Comparative Effectiveness of Simulation versus Serious Game for Training Nursing Students in Cardiopulmonary Resuscitation: A Randomized Control Trial
Notice bibliographique
Résumé
Background. The proper implementation of cardiopulmonary resuscitation (CPR) is crucial in saving patients. Purpose. This study was aimed at evaluating the difference in educating nursing students on CPR when using the traditional simulation training with a mannequin versus a more novel serious game training on the smartphone platform. Methods. This randomized control trial was conducted in 2018-2019. Through purposive sampling, 56 nursing students were selected and randomly assigned to three groups: a simulation-based CPR training, CPR training using a serious game on the smartphone platform, and a control group that received no CPR training. Each student was evaluated pre- and posttraining on CPR knowledge and skill. Results. Both the simulation and serious game training groups increased CPR abilities two weeks after training. The control group did not show improvement in skill or knowledge of CPR. The simulation and serious game intervention groups demonstrated better scores on the knowledge questionnaire and on the CPR skill demonstration in comparison to the control group. However, the simulation group and the serious game group showed no significant difference in knowledge ( 9.55 ± 2.81 vs. 7.77 ± 2.46 ; p = 0.065 ) or CPR skill demonstration ( 27.17 ± 2.81 vs. 25.72 ± 3.98 ; p = 0.988 ). The overall scores for CPR knowledge did not meet minimum expectations (70% score) in either the simulation (47.75%) or serious game (38.85%) group. However, both groups demonstrated adequate CPR skill on demonstration (simulation 87.64% and serious game 83.06%). Conclusions. Both the simulation and serious game training groups were found to increase CPR skill. CPR training would likely benefit from a multimodal approach to 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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».