Emergency crisis resource management: a simulation-based course developed by the Spanish Society of Emergency Medicine (SEMES) for health sciences students
Notice bibliographique
Résumé
OBJECTIVES: Educational programs based on high-fidelity simulation training aim to promote students' acquisition of nontechnical competencies such as understanding crisis resource management (CRM). This study evaluated the efficacy of a CRM course for students in their last year of university studies in health sciences. The course was developed by the Spanish Society of Emergency Medicine (SEMES). MATERIAL AND METHODS: Quasi-experimental study of a high-fidelity simulation course to teach emergency CRM (E-CRM) using preand postcourse measures of achievement in a single student cohort. A total of 209 students completed 2 selfadministered self-efficacy evaluations of their acquisition of nontechnical competencies and resilience. External observers also assessed the students' nontechnical competencies with objective measurement scales. RESULTS: Scores on resilience and self-efficacy assessments improved through the intervention (F = 25.90 and F = 68.02, respectively; P .001, for both pre-post comparisons). Statistically significant differences were found between students in different health sciences at baseline (t = 2.67; P = .008). Scores improved significantly on the Mayo High Performance Teamwork Scale (F = 6.18, P .001, eta2 = 0.20) and the Ottawa CRM Global Rating Scale (F = 5.58; P .005, eta2 = 0.19). CONCLUSION: The E-CRM course developed by a coordinated multiprofessional team based on high-fidelity simulations improved self-efficacy assessments of resilience and all nontechnical competencies.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».