Assessing the Benefits of Simulation-Based Learning for Emergency Preparedness Training in the Hospital Pharmacy Dispensary
Notice bibliographique
Résumé
Background: Simulation-based learning (SBL) has been used in various professions to fill knowledge gaps and facilitate training in essential skills. The concept of SBL in hospital pharmacy dispensaries is new, and evidence is still emerging. Preparing for operational emergencies in the hospital pharmacy dispensary setting is crucial for maintaining effective and safe provision of essential services. Objectives: The primary objective was to determine the proportion of staff who thought simulations were effective in preparing them for real-world operational emergencies in the dispensary. A key secondary objective was to report the proportion of staff who would prefer to participate in additional simulations. Methods: This study involved developing, executing (from September to December 2022), and reflecting on 3 simulations: (1) system downtime, (2) power outage, and (3) major water leak. Participants completed a paper-based survey before and after each simulation to evaluate the perceived benefit of the simulation as a tool for emergency preparedness training in the pharmacy dispensary. Results: In simulation 1, only 1 of 12 participants felt effectively prepared before the simulation, compared with 10 of 12 participants after. In simulation 2, the proportions were 1 of 10 participants before the simulation and 8 of 10 participants after. In simulation 3, the proportions were 2 of 12 participants before and all 12 participants after. Most participants across all 3 simulations expressed a preference to participate in future simulations. Conclusions: Most pharmacy staff perceived that simulations in the pharmacy dispensary were beneficial as a tool for operational emergency preparedness training and wanted to participate in future simulations. Keywords: simulation, dispensary, hospital, benefit RÉSUMÉ Contexte : L’apprentissage par simulation (APS) a été utilisé dans diverses professions pour combler des lacunes en matière de connaissances et faciliter l’acquisition de compétences essentielles. Le concept de l’APS dans les dispensaires des pharmacies d’hôpitaux est nouveau, et les données probantes à son sujet continuent de nous parvenir. Se préparer aux urgences opérationnelles dans le cadre des dispensaires des pharmacies d’hôpitaux est crucial pour assurer la prestation efficace et sécurisée des services essentiels. Objectifs : L’objectif principal consistait à déterminer la part du personnel de la pharmacie qui estimaient que les simulations étaient efficaces pour se préparer aux urgences opérationnelles réelles dans le cadre du dispensaire. Un objectif secondaire clé consistait à rapporter la part du personnel qui aimeraient participer à des simulations supplémentaires. Méthodologie : Cette étude visait à développer, mettre en œuvre (de septembre à décembre 2022) et à analyser trois simulations : (1) les temps morts du système, (2) une coupure de courant et (3) une importante fuite d’eau. Les participants ont répondu à un questionnaire sur papier avant et après chaque simulation afin d’évaluer les avantages perçus de la simulation en tant qu’outil de formation pour se préparer à l’urgence dans le dispensaire de pharmacie. Résultats : Dans la simulation 1, seul 1 participant sur 12 se sentait efficacement préparé avant la simulation, contre 10 sur 12 après la simulation. Dans la simulation 2, les proportions étaient de 1 participant sur 10 avant la simulation et de 8 sur 10 après celle-ci. Dans la simulation 3, 2 participants sur 12 se sentaient préparés avant la simulation, contre les 12 participants (la totalité) après. Parmi l’ensemble des personnes ayant participé aux simulations, la majorité ont indiqué qu’ils aimeraient participer à des simulations à l’avenir. Conclusions : La plupart des membres du personnel de la pharmacie estimaient que les simulations dans le milieu du dispensaire de pharmacie étaient bénéfiques en tant qu’outil de formation pour se préparer aux urgences opérationnelles et désiraient participer à de futures simulations.Mots-clés : simulation, dispensaire, hôpital, avantage
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 | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».