Using eye-tracking augmented cognitive task analysis to explore healthcare professionals' cognition during neonatal resuscitation
Notice bibliographique
Résumé
AIM: We aimed to describe the cognitive processes of healthcare providers participating as airway leads in delivery room neonatal resuscitations using eye-tracking assisted debriefing to facilitate recall and provide situational context. METHODS: Delivery room neonatal resuscitations were recorded using eye-tracking glasses worn by participants who acted as airway leads. These glasses analyze eye-movements to produce an audio-visual recording approximating what was "seen" by the participant and marking their visual attention. Participants then reviewed and debriefed their recordings. Debriefing involved a retrospective think-aloud prompted by eye-tracked recordings and an integrated semi-structured interview. Debriefing sessions were transcribed and subjected to thematic analysis. RESULTS: Eight healthcare providers participated in 10 interviews; two providers participated twice in two separate resuscitations. Most visual attention was directed at the infant (62%), with 16% directed to monitors/gauges, 3% to team members. Five major themes emerged including situation awareness, performance, working in teams, addressing threats to performance, and perception of eye-tracking. Information processing was complex and involved top-down and bottom-up processing of environmental stimuli, integration of knowledge/experience, and anticipation of patient response. Despite the focus on individual cognition, interpersonal interactions and teamwork emerged as key aspects of resuscitation performance. Potential threats to performance include equipment issues, mental stress, distractions, and parental presence. Eye-tracking recordings were well-received by the participants. CONCLUSION: Retrospective think-aloud prompted by point-of-view eye-tracked recordings is a useful means of examining cognition of healthcare providers during neonatal resuscitation. Themes identified in this project aligned with existing models of clinical reasoning.
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 | 0,002 | 0,008 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».