Efficacy of an Antimicrobial Reality Simulator (AMRSim) as an Educational Tool for Teaching Antimicrobial Stewardship to Veterinary Medicine Undergraduates
Notice bibliographique
Résumé
PURPOSE: Simulation-based medical education has changed the teaching of clinical practice skills, with scenario-based simulations being particularly effective in supporting learning in veterinary medicine. In this study, we explore the efficacy of simulation education to teach infection prevention and control (IPC) as part of Antimicrobial Stewardship (AMS) teaching for early years clinical veterinary medicine undergraduates. METHODS: The intervention was designed as a 30-minute workshop with a simulation and script delivered online for 130 students as a part of hybrid teaching within the undergraduate curriculum. Learning outcome measures were compared between an intervention group and waitlist-control group using one-way between-groups analysis of covariance tests. RESULTS: Significant differences between groups were found for outcome measures related to short-term knowledge gain and confidence in IPC and AMS in small animal clinical practice. However, lateral knowledge transfer to large animal species clinical practice showed no significant differences. Student feedback indicated that the intervention was an enjoyable and engaging way to learn AMS. CONCLUSIONS: The intervention provided short-term knowledge gain in IPC protocols and enhanced procedural skills via active learning and motivation to learn in large groups of students. Future improvements would be to include large animal clinical scenario discussions and evaluate longer-term knowledge gain.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».