Disaster Management Simulation–A Novel Virtual Exercise
Notice bibliographique
Résumé
Introduction: Disaster management and emergency preparedness relies on the collaboration, communication, and expertise of a multidisciplinary team. Skills in preparation, communication, and management of disasters are core competencies of an emergency physician. To learn the principles of disaster management, simulations are critical as mass casualty/rapid surge events seldom occur. The COVID-19 pandemic resulted in the cancellation of in-person events. In response to these restrictions, the University of Toronto, EM Program developed a successful virtual interprofessional mass casualty simulation. Method: The novel online simulation event was piloted in 2021 and ran for three-hours. The exercise focused on developing soft skills (e.g., communication, team-work, and debriefing) and hard skills (e.g., triage, casualty distribution, and activation of plans). Groups were composed of members of each post-graduate year to facilitate near-peer learning. A total of six groups were formed: Adult, Children, Community Hospitals, EMS, Government, and Media. Each Team used multiple communication tools (i.e., Whatsapp groups, Zoom breakout rooms, Shared Google Documents) to swiftly pivot and manage a mass casualty event. Post-exercise debriefing and anonymous evaluations were gathered. Results: A total of 28-residents (nine PGY1, ten PGY2, and eight PGY3 learners) and 11-staff observers participated (25-respondents). Nineteen participants rated the simulation exercise as excellent and six as “very good”. Twenty participants rated the workshop as “very useful” and five as “useful”. Positive feedback centered around content applicability, exercise creativity, level of engagement, and learning value. Constructive feedback included the need for more pre-exercise orientation time, increasing disaster management time, and inviting allied-health staff. Conclusion: There is a clear need for EM residents to learn and develop skills related to disaster management and emergency preparedness. This exercise showed that disaster management and emergency preparedness competencies can be learned in a virtual format. This virtual format has encouraged its continuation and further inspired the curation of a four-year program.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».