MétaCan
Menu
Retour à la cohorte
Enregistrement W3205187353 · doi:10.1186/s41077-021-00190-0

The Code Silver Exercise: a low-cost simulation alternative to prepare hospitals for an active shooter event

2021· article· en· W3205187353 sur OpenAlexafffundabout
Julie J. Kim, Daniel Howes, Chantal Forristal, Andrew Willmore

Notice bibliographique

RevueAdvances in Simulation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensOttawa HospitalUniversity of OttawaVictoria HospitalQueen's UniversityLondon Health Sciences CentreLawson Health Research InstituteWestern University
Organismes subventionnairesLondon Health Sciences Centre
Mots-clésDebriefingOperationalizationPreparednessRubricHealth careMedical educationPatient safetyPsychologyMedical emergencyNursingMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

Mass-shooting incidents have been increasing in recent years and Code Silver-the hospital response to a person with a weapon such as an active shooter in many Provinces or States in North America-is quickly shifting from a theoretical safety measure to a realistic scenario for which hospitals must prepare their staff. A Code Silver Exercise (CSE) involving an independent mental practice exercise with written responses to scenarios and questions, followed by a facilitated debrief with all participants, was conceptualized and trialled for feasibility and efficacy. The CSE was piloted as a quality improvement and emergency preparedness initiative in three different settings including in situ within a hospital Emergency Department or Intensive Care Unit, offsite in a large conference room workshop, and online via virtual platform. These sessions took place in 4 different cities in Canada and included 3 academic teaching hospitals. Participants of the in situ and virtual CSE completed pre- and post-simulation surveys which showed improved understanding of Code Silver protocols following participation.The CSE is a reproducible simulation alternative, designed to operationalize a Code Silver policy at a large healthcare institution in a sustainable way. This training model can be administered in multiple settings in-person (in situ or offsite), and virtually, making it versatile and easily accessible for participants. This exercise enables participants to mentally rehearse practical responses to an active shooter in their unique work environments and to discuss ethical and medical-legal implications of their responses during a facilitated debrief with fellow healthcare providers. Implementation of a CSE for training in hospitals may help staff to create a mental schema prior to an active shooter event, and thus indirectly improve the chances of survivability in the event of a real active shooter situation.

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)0,006
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 enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,034
Tête enseignante GPT0,448
Écart entre enseignants0,415 · 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 revueAdvances in SimulationMême sujetSimulation-Based Education in HealthcareTravaux en français237 207