Impact of Simulation-Based Medical Education on Pre-clerkship Medical Students’ Confidence in Key Areas of Clinical Competence: An Exploratory Pre- and Post-survey Study
Notice bibliographique
Résumé
Background Medical education is adapting to meet the growing demands of healthcare and patient care complexities. Traditional clinical training often relies on limited patient encounters, which may not fully develop clinical competence. Simulation-based medical education (SBME) offers controlled, immersive environments for practicing clinical skills and decision-making without risking patient safety. While SBME has been well-studied in advanced training, its effectiveness in first- and second-year medical students remains underexplored. This study aims to explore and quantify pre-clerkship medical students' perspectives on how SBME impacts confidence in clinical decision-making, communication, and clinical skills, compared to traditional learning methods alone. Methods This pre- and post-survey-based study assessed the impact of simulation (SIM) on students' self-reported confidence in clinical decision-making, communication, and clinical skills. Six simulation scenarios that aligned with the undergraduate medical curriculum of one Canadian institution were conducted from October 2023 to March 2024. Participants completed pre- and post-simulation surveys using 5-point Likert scales. A total of 67 surveys were analyzed. Results All 67 surveys were analyzed (35 pre-, 32 post-simulation) using one-sided Wilcoxon Signed Rank Tests. Pre-simulation responses indicated low baseline confidence, with only one item rated above neutrality. Post-simulation ratings showed statistically significant improvements across all domains (p < 0.01). Students also reported that they perceived simulation as more effective than traditional didactic learning in preparing them for clinical practice. Conclusions This exploratory study suggests that simulation-based education can enhance pre-clerkship students' confidence in clinical decision-making, communication, and procedural skills, domains often underdeveloped at this stage of training. These findings offer early evidence that high-fidelity simulation may accelerate perceived clinical readiness. However, due to the small, self-selected sample, non-parallel survey design, and reliance on subjective outcomes, results should be treated as exploratory. Further multi-site studies using objective measures are needed to assess long-term impact on knowledge and skill retention as well as clinical performance.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| 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 ».