MétaCan
Menu
Retour à la cohorte
Enregistrement W4393211436

Development of a unified training and assessment simulation program for anesthesia and intensive care

2021· dissertation· en· W4393211436 sur OpenAlexaboutno aff
Clément Buléon

Notice bibliographique

Revuetheses.fr (ABES) · 2021
Typedissertation
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Intensive careMedicinePsychologyMedical educationComputer scienceIntensive care medicineGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Développement d'un programme unifié de simulation pour la formation et l'évaluation en anesthésie-réanimation L'anesthésie-réanimation (AIC) a besoin de formations et d'évaluations sommatives basées sur les compétences correspondant à l'exercice clinique. La simulation, intégrée dans l'approche d'éducation médicale basée sur les compétences, occupe une part importante de la formation en AIC, en particulier pour les compétences techniques et non techniques. S'adapter aux évolutions pédagogiques et des connaissances médicales est une nécessité mais consomme des ressources humaines et du temps. Construire et entretenir un programme commun de formation et d'évaluation par la simulation en AIC à l'échelle d'un pays - ou plus - pourrait être une solution. Cette thèse a pour objectif de poser les bases du développement un tel programme. Au travers de trois études, nous avons successivement : - Décrit l'état des lieux de la formation par la simulation en AIC en France en 2021 pour déterminer la faisabilité d'un programme national de simulation en AIC en France. - Rassemblé les éléments clés des connaissances de la littérature sur l'évaluation sommative en simulation en santé pour déterminer s'il est possible de l'intégrer dans un programme de formation en simulation. - Décrit les similitudes et différences entre les référentiels pédagogiques de internes (résidents) en AIC de l'Union Européenne, des USA, et du Canada pour déterminer s'il est possible de construire un cœur de référentiel de compétences partagé entre ces régions. Les résultats des deux premières études montrent qu'il est possible de développer un programme de simulation commun en AIC à l'échelle d'un pays (la France) et qu'il semble possible d'y intégrer l'évaluation sommative. Le taux élevé de similitudes entre les référentiels pédagogiques en AIC de l'UE, des USA et du Canada valide la faisabilité théorique d'un cœur de référentiels de compétences partagés entre ces régions. Une stratégie pour développer un programme unifié de formation et d'évaluation par la simulation en AIC à l'échelle d'un pays (la France) est faisable et attendue. La première étape ce cette stratégie a été réalisée avec cette thèse : établir l'état des lieux sur lequel se baser pour construire un futur programme commun de formation et d'évaluation par la simulation en AIC. Étendre une telle stratégie à l'échelle internationale est théoriquement faisable mais fait encore face de nombreux obstacles et défis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,100
Tête enseignante GPT0,447
Écart entre enseignants0,347 · 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'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)Même sujetSimulation-Based Education in HealthcareTravaux en français237 207