Design of an Intramuscular Injection Simulator: Accommodating Cultural Differences
Notice bibliographique
Résumé
We had developed an inexpensive intramuscular (IM) injection simulator and gathered feedback from Canadian hospital-based practicing nurses about the design features of the simulator. While the feedback critiqued the density of the simulator as being too stiff and suggested making the shape more realistic, it was also unanimously agreed that this IM injection simulator is more realistic than any other previous models they have used, therefore deeming it an acceptable training tool for nursing students in Canada. For this simulator to serve as a training tool in other countries, such as Singapore, we partnered with SingHealth, a hospital network in Singapore, to conduct identical product testing in a different ethnic context and compare the data to our previous work. This article is based on this study. We had 21 nurses from Singapore General Hospital test the IM injection simulator and fill out the same survey the Canadian nurses had done. With a 100% response rate, only 26% of the Singapore hospital-based nurses agreed that this IM injection simulator is a more ethnically appropriate representation of anatomy than previous simulators they have used. There were numerous other differences in feedback compared to the Canadian nurses, such as the fat layer being too thick. These differences in feedback highlight the importance of including ethnicity as a factor during the design of simulators. Therefore, despite the silicone IM injection simulator being a cost-effective solution to practice IM injections, the features of the simulator need to be improved to make it a valuable teaching tool for nursing students, especially those in Singapore.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».