MétaCan
Menu
Retour à la cohorte
Enregistrement W4210302115 · doi:10.2196/34677

User Perceptions of Different Vital Signs Monitor Modalities During High-Fidelity Simulation: Semiquantitative Analysis

2022· article· en· W4210302115 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Human Factors · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModalitiesAvatarVirtual patientVital signsContext (archaeology)UsabilityComputer scienceModality (human–computer interaction)FidelityHuman–computer interactionPsychologyMultimediaMedicineSurgeryMedical education

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient safety during anesthesia is crucially dependent on the monitoring of vital signs. However, the values obtained must also be perceived and correctly classified by the attending care providers. To facilitate these processes, we developed Visual-Patient-avatar, an animated virtual model of the monitored patient, which innovatively presents numerical and waveform data following user-centered design principles. After a high-fidelity simulation study, we analyzed the participants' perceptions of 3 different monitor modalities, including this newly introduced technique. OBJECTIVE: The aim of this study was to collect and evaluate participants' opinions and experiences regarding 3 different monitor modalities, which are Visual-Patient-avatar, Split Screen (avatar and Conventional monitor alongside each other), and Conventional monitor after using them during simulated critical anesthetic events. METHODS: This study was a researcher-initiated, single-center, semiquantitative study. We asked 92 care providers right after finishing 3 simulated emergency scenarios about their positive and negative opinions concerning the different monitor modalities. We processed the field notes obtained and derived the main categories and corresponding subthemes following qualitative research methods. RESULTS: We gained a total of 307 statements. Through a context-based analysis, we identified the 3 main categories of "Visual-Patient-avatar," "Split Screen," and "Conventional monitor" and divided them into 11 positive and negative subthemes. We achieved substantial interrater reliability in assigning the statements to 1 of the topics. Most of the statements concerned the design and usability features of the avatar or the Split Screen mode. CONCLUSIONS: This study semiquantitatively reviewed the clinical applicability of the Visual-Patient-avatar technique in a high-fidelity simulation study and revealed the strengths and limitations of the avatar only and Split Screen modality. In addition to valuable suggestions for improving the design, the requirement for training prior to clinical implementation was emphasized. The responses to the Split Screen suggest that this symbiotic modality generates better situation awareness in combination with numerical data and accurate curves. As a subsequent development step, a real-life introduction study is planned, where we will test the avatar in Split Screen mode under actual clinical conditions.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,917

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,370
Écart entre enseignants0,321 · 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