MétaCan
Menu
Retour à la cohorte
Enregistrement W4294401449 · doi:10.1177/10468781221120599

Association between Clinical Simulation Design Features and Novice Healthcare Professionals’ Cognitive Load: A Systematic Review and Meta-Analysis

2022· review· en· W4294401449 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSimulation & Gaming · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of OttawaUniversité de MontréalHôpital du Sacré-Cœur de Montréal
Organismes subventionnairesnon disponible
Mots-clésCognitive loadDebriefingCognitionUnivariateComputer sciencePsychologyApplied psychologyMultivariate statisticsSocial psychologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Background Clinical simulations are complex educational interventions characterized by several design features, which have the potential to influence cognitive load, that is, the mental effort required to assimilate new information and learn. This systematic review and meta-analysis explored the associations between simulation design features and cognitive load in novice healthcare professionals. Methods Based on the Joanna Briggs Institute methodology, a search was performed in five databases for quantitative studies in which the cognitive load of novice healthcare professionals was measured during or after a simulation activity. Each clinical simulation was coded to describe its design features. Univariate and multivariate mixed model analyses were performed to explore the associations between simulation design features and cognitive load. Results From 962 unique records, 45 studies were included and 27 provided enough data on subjective cognitive load (i.e., Paas Scale and NASA-Task Load Index scores) to be meta-analyzed. In the multivariate analysis for the NASA-Task Load Index scores, each repetition of a simulation using the same scenario resulted in a linear decrease in cognitive load. In contrast, technology-based instruction before or during a simulation activity was associated with higher cognitive load. In the univariate analyses, other features such as feedback and instructor presence were also statistically associated with cognitive load. Regarding the univariate analyses of the Paas Scale scores, simulator type, briefing, debriefing, and repetitive practice were statistically associated with cognitive load. Conclusion This is the first meta-analysis exploring the relationship between clinical simulation design features and novice healthcare professionals’ cognitive load. Although the findings show that several design features can potentially increase or decrease cognitive load, several gaps and inconsistencies in the current literature make it difficult to appreciate how such reciprocity influences novice healthcare professionals’ learning. These limitations are discussed and avenues for educators and further research are suggested.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0090,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,356
Tête enseignante GPT0,549
Écart entre enseignants0,193 · 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