MétaCan
Menu
Retour à la cohorte
Enregistrement W3207482935 · doi:10.7759/cureus.18824

The Development of a Cost-Effective Infant Intraosseous Infusion Simulator for Neonatal Resuscitation Program Training

2021· article· en· W3207482935 sur OpenAlexafffund
Julia Micallef, Artur Arutiunian, Jennifer Hiley, Andy Benson, Adam Dubrowski

Notice bibliographique

RevueCureus · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensLakeridge HealthOntario Tech University
Organismes subventionnairesMitacs
Mots-clésMedicineSimulationTraining (meteorology)ResuscitationProcess (computing)Medical physicsComputer scienceSurgeryOperating system

Résumé

récupéré en direct d'OpenAlex

Simulation-based medical education (SBME) employs realistic simulators to allow physicians and medical students to learn and practice high acuity, low occurrence (HALO) skills such as the intraosseous (IO) infusion. Previous research was done to develop and evaluate a three-dimensional (3D)-printed adult proximal tibia IO simulator and was rated as a valuable and realistic medical education training tool. This report focuses on implementing this IO simulator for neonatal resuscitation program (NRP) training purposes, as well as to explain the process of redeveloping the previous adult IO simulator and the development of a stand, called the maxSIMbox, to hold the simulators, as well as the tools needed to perform an IO infusion. The feedback provided from stakeholders was helpful, with an emphasis on providing stability to both the infant IO simulator and the maxSIMbox. From this feedback, a functional and cost-effective simulator was developed to practice this HALO skill and is currently being used for NRP training.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,408
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetSimulation-Based Education in HealthcareTravaux en français237 207