Comparing Leadership Skills of Senior Emergency Medicine Residents in 3-Year Versus 4-Year Programs During Simulated Pediatric Resuscitation
Notice bibliographique
Résumé
OBJECTIVES: The majority of pediatric patients in the United States (US) are evaluated and treated at general emergency departments. It is possible that discrepancies in length of emergency medicine (EM) residency training may allow for variable exposure to pediatric patients, critical resuscitations, and didactic events. The goal of this pilot study was to compare leadership skills of graduating EM residents from 3- to 4-year programs during simulated pediatric resuscitations using a previously validated leadership assessment tool, the Concise Assessment of Leader Management (CALM). METHODS: This was a prospective, multicenter, simulation-based cohort pilot study that included graduating 3 rd - and 4 th -year EM resident physicians from 6 EM residency programs. We measured leadership performance across 3 simulated pediatric resuscitations (sepsis, seizure, cardiac arrest) using the CALM tool and compared leadership scores between the 3 rd - and 4 th -year resident cohorts. We also correlated leadership to self-efficacy scores. RESULTS: Data was analyzed for 47 participating residents (24 3 rd -year residents and 23 4 th -year residents). Out of a total possible CALM score of 66, residents from 3-year programs scored 45.2 [SD ± 5.2], 46.8 [SD ± 5.0], and 46.6 [SD ± 4.7], whereas residents from 4-year programs scored 45.5 [SD ± 5.2], 46.4 [SD ± 5.0], and 48.2 [SD ± 4.3] during the sepsis, seizure, and cardiac arrest cases, respectively. The mean leadership score across all 3 cases for the 3-year cohort was 46.2 [SD ± 4.8] versus 46.7 [SD ± 4.5] ( P = 0.715) for the 4-year cohort. CONCLUSIONS: These data show feasibility for a larger cohort project and, while not statistically significant, suggest no difference in leadership skills between 3 rd - and 4 th -year EM residents in our study cohort. This pilot study provides the basis of future work that will assess a larger multicenter cohort with the hope to obtain a more generalizable dataset.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».