MétaCan
Menu
Retour à la cohorte
Enregistrement W4390453498 · doi:10.2196/52990

The Effects of Serious Games on Cardiopulmonary Resuscitation Training and Education: Systematic Review With Meta-Analysis of Randomized Controlled Trials

2023· article· en· W4390453498 sur OpenAlexvenueno aff
Pengfei Cheng, Yangxi Huang, Pengyu Yang, Haizhen Wang, Baichao Xu, Chaoran Qu, Hua Zhang

Notice bibliographique

RevueJMIR Serious Games · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCochrane LibraryPsycINFORandomized controlled trialCardiopulmonary resuscitationMEDLINEMeta-analysisMedical educationMedicinePsychologyPhysical therapyEmergency medicineResuscitationInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Serious games have emerged as an innovative educational strategy with the potential to significantly enhance the quality and effectiveness of cardiopulmonary resuscitation (CPR) training. Despite their promise, there remains a degree of controversy when comparing the advantages of serious games with traditional CPR training methods. This study seeks to provide a comprehensive assessment of the impact of serious games on CPR training and education by systematically analyzing the results of previous research. OBJECTIVE: This study aimed to assess the effect of serious games on CPR training and education by summarizing and pooling the results of previous studies. METHODS: We conducted a thorough and systematic search across 9 prominent web-based databases, encompassing the period from the inception of these databases until April 1, 2023. The databases included in our search were PubMed, Cochrane Library, Wiley Online Library, EBSCO (PsycInfo), SpringerLink, Chinese Biology Medicine Disc, Vip Journal Integration Platform, Wanfang Database, and Chinese National Knowledge Infrastructure. The studies selected adhered to the following criteria: (1) being a randomized controlled trial comparing serious games and traditional methods for CPR training; (2) having participants aged 12 years or older in CPR; (3) having an experimental group using serious games and a control group using nongame methods for CPR instruction; and (4) having outcomes including theoretical and skill assessments, compression depth, and rate. The Cochrane risk of bias assessment tool was used to evaluate the risk of bias. Data analysis was performed using RevMan (version 5.3; Cochrane Training), and mean differences (MDs) and standardized mean differences (SMDs) with 95% CIs were used to calculate continuous variables. RESULTS: A total of 9 articles were included, involving 791 study participants, of whom 395 in the experimental group taught CPR training using serious games and 396 in the control group taught CPR training using traditional methods. The results of our meta-analysis indicate that the use of serious games in CPR training yields outcomes that are comparable in effectiveness to traditional training methods across several key areas. Specifically, serious games demonstrated equivalence to traditional formats in theory assessment (SMD -0.22, 95% CI - 0.96 to 0.51; P=.55), skill assessment (SMD -0.49, 95% CI -1.52 to 0.55; P=.36), compression depth (MD -3.17, 95% CI -0.18 to 6.53; P=.06), and compression rate (MD -0.20, 95% CI -7.29 to 6.89; P=.96). CONCLUSIONS: In summary, serious games offer a viable and effective CPR education approach, yielding results comparable to traditional formats. This modality is a valuable addition to CPR training methodologies. However, caution is warranted in interpreting these findings due to limited controlled trials, small sample sizes, and low-quality meta-analyzed evidence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0110,003
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,332
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetCardiac Arrest and ResuscitationTravaux en français237 207