Effectiveness of Bi-lingual Multidisciplinary Simulation-based Training in Improving Communication and Breaking Bad-News Skills
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Healthcare worker (HCW)-patient communication is an essential element of every patient’s journey, and evidence links good communication with favourable patient experiences and outcomes. Simulation-based training (SBT) is a promising and effective tool to improve such communication. Aim: To develop a bilingual SBT programme in communication skills for all HCWs in an academic tertiary hospital, to improve patient care, experiences and outcomes. Methods: This was a quasi-experimental design, conducted in 2018 at King Abdulaziz University (KAU). We designed and delivered a bilingual, simulation-based, full-day course for HCWs (both clinical and administrative), and measured its impact by comparing pre- and post-course test scores, participant feedback, and instructor performance satisfaction indices. Results: We trained 318 HCWs over 15 days, using 10 instructors. Post-test scores showed individual and overall improvement. The average scores were 26.6% (14-40%) for the pre-test and 55.8% (37-70%) for the post-test, with an average improvement of 29% (P<0.005). Participant feedback was 77% positive and in favour of more training. The average instructor performance satisfaction score was 96.2% (92-99%). Conclusion: We demonstrated the positive impact of SBT on communication skills for both clinical and administrative HCWs. We also demonstrated the sustainability and scalability of this course.
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.
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 | 0,020 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle