Understanding the barriers and enablers for postgraduate medical trainees becoming simulation educators: a qualitative study
Notice bibliographique
Résumé
INTRODUCTION : There is increasing evidence that Simulation-based learning (SBL) is an effective teaching method for healthcare professionals. However, SBL requires a large number of faculty to facilitate small group sessions. Like many other African contexts, Mbarara University of Science and Technology (MUST) in Uganda has large numbers of medical students, but limited resources, including limited simulation trained teaching faculty. Postgraduate medical trainees (PGs) are often involved in clinical teaching of undergraduates. To establish sustainable SBL in undergraduate medical education (UME), the support of PGs is crucial, making it critical to understand the enablers and barriers of PGs to become simulation educators. METHODS: We used purposive sampling and conducted in-depth interviews (IDIs) with the PGs, key informant interviews (KIIs) with university staff, and focus group discussions (FGDs) with the PGs in groups of 5-10 participants. Data collection tools were developed using the Consolidated framework for implementation research (CFIR) tool. Data were analyzed using the rigorous and accelerated data reduction (RADaR) technique. RESULTS: We conducted seven IDIs, seven KIIs and four focus group discussions. The barriers identified included: competing time demands, negative attitude towards transferability of simulation learning, inadequacy of medical simulation equipment, and that medical simulation facilitation is not integrated in the PGs curriculum. The enablers included: perceived benefits of medical simulation to medical students plus PGs and in-practice health personnel, favorable departmental attitude, enthusiasm of PGs to be simulation educators, and improved awareness of the duties of a simulation educator. Participants recommended sensitization of key stakeholders to simulation, training and motivation of PG educators, and evaluation of the impact of a medical simulation program that involves PGs as educators. CONCLUSION: In the context of a low resource setting with large undergraduate classes and limited faculty members, SBL can assist in clinical skill acquisition. Training of PGs as simulation educators should address perceived barriers and integration of SBL into UME. Involvement of departmental leadership and obtaining their approval is critical in the involvement of PGs as simulation educators.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».