Influence of Training With Corrective Feedback Devices on Cardiopulmonary Resuscitation Skills Acquisition and Retention: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Several studies related to the use of corrective feedback devices in cardiopulmonary resuscitation training, with different populations, training methodologies, and equipment, present distinct results regarding the influence of this technology. OBJECTIVE: This systematic review and meta-analysis aimed to examine the impact of corrective feedback devices in cardiopulmonary resuscitation skills acquisition and retention for laypeople and health care professionals. Training duration was also studied. METHODS: The search was conducted in PubMed, Web of Science, and Scopus from January 2015 to December 2023. Eligible randomized controlled trials compared technology-based training incorporating corrective feedback with standard training. Outcomes of interest were the quality of chest compression-related components. The risk of bias was assessed using the Cochrane tool. A meta-analysis was used to explore the heterogeneity of the selected studies. RESULTS: In total, 20 studies were included. Overall, it was reported that corrective feedback devices used during training had a positive impact on both skills acquisition and retention. Medium to high heterogeneity was observed. CONCLUSIONS: This systematic review and meta-analysis suggest that corrective feedback devices enhance skills acquisition and retention over time. Considering the medium to high heterogeneity observed, these findings should be interpreted with caution. More standardized, high-quality studies are needed. TRIAL REGISTRATION: PROSPERO CRD42021240953; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=240953.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 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 ».