Virtual 3D Simulation Technology for Interprofessional Team Training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background In the hospital, interprofessional team members must work collaboratively. That creates a gap in medical practice, particularly in a hectic emergency that may lead to medical errors, with associated ethical, legal, and financial consequences. Mannequin-based simulation can be a solution to bridge this gap in team training. While mannequin-based simulations are effective as a synchronous method, they are expensive, time and space-bound, use hospital resources, and require the whole team to be present. Objective To develop a prototype of a 3D virtual simulation emergency room (ER) environment for interprofessional team training. And to assess the usability of the prototype in a simulation environment for team training using a clinical scenario. Methods Tools and technologies used for this prototype included the Unity platform, C# programming language, and Photon Voice 2. With 3DS Max, we modified and created 3d assets in the ER simulation room. Adobe XD was used to create interactive prototype iterations. Clinical cases were developed with simple algorithms to prove the concepts. We used complex algorithms with Artificial Intelligence and Machine Learning capabilities for the final product. We conducted two usability tests (n = 10, n = 9) using a think-aloud method, a semi-structured follow-up interview, and a survey. Results A prototype was built to achieve asynchronous team training with easy user access from anywhere in the world. The prototype, which includes voice communication and control of the avatars by players from a distance, supported the usability of the technology for asynchronous team training in health education. Conclusions CyberPatient ER can be used as an additional tool to support team training and communication skills in the health education and healthcare environment.
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.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle