Impact of Video-Based Error Correction Learning for Cardiopulmonary Resuscitation Training: Quasi-Experimental Study
Notice bibliographique
Résumé
Background: Video-based error correction (VBEC) in medical education could offer immediate feedback, promote enhanced learning retention, and foster reflective practice. However, its application in cardiopulmonary resuscitation (CPR) training has not been investigated. Objective: The objective of this study is to assess whether the VBEC procedure could improve the training performance of CPR among anesthesiology residents. Methods: A quasi-experimental study was conducted among anesthesiology residents between December 2022 and April 2023. Primary outcomes included a posttraining knowledge test and practical assessment scores. Secondary outcomes included the number of residents who correctly conducted CPR at each step, the rate of common mistakes during the CPR process, and the self-assessment results. A total of 80 anesthesiology residents were divided into a VBEC group (n=40) and a control group (n=40). The VBEC group underwent a 15-minute VBEC CPR training, whereas the control group underwent a 15-minute video-prompting CPR training. Results: The posttraining knowledge test score of the VBEC group was significantly higher than that of the control group (73, SD 10.5 vs 65.1, SD 11.4; P=.002). The residents in the VBEC group had lower error rates in "failure to anticipate the next move" (n=3, 7.5% vs n=13, 32.5%; P=.01) and "failure to debrief or problem solve after the code" (n=2, 5% vs n=11, 27.5%; P=.01), as well as better performance in the "secure own safety" step (n=34, 85% vs n=18, 45%; P<.001) than those in the control group. The VBEC group showed significantly higher confidence in CPR than the control group (n=?, 62.5% vs n=?, 35%; P=.03). Conclusions: VBEC may be a promising strategy compared to video prompting for CPR training among anesthesiology residents.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».