The Resource Costs of Maintaining Learner Utilization of a Simulation Center During the COVID-19 Pandemic
Notice bibliographique
Résumé
BACKGROUND: Despite advances in online education during the COVID-19 pandemic, its impact on surgical simulation remains unclear. The aim of this study was to compare the costs and resources required to maintain simulation training in the pandemic and to evaluate how it affected exposure of medical students to simulation during their surgical clerkship. METHODS: The number of learners, contact hours, staff hours, and costs were collected from a multi-departmental simulation center of a single academic institution in a retrospective fashion. Utilization and expenditure metrics were compared between the first quarter of academic years 2018-2020. Statistical analysis was performed to evaluate potential differences between overall resource utilization before and during the pandemic, and subgroup analysis was performed for the resources required for the training of the third-year medical students. RESULTS: The overall number of learners and contact hours decreased during the first quarter of the academic year 2020 in comparison with 2019 and 2018. However, the staff hours increased. In addition, the costs for PPE increased for the same periods of time. In the subgroup analysis of the third-year medical students, there was an increase in the number of learners, as well as in the staff hours and in the space required to perform the simulation training. DISCUSSION: Despite an increase in costs and resources spent on surgical simulation during the pandemic, the utilization by academic entities has remained unaffected. Further studies are required to identify potential solutions to lower simulation resources without a negative impact on the quality of surgical simulation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».