Peer-assisted learning in critical care: a simulation-based approach for postgraduate medical training
Notice bibliographique
Résumé
Enhancing clinical competence in postgraduate year (PGY) trainees is crucial for effective patient care, especially in emergency medicine. This study investigated the impact of a well-designed, group-developed, peer-assessed learning approach combined with high-fidelity simulations on clinical skills and teamwork of PGY trainees. PGY trainees participated in a one-month program featuring team development, clinical training, scenario design, simulation, peer-assisted debriefing, and post-course evaluations at one week and three months. Trainees were divided into two groups, engaged in clinical practice, group discussions, and developed critical scenarios under mentor guidance to challenge the other group. Teamwork performance was assessed using the TEAM scale, Ottawa Global Rating Scale, and reflective essays. Follow-up evaluations employed the PGY Clinical Proficiency Evaluation scale. Trainees identified deficiencies in situation monitoring and maintaining composure, noting difficulties in effectively monitoring and reassessing situations. Despite having passed ACLS training, participants recognized their lack of clinical experience in managing critically ill patients, handling dynamic situations, low self-confidence, and limited leadership opportunities in resuscitation teams. However, team morale was high, and performance in communication and leadership was relatively strong due to the similar hierarchical levels of the trainees and initial team dynamics established during their training. Follow-up questionnaires indicated significant improvements in clinical confidence, reasoning abilities, familiarity with ACLS resuscitation guidelines, and team dynamics across various subspecialty training areas. The integration of peer-assisted learning with high-fidelity simulation significantly enhanced clinical competence, teamwork, and confidence in PGY trainees. This innovative approach provides a structured, supportive learning environment that effectively prepares trainees for real-world clinical challenges. Future research should explore long-term outcomes and broader applications of this method.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».