Effect of Repetitive Simulation Training on Emergency Medical Services Team Performance in Simulated Pediatric Medical Emergencies
Notice bibliographique
Résumé
Abstract Objective Emergency medical services (EMS) professionals infrequently transport children leading to difficulty in recognition and management of pediatric critical illness. Simulation provides an opportunity to train EMS professionals on pediatric emergencies. The objective of this study was to examine the effect of serial simulation training over 6 months on EMS psychomotor and cognitive performance during team‐based care. Methods This was a longitudinal prospective study of a simulation curriculum enrolling EMS professionals over a 6‐month period during which they performed three high‐fidelity simulations at 3‐month intervals. The simulation scenarios included a 15‐month‐old seizure (T 0 ), 1‐month‐old with hypoglycemia (T 1 ), and 4‐year‐old clonidine ingestion (T 2 ). All scenarios were standardized and required recognition and management of respiratory failure and decompensated shock. Scenarios were videotaped and two investigators scored EMS team interventions during simulations using a standardized scoring tool. Inter‐rater reliability was assessed on 30% of videos using kappa analysis. Volumes of administered intravenous fluid (IVF) and medications were measured to assess for errors in administration. The primary outcome was the change in scenario score from T 0 to T 2 . Results A total of 135 team‐based simulations were conducted over the study period (48, 40, and 47 at T 0 , T 1 , and T 2 , respectively). Inter‐rater reliability between reviewers was very good (κ = 0.7). Median simulation score improved from T 0 to T 2 (24 vs 31, p < 0.001, maximum score possible = 42). The proportion of completed tasks increased across multiple categories including improved recognition of respiratory decompensation (19% vs. 56%), management of the pediatric airway (44% vs. 88%), and timeliness of vascular access (10% vs. 38%). Correct IVF administration varied by scenario (25% vs. 52% vs. 30%, p = 0.02). Conclusion Serial simulation improved EMS team‐based care in both recognition and management of pediatric emergencies. A standardized pediatric simulation curriculum can be used to train EMS professionals on pediatric emergencies and improve 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».