Collaborative framework for working with older simulated participants (SP)
Notice bibliographique
Résumé
Introduction As the global population ages, healthcare providers must prepare for the complexities associated with caring for older adults, defined according to the WHO, as being over the age of 60. Simulation-based education in healthcare allows caregivers to practice and master skills and competencies associated with care of older adults. Simulated patients/participants (SP), well people trained to portray other individuals, are an effective choice when training behavioural skills (eg, communication). When working with older SPs, it is important to recognise unique considerations and requirements related to physiological changes, in physical, cognitive and sensory systems associated with normal ageing. Method SP educators from two different countries, with diverse backgrounds and contexts, collaborated through an iterative, consensus-based process to create a framework for working with older SPs. Results A practical three-phase framework with specific strategies was developed that synthesised elements of best practices related to simulation methodology with relevant clinical evidence. Discussion Effective collaboration with older SPs is achievable through investing resources in preparing, training and ensuring their well-being. Through faculty development of healthcare simulation educators, we can ensure that older SPs and simulation communities have the right tools and support to safely and effectively contribute to simulation-based education.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,109 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,019 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,007 | 0,023 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».