Pitfalls in Emergency Medicine: Survey-Based Identification of Learning Objectives for Targeted Simulation Curricula by Emergency Department Staff
Notice bibliographique
Résumé
INTRODUCTION: The emergency department is a complex practice environment into which numerous factors may introduce both human and system error. Emergency physicians have to assemble and manage multidisciplinary teams with a moment's notice to manage critically ill patients. The EM training programs across Canada are diverse with considerable variation among programs. Acquisition of both high acuity low occurrence (HALO) and crisis resource management (CRM) skills are crucial to the development of proficient emergency room physicians. Physicians and allied health workers were surveyed to identify potential causes of error in local emergency departments and to find simulation-driven solutions. METHODS: An anonymous survey was prepared to evaluate potential pitfalls of emergency care in St. John's, NL, Canada. It was distributed electronically to 108 medical staff, including physicians, nurses, and postgraduate year three (PGY3) residents. Respondents were asked about their experience with simulation education, and whether or not they feel that there is an opportunity for it in postgraduate emergency medicine training. RESULTS: The response rate was 30%. Communication - with the emergency department team, consulting services, and patients - was identified as a potential topic for simulation, along with interruptions. Burnout, busy department, departmental crowding, end of shift handover, and incomplete/missing patient medical history were identified as topics that should be included in the emergency medicine curriculum. Following a review with the simulation expert panel, it was determined that end of shift handover could also be incorporated as a simulation in the existing curriculum. DISCUSSION: This survey looked at pitfalls in emergency medicine through a CRM lens. Six pitfalls were identified as important for patient safety, but not best addressed with simulation. These could be incorporated into the half-day curriculum as didactic lectures. Four important patient safety pitfalls were identified that could potentially be addressed with simulation and incorporated in the existing emergency medicine simulation curriculum.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».