Skill Translation Following the Vital Anesthesia Simulation Training Facilitator Course: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Simulation-based education (SBE) is common in resource-rich locations, but barriers exist to widespread implementation in low-resource settings (LRSs). Vital Anesthesia Simulation Training (VAST) was developed to offer low-cost, immersive simulation to teach core clinical practices and nontechnical skills to perioperative health care teams. To promote sustainability, courses in new locations are preceded by the VAST Facilitator Course (VAST FC) to train local faculty. The purpose of this study was to explore the experiences of VAST FC graduates in translating postcourse knowledge and skills into their workplaces. METHODS: This qualitative study used focus group interviews with 24 VAST FC graduates (from 12 low- and middle-income and 12 high-income countries) to explore how they had applied new learning in the workplace. Focus groups were conducted by videoconferencing with data transcribed verbatim. Data were analyzed using inductive thematic analysis. RESULTS: Enabler themes for knowledge and skill translation following facilitator training were (1) the structured debriefing framework, (2) the ability to create a supportive learning environment, and (3) being able to meaningfully discuss nontechnical skills. Two subthemes within the debriefing framework were (1.1) knowledge of conversational techniques and (1.2) having relevance to clinical debriefing. Barrier themes limiting skill application were (1) added time and effort required for comprehensive debriefing, (2) unsupportive workplaces, and (3) lack of opportunities for mentorship and practice postcourse. CONCLUSIONS: Participants found parallels between SBE debriefing conversations, clinical event debriefing, and feedback conversations and were able to apply knowledge and skills in a variety of settings post course. This study supports the relevance of simulation facilitator training for SBE in LRSs.
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 | 0,015 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».