Knowledge transfer and retention of simulation-based learning for neurosurgical instruments: a randomised trial of perioperative nurses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Previous studies have shown that simulation is an acceptable method of training in nursing education. The objectives of this study were to determine the effectiveness of tablet-based simulation in learning neurosurgical instruments and to assess whether skills learnt in the simulation environment are transferred to a real clinical task and retained over time. Methods: A randomised controlled trial was conducted. Perioperative nurses completed three consecutive sessions of a simulation. Group A performed simulation tasks prior to identifying real instruments, whereas Group B (control group) was asked to identify real instruments prior to the simulation tasks. Both groups were reassessed for knowledge recall after 1 week. Results: Ninety-three nurses completed the study. Participants in Group A, who had received tablet-based simulation, were 23% quicker in identifying real instruments and did so with better accuracy (93.2% vs 80.6%, p<0.0001) than Group B. Furthermore, the simulation-based learning was retained at 7 days with 97.8% correct instrument recognition in Group A and 96.2% in Group B while maintaining both speed and accuracy. Conclusion: This is the first study to assess the effectiveness of tablet-based simulation training for instrument recognition by perioperative nurses. Our results demonstrate that instrument knowledge acquired through tablet-based simulation training results in improved identification and retained recognition of real instruments.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle