A competency framework for simulation facilitation in low‐resource settings: a modified Delphi study
Notice bibliographique
Résumé
BACKGROUND: Skilled facilitators are essential to drive effective simulation training in healthcare. Competency-based frameworks support the development of facilitation skills but, to our knowledge, there are no frameworks that specifically address context-sensitive priorities developed with practitioners working in low-resource settings. METHODS: We aimed to develop a core competency framework for healthcare simulation facilitation in low-resource settings using a modified Delphi process. We drew on the domain expertise of members of the Vital Anaesthesia Simulation Training Community of Practice, with the study guided by a four-member steering group experienced in the conduct of simulation in low-resource settings. In survey round 1, participants (n = 54) were presented with an initial competency set derived from a previous qualitative study and co-created a set of 57 competencies for effective simulation facilitation in low-resource settings. In survey round 2, participants (n = 52) ranked competencies by relevance into three performance categories: techniques; artistry; and values. In survey round 3, participants (n = 50) ranked competencies on their importance. The steering group collated results and presented a draft core competency framework. In survey round 4, participants (n = 50) voted with 98% agreement that this framework represented the most relevant and important competencies for effective facilitation of simulation sessions in low-resource settings. RESULTS: The final 32-item framework encompasses core competencies found in existing standards and includes important new concepts such as demonstration of cultural sensitivity; humility; ability to recognise and respond to potential language barriers; facilitation team collaboration; awareness of logistics; and contingency planning. DISCUSSION: This competency-based framework highlights specific practices required for effective simulation facilitation in low-resource settings. Further work is required to refine and validate this tool to train simulation facilitators to deliver effective training to improve patient safety.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».