Efficacy of Computer-Based Simulation as a Modality for Learning Pediatric Disaster Triage for Pediatric Emergency Nurses
Notice bibliographique
Résumé
SUMMARY STATEMENT: Pediatric disaster triage (PDT) is challenging for healthcare personnel. Mistriage can lead to poor resource utilization. In contrast to live simulation, screen-based simulation is more reproducible and less costly. We hypothesized that the screen-based simulation "60 Seconds to Survival" (60S) to learning PDT will be associated with improved triage accuracy for pediatric emergency nursing personnel.During this prospective observational study, 138 nurse participants at 2 tertiary care emergency departments were required to play 60S at least 5 times over 13 weeks. Efficacy was assessed by measuring the learners' triage accuracy, mistriage, and simulated patient outcomes using JumpStart.Triage accuracy improved from a median of 61.1 [interquartile range (IQR) = 48.5-72.0] to 91.7 (IQR = 60.4-95.8, P < 0.0001), whereas mistriage decreased from 38.9 (IQR = 28.0-51.5) to 8.3 (IQR = 4.2-39.6, P < 0.0001), demonstrating a significant improvement in accuracy and decrease in mistriage. Screen-based simulation 60S is an effective modality for learning PDT by pediatric emergency nurses.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».