MétaCan
Menu
Retour à la cohorte
Enregistrement W3153390433 · doi:10.1136/bmjstel-2020-000854

Virtual tabletop simulations for primary care pandemic preparedness and response

2021· article· en· W3153390433 sur OpenAlexafffundabout
Marlot Johanna Blaak, Raad Fadaak, Jan M. Davies, Nicole Pinto, John Conly, Myles Leslie

Notice bibliographique

RevueBMJ Simulation & Technology Enhanced Learning · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchWorld Health Organization
Mots-clésPreparednessPandemicPrimary careComputer scienceCoronavirus disease 2019 (COVID-19)Human–computer interactionMedicinePolitical scienceFamily medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The COVID-19 pandemic prompted widescale use of clinical simulations to improve procedures and practices. We outline our deployment of a virtual tabletop simulation (TTS) method in primary care (PC) clinics across Alberta, Canada. We summarise the quality and safety improvements from this method and report end users' perspectives on key elements. METHODS: Our virtual TTS used teleconferencing software alongside digital whiteboards to walk clinic stakeholders through patient scenarios. Participants reviewed and rehearsed their workflows and care practices. The goal was for staff to take ownership over gaps and codesigned solutions. After simulation sessions, follow-up interviews were conducted to collect feedback. RESULTS: These sessions helped PC staff identify and codesign solutions for clinical hazards and threats. These included the flow of patients through clinics, communications, redesignation of physical spaces, and adaptation of guidance for cleaning and personal protective equipment use. End users reported sessions provided neutral spaces to discuss practice changes and built confidence in delivering safe care during the pandemic. DISCUSSION: TTS has not been extensively deployed to improve clinical practice in outpatient environments. We show how virtual TTS can bridge gaps between knowledge and practice by offering a guided space to rehearse clinical changes. We show that virtual TTS can be used in multiple contexts to help identify hazards, improve safety and build confidence in professional teams adapting to rapid changes in both policies and practices. While our sessions were conducted in Alberta, our results suggest this method may be deployed in other contexts, including low-resource settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,002

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,386
Écart entre enseignants0,358 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Simulation & Technology Enhanced LearningMême sujetSimulation-Based Education in HealthcareTravaux en français237 207