MétaCan
Menu
Retour à la cohorte
Enregistrement W4412473344 · doi:10.1016/j.teln.2025.04.010

Development of virtual simulation games about wound assessment and management for nurses and nursing students

2025· article· en· W4412473344 sur OpenAlexafffundabout
Marian Luctkar‐Flude, Kevin Woo, Barbara Wilson-Keates, Laura A. Killam, Nicole Heather Shipton, Jane Tyerman

Notice bibliographique

RevueTeaching and learning in nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of OttawaRed Deer PolytechnicCambrian CollegeQueen's University
Organismes subventionnairesRegistered Nurses’ Foundation of Ontario
Mots-clésNursingMedicineMedical educationPsychology

Résumé

récupéré en direct d'OpenAlex

Background Nurses require competency in wound assessment and management, yet evidence indicates nurses’ knowledge in wound care remains inadequate. Additionally, nursing students may not have exposure to many wound types. We proposed virtual simulation games (VSGs) to address these gaps as VSGs are engaging and support development of clinical competence and judgment. Innovation Our team of educators, wound care experts, and nursing students co-created 4 VSGs to support wound care education using the Canadian Alliance of Nurse Educators using Simulation (CAN-Sim) VSG design process. Filming of the VSGs was completed using a Go-Pro camera, and VSGs were assembled using Articulate Storyline 360 software. Implications We created 4 VSGs related to assessment and management of pressure injuries, diabetic foot ulcers, venous leg ulcers, and surgical wounds. Usability testing led to improvements in VSG flow, functionality and text. Conclusions We developed a comprehensive wound care module that nurse educators can implement within their nursing programs. The module is available open access at: https://woundnursing.ca/ .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,519
Score d'incertitude au seuil0,500

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,457
Écart entre enseignants0,431 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTeaching and learning in nursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207