Learning with our peers: peer-led versus instructor-led debriefing for simulated crises, a randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Although peer-assisted learning is known to be effective for reciprocal learning in medical education, it has been understudied in simulation. We aimed to assess the effectiveness of peer-led compared to instructor-led debriefing for non-technical skill development in simulated crisis scenarios. METHODS: Sixty-one undergraduate medical students were randomized into the control group (instructor-led debriefing) or an intervention group (peer debriefer or peer debriefee group). After the pre-test simulation, the participants underwent two more simulation scenarios, each followed by a debriefing session. After the second debriefing session, the participants underwent an immediate post-test simulation on the same day and a retention post-test simulation two months later. Non-technical skills for the pre-test, immediate post-test, and retention tests were assessed by two blinded raters using the Ottawa Global Rating Scale (OGRS). RESULTS: The participants' non-technical skill performance significantly improved in all groups from the pre-test to the immediate post-test, with changes in the OGRS scores of 15.0 (95% CI [11.4, 18.7]) in the instructor-led group, 15.3 (11.5, 19.0) in the peer-debriefer group, and 17.6 (13.9, 21.4) in the peer-debriefee group. No significant differences in performance were found, after adjusting for the year of medical school training, among debriefing modalities (P = 0.147) or between the immediate post-test and retention test (P = 0.358). CONCLUSIONS: Peer-led debriefing was as effective as instructor-led debriefing at improving undergraduate medical students' non-technical skill performance in simulated crisis situations. Peer debriefers also improved their simulated clinical skills. The peer debriefing model is a feasible alternative to the traditional, costlier instructor model.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».