES: The present study explored how challenge and threat responses to stress relate to performance, anxiety, confidence, team identity and team characteristics (time spent in training and postgraduate experience) in a medical simulation-based team competition. METHODS: The study was conducted during a national simulation-based training event for residents, the SIMCUP Italia 2018. The SIMCUP is a simulation competition in which teams of four compete in simulated medical emergency scenarios. Cross-sectional data were collected prior to the 3 days of the competition. Subjects included 95 participants on 24 teams. Before the competition on each day, participants completed brief self-report measures that assessed demands and resources (which underpin challenge and threat responses to stress), cognitive and somatic anxiety, self-confidence and team identification. Participants also reported time (hours) spent practising as a team and years of postgraduate experience. A team of referees judged each scenario for performance and assigned a score. A linear mixed model using demands and resources was built to model performance. RESULTS: The data showed that both demands and resources have positive effects on performance (31 [11-50.3] [P < .01] and 54 [25-83.3] [P < .01] percentage points increase for unitary increases in demands and resources, respectively); however, this is balanced by a negative interaction between the two (demands * resources interaction coefficient = -10 [-16 to -4.2]). A high level of resources is associated with better performance until demands become very high. Cognitive and somatic anxieties were found to be correlated with demands (Pearson's r = .51 [P < .01] and Pearson's r = .48 [P < .01], respectively). Time spent training was associated with greater perceptions of resources (Pearson's r = .36 [P < .01]). CONCLUSIONS: We describe a model of challenge and threat that allows for the estimation of performance according to perceived demands and resources, and the interaction between the two. Higher levels of resources and lower demands were associated with better performance.
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 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».