Evaluating Emotional Outcomes of Medical Students in Pediatric Emergency Medicine Telesimulation
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic has challenged the feasibility of traditional in-person simulation-based clinical training due to the public health recommendation on social distancing. During the pandemic, telesimulation training was implemented to avoid multiple students and faculties gathering in confined spaces. While medical trainees' perceived emotions have been acknowledged as a critical outcome of the in-person simulation-based training, the impact of telesimulation on trainees' emotions has been unexamined. We conducted an educational team-based simulation study with a pediatric case of septic shock. Seventeen and twenty-four medical students participated in the telesimulation training and in-person simulation training, respectively. The institutional pandemic social restrictions at the time of each training session determined the participant assignment to either the telesimulation training or in-person simulation training. All participants responded to the Japanese version of the Medical Emotion Scale, which includes 20 items rated on a five-point Likert-type scale before, during, and after the simulation sessions. The measured emotions were categized into four emotion groups according to two dimensions: positive or negative and activating or deactivating emotions. The one-way analysis of variance between the telesimulation and in-person simulation training revealed no significant differences in the emotions perceived by the participants before, during, and after the simulation training sessions. The perceived emotions of medical students were comparable between the telesimulation and in-person simulation training. Further longitudinal studies with larger samples and multiple variables are needed to generalize the effectiveness of telesimulation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,003 | 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 ».