A Serious Game for Enhancing Rescue Reasoning Skills in Tactical Combat Casualty Care: Development and Deployment Study
Notice bibliographique
Résumé
Background Serious games (SGs) have emerged as engaging and instructional digital simulation tools that are increasingly being used for military medical training. SGs are often compared with traditional media in terms of learning outcomes, but it remains unclear which of the 2 options is more efficient and better accepted in the process of knowledge acquisition. Objective This study aimed to create and test a scenario-based system suitable for enhancing rescue reasoning skills in tactical combat casualty care. Methods To evaluate the effectiveness of the SGs, a randomized, observational, comparative trial was conducted. A total of 148 members from mobile medical logistics teams were recruited for training. Pre- and posttraining assessments were conducted using 2 different formats: a video-based online course (n=78) and a game simulation (n=70). We designed 3 evaluation instruments based on the first 2 levels of the Kirkpatrick model (reaction and learning) to measure trainees’ satisfaction, knowledge proficiency, and self-confidence. Results There were 4 elements that made up the learning path for the SGs: microcourses (video-based online courses), self-test, game simulation, and record query. The knowledge test scores in both groups were significantly higher after the intervention (t154=–6.010 and t138=–7.867, respectively; P<.001). For 5 simulation cases, the average operation time was 13.6 (SD 3.3) minutes, and the average case score was 279.0 (SD 57.6) points (from a possible total of 500 points), with a score rate of only 44% (222/500 points) to 67% (336/500 points). The results indicated no significant difference in trainees’ satisfaction between the 2 training methods (P=.04). However, the game simulation method outperformed the video-based online course in terms of learning proficiency (t146=–2.324, P=.02) and self-perception (t146=–5.492, P<.001). Conclusions Despite the high satisfaction reported by trainees for both training methods, the game simulation approach demonstrated superior efficiency and acceptance in terms of knowledge acquisition, self-perception, and overall performance. The developed SG holds significant potential as an essential assessment tool for evaluating frontline rescue skills and rescue reasoning in mobile medical logistics teams.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».