CIRCumcision learning experience using simulation: A pilot learning platform for safe neonatal circumcision training offered either virtually or in person
Notice bibliographique
Résumé
Background: To our knowledge, no formal training combining didactic learning, simulation, and hands-on performance is available for practitioners performing neonatal circumcision. The absence of structured training may result in avoidable complications such as bleeding and penile injury. Herein, we present the results of a pilot neonatal circumcision training platform, offered either virtually or in person. Material and methods: CIRCLES (CIRCumcision Learning Experience using Simulation) consist of 1. online didactic learning; 2. live simulation practice (in person or virtual coaching), and 3. clinical performance. Outcome measures included pre- and post-knowledge scores, self-efficacy questionnaires, and skill assessments of simulation and clinical performance (Likert rating). Face validity for training success was determined by an 80% passing score on the knowledge test and > 75% (mostly independent) performance. Results: For this pilot, we restricted enrolment to seven pediatric residents and one nurse practitioner. Wilcoxon Sum Rank test for non-parametric paired samples for pre-and post-knowledge tests showed a median increase of 20 points in post-knowledge tests (p=0.011). Upon completion of the simulation training, all participants (8/8) have chosen to perform circumcision with the GOMCO clamp. Both in-person (4/4) and virtual participants (4/4) performed >75% of simulation and clinical circumcision independently. Post-training self-efficacy Z scores were higher than pre-training scores, except for the management of bleeding. Conclusion: The pilot CIRCLES learning shows face validity for both in-person and virtual training for neonatal circumcision. We plan to extend this platform to include more trainees and to offer them to established practitioners. The availability of formal training may ultimately reduce adverse outcomes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,007 | 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 ».