MétaCan
Menu
Retour à la cohorte
Enregistrement W4238997488 · doi:10.1186/s41077-019-0110-0

Selected abstracts from the 2019 Simulation Summit

2019· article· en· W4238997488 sur OpenAlexaff
Jeffrey J. H. Cheung, K Kulasegaram, Nicole N. Woods, Ryan Brydges, Chantal Forristal, S. Mal, M. Columbus, Kristine Van Aarsen, David Ouellette, Nadia Farooki, Kate Hayman, Nina Smith, Sharynne McLeod, Bin Zheng

Notice bibliographique

RevueAdvances in Simulation · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensSchwartz/Reisman Emergency Medicine InstituteLondon Health Sciences CentreNOSM UniversityThe Wilson CentreUniversity of TorontoHealth Sciences NorthUniversity of AlbertaLaurentian UniversitySt. Michael's HospitalWestern University
Organismes subventionnairesnon disponible
Mots-clésSummitHealth services researchMedicinePublic healthNursingGeography

Résumé

récupéré en direct d'OpenAlex

Background: Instruction that encourages trainees to integrate conceptual "why" and procedural "how" knowledge improves their transfer of procedural skills.For training away from the bedside and direct supervision, questions remain on how to represent the causal relationship between clinical concepts and procedural actions (e.g., how patient anatomy relates to inserting a needle).Simulation presents a unique education modality for delivering causal instruction that can help trainees build cognitive connections between the theoretical concepts and procedural actions of clinical skills.We varied the modality and level of interactivity when presenting these causal relationships during simulation-based lumbar puncture (LP) training and measured impacts on participants' retention and transfer.Research Question: When delivering integrated instruction, how does the modality (video-based or simulation-based) impact trainees' skill retention and transfer?Methods: During a 1-hour session, we randomized 66 medical students to one of three instructional interventions: i) procedural-only video-based instruction, ii) integrated video-based instruction, and iii) integrated simulation-based instruction.One-week later, we tested participants' LP skill retention and transfer, and their conceptual knowledge on a written test.Results: Simple mediation regression analyses revealed that participants receiving integrated instruction had superior LP retention and transfer skills via gains in conceptual knowledge (all p<0.01).We found no significant performance differences between the integrated groups (p>0.01).Participants receiving procedural-only instruction practiced significantly more LPs during training (M=2.36)than participants receiving integrated video-based (M=1.82) and simulationbased instruction (M=1.50),p<0.05.Conclusion: Trainees' ability to create cognitive connections between conceptual and procedural knowledge appears to improve when they interact with instructional materials highlighting the causal relationships between these knowledge types.Simulation experiences can be designed to make abstract clinical concepts visible using hands-on, interactive modules, which enhances trainees' conceptual knowledge, as well as, their skill retention and transfer.However, integrated instruction reduced participants' time to practice LP scenarios, which may have reduced the effectiveness of our efforts to promote such "cognitive integration".We suggest that more advanced trainees with baseline procedural proficiency may experience greater benefits from such integrated instruction.Integrated instruction may improve trainees' skill retention and transfer, despite reducing how many LPs they could practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,622

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,000
Communication savante0,0050,001
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1860,072

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 Opus0,048
Tête enseignante GPT0,420
Écart entre enseignants0,372 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in SimulationMême sujetSimulation Techniques and ApplicationsTravaux en français237 207