MétaCan
Menu
Retour à la cohorte
Enregistrement W3016646899 · doi:10.1097/aln.0000000000003287

Stress Management Training Improves Overall Performance during Critical Simulated Situations

2020· article· en· W3016646899 sur OpenAlexaboutno aff
Florent Sigwalt, Guillaume Petit, Jean‐Noël Evain, Damien Claverie, Monique Bui, Angélique Guinet-Lebreton, Marion Trousselard, Frédéric Canini, D. Chassard, Antoine Duclos, Jean-Jacques Lehot, Thomas Rimmelé, Marc Lilot

Notice bibliographique

RevueAnesthesiology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRandomized controlled trialClinical endpointPhysical therapyVisual analogue scaleRating scaleScale (ratio)SurgeryPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: High-fidelity simulation improves participant learning through immersive participation in a stressful situation. Stress management training might help participants to improve performance. The hypothesis of this work was that Tactics to Optimize the Potential, a stress management program, could improve resident performance during simulation. METHODS: Residents participating in high-fidelity simulation were randomized into two parallel arms (Tactics to Optimize the Potential or control) and actively participated in one scenario. Only residents from the Tactics to Optimize the Potential group received specific training a few weeks before simulation and a 5-min reactivation just before beginning the scenario. The primary endpoint was the overall performance during simulation measured as a composite score (from 0 to 100) combining a specific clinical score with two nontechnical scores (the Ottawa Global Rating Scale and the Team Emergency Assessment Measure scores) rated for each resident by four blinded independent investigators. Secondary endpoints included stress level, as assessed by the Visual Analogue Scale during simulation. RESULTS: Of the 134 residents randomized, 128 were included in the analysis. The overall performance (mean ± SD) was higher in the Tactics to Optimize the Potential group (59 ± 10) as compared with controls ([54 ± 10], difference, 5 [95% CI, 1 to 9]; P = 0.010; effect size, 0.50 [95% CI, 0.16 to 0.91]). After specific preparation, the median Visual Analogue Scale was 17% lower in the Tactics to Optimize the Potential group (52 [42 to 64]) than in the control group (63 [50 to 73]; difference, -10 [95% CI, -16 to -3]; P = 0.005; effect size, 0.44 [95% CI, 0.26 to 0.59]. CONCLUSIONS: Residents coping with simulated critical situations who have been trained with Tactics to Optimize the Potential showed better overall performance and a decrease in stress level during high-fidelity simulation. The benefits of this stress management training may be explored in actual clinical settings, where a 5-min Tactics to Optimize the Potential reactivation is feasible prior to delivering a specific intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,337
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesiologyMême sujetSimulation-Based Education in HealthcareTravaux en français237 207