Potential benefits and challenges of simulation-based neonatal resuscitation competition: A survey analysis of provincial competition in China
Notice bibliographique
Résumé
Background: Simulation-based neonatal resuscitation training has been implemented worldwide with good educational and clinical results. Simulation-based competition (SBC), as an innovative derivative of neonatal resuscitation training, has been practiced recently but its potential effectiveness and challenges of competition are rarely studied. We tested the hypothesis that after SBC, participants could improve compliance with NRP® algorithm and teamwork, achieve lower stress and higher confidence in neonatal resuscitation. Methods: In February 2023, 108 health care providers in 27 teams from different regional centres participated in provincial SBC. Each team consisted of 4 members (NICU physician [lead], NICU nurse, midwife and obstetrician). The teams were to complete a resuscitation scenario (16 min) and their performance was evaluated. All participants were encouraged to take part in a post-resuscitation questionnaire survey voluntarily immediately after the scenarios finished. Demographic characteristics and questionnaire results of participants were collected, including the confidence and perceived stress levels before and after the competition. Results: < 0.001). The confidence level did not change before and after the competition, whereas stress was reduced after the competition. Conclusions: Participants in SBC might be benefited with improved compliance with NRP® algorithm, technical skills and teamwork. However, the impact, influence and sustainability of these benefits are uncertain. Further research is needed to explore ways to improve self-confidence and decrease stress in neonatal resuscitation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».