MétaCan
Menu
Retour à la cohorte
Enregistrement W4295517425 · doi:10.2196/37297

Using Mobile Virtual Reality Simulation to Prepare for In-Person Helping Babies Breathe Training: Secondary Analysis of a Randomized Controlled Trial (the eHBB/mHBS Trial)

2022· article· en· W4295517425 sur OpenAlexvenueno aff
Beatrice Nkolika Ezenwa, Rachel Umoren, Iretiola Fajolu, Daniel S. Hippe, Sherri Bucher, Saptarshi Purkayastha, Felicitas M Okwako, Fabian Esamai, John Feltner, Olubukola Olawuyi, Annet Mmboga, Mary Nafula, Chris Paton, Chinyere Ezeaka

Notice bibliographique

RevueJMIR Medical Education · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeonatal resuscitationRandomized controlled trialMedicineHealth careVirtual realityNursingFamily medicineEmergency medicineResuscitationComputer scienceSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neonatal mortality accounts for approximately 46% of global under-5 child mortality. The widespread access to mobile devices in low- and middle-income countries has enabled innovations, such as mobile virtual reality (VR), to be leveraged in simulation education for health care workers. OBJECTIVE: This study explores the feasibility and educational efficacy of using mobile VR for the precourse preparation of health care professionals in neonatal resuscitation training. METHODS: Health care professionals in obstetrics and newborn care units at 20 secondary and tertiary health care facilities in Lagos, Nigeria, and Busia, Western Kenya, who had not received training in Helping Babies Breathe (HBB) within the past 1 year were randomized to access the electronic HBB VR simulation and digitized HBB Provider's Guide (VR group) or the digitized HBB Provider's Guide only (control group). A sample size of 91 participants per group was calculated based on the main study protocol that was previously published. Participants were directed to use the electronic HBB VR simulation and digitized HBB Provider's Guide or the digitized HBB Provider's Guide alone for a minimum of 20 minutes. HBB knowledge and skills assessments were then conducted, which were immediately followed by a standard, in-person HBB training course that was led by study staff and used standard HBB evaluation tools and the Neonatalie Live manikin (Laerdal Medical). RESULTS: A total of 179 nurses and midwives participated (VR group: n=91; control group: n=88). The overall performance scores on the knowledge check (P=.29), bag and mask ventilation skills check (P=.34), and Objective Structured Clinical Examination A checklist (P=.43) were similar between groups, with low overall pass rates (6/178, 3.4% of participants). During the Objective Structured Clinical Examination A test, participants in the VR group performed better on the critical step of positioning the head and clearing the airway (VR group: 77/90, 86%; control group: 57/88, 65%; P=.002). The median percentage of ventilations that were performed via head tilt, as recorded by the Neonatalie Live manikin, was also numerically higher in the VR group (75%, IQR 9%-98%) than in the control group (62%, IQR 13%-97%), though not statistically significantly different (P=.35). Participants in the control group performed better on the identifying a helper and reviewing the emergency plan step (VR group: 7/90, 8%; control group: 16/88, 18%; P=.045) and the washing hands step (VR group: 20/90, 22%; control group: 32/88, 36%; P=.048). CONCLUSIONS: The use of digital interventions, such as mobile VR simulations, may be a viable approach to precourse preparation in neonatal resuscitation training for health care professionals in low- and middle-income countries.

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 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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,079
Tête enseignante GPT0,450
Écart entre enseignants0,371 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetSimulation-Based Education in HealthcareTravaux en français237 207