P.051 Stroke Care and Neurological Emergency Response Simulation (SCaNERS): High-fidelity acute stroke simulation increases learner confidence in providing acute stroke care
Notice bibliographique
Résumé
Background: Resident physicians often observe stroke alerts before managing them alone, which exposes patients to potential harm from trainees’ lack of experience. Simulation training offers a low-risk environment for skill acquisition. This project assessed learners’ confidence in leading stroke codes before and after completing a stroke simulation training program during neurology rotations at the University of Saskatchewan. Methods: High-fidelity simulation cases were developed encompassing several diagnostic and therapeutic goals of acute stroke care. Standardized patients were trained for increased fidelity. Standardized debriefing was given after each session. Pre- and post-simulation surveys captured learner confidence and cognitive load. Results: Pilot data reveal learners’ confidence and comfort in providing acute stroke care, including thrombolysis treatment decisions, significantly increases after simulation training (n=8; p=0.0006-0.01). They also felt more prepared to conduct future acute stroke care (p=0.009). Skills not directly addressed in simulation did not show significant improvement (p=0.09-1.89). Learners consistently rated the session as requiring high mental effort. Conclusions: Implementation of high-fidelity simulation training leads to significant improvement in learner confidence. Future cases will capture additional objectives and ensure acceptable cognitive load. Ongoing data collection to explore residents’ experiences and knowledge improvement in stroke care and assess local reductions in treatment delays is underway.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,002 | 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) | 0,065 | 0,005 |
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 ».