Standardized Patient Simulation in Healthcare Education
Notice bibliographique
Résumé
Introduction: Simulation training is a key part of healthcare and medical education, but the use of standardized patients in simulation training is not yet systematic at least in Finland. The purpose of this literature review was to determine the benefits and challenges of using standardized patients in simulation training. Methods: The information search was conducted in the international Cinahl and Pubmed databases. The search terms used were "Simulation", "Simulation-based education", "Simulated patient", "Standardized patient" and "Standardized patient". The inclusion criteria were 1) peer-reviewed original research 2) published in Finnish or English 3) published in the last 10 years. Additionally, the research had to be conducted in Europe, the United States, Canada, or Australia. 40 studies fulfill the criteria. The data was analyzed with inductive content analysis. Results: The use of a standardized patient in simulation training improves student learning outcomes, as well as develops interaction and work-life skills. For the standardized patient, participating in simulation training can increase acting experience and bring content to everyday life. However, it can also be physically and mentally taxing. It's important that the teacher enables good preparation for the role. Challenges experienced by students are related to stress created by the standardized patient and unexpected situations in the simulation of standardized patients. Discussion: The results show that the utilization of standardized patients in simulation requires planning and adequate resources, but it also brings various benefits, especially for the development of students' skills.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| 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 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 ».