RCPNEOPERU trial: a cluster randomized pilot trial to assess traditional neonatal resuscitation compared to partially virtual training in remote areas
Notice bibliographique
Résumé
OBJECTIVE: To assess the effects of a neonatal resuscitation training program using traditional training and partial distance learning. METHOD: Through an open cluster-randomized trial, the authors compared a traditional approach involving face-to-face theory and practice sessions using information and communication technology to offer theory and distance examination, followed by face-to-face practice. Twelve health facilities were allocated by blocked randomization. Comparisons were made adjusting for clustering in qualitative and quantitative data. The primary outcome was the percentage of infants with heart rates ≥100 per minute at the second minute after birth. The authors performed a cluster-level analysis for cluster randomized trials, simplifying the adjustment for individual- and cluster-level covariates. RESULTS: The authors trained 403 health professionals in two arms in twelve facilities. After six months, the authors assessed 2180 birth deliveries, 966 newborns in the traditional training group (TT), and 1214 in the partial distance learning training group (pDL). The authors found no statistical evidence favoring any of the two trial arms (RR = 0.9859, CI 95 % = 0.9446; 1.0292, p = 0.4819). CONCLUSIONS: The authors found no statistical evidence favoring traditional or distance learning methods for neonatal resuscitation training. Further research could assess improved online platforms to enable sustainable virtual reality instructor/provider interaction for theory, practice and testing, addressed to health cadres of rural and remote areas.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».