MétaCan
Menu
Retour à la cohorte
Enregistrement W4412646851 · doi:10.1002/aet2.70083

Simulation Platforms to Train and Assess Pediatric Acute Care Procedural Skills: A Scoping Review

2025· review· en· W4412646851 sur OpenAlexaff
Shayan Novin, Tehrim Younas, Jie Xu, Samuel E. Graef, Nima Karimi, Maggie Xu, Jo‐Anne Petropoulos, Quang Ngo, Elif Bilgiç

Notice bibliographique

RevueAEM Education and Training · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineMEDLINEMedical physicsIntubationTask (project management)Medical educationSurgery

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Medical trainees have limited opportunities to practice certain pediatric emergency medicine (PEM) procedures in the clinical setting. Simulation‐based education provides an opportunity for trainees to improve their technical and non‐technical skills. This scoping review aimed to explore the ways in which simulation has been used to train and assess medical learners. Methods A search was conducted from 2011 to August 2022 using MEDLINE, OVID Embase, OVID Emcare, and Cochrane Trials, among others. The review included empirical studies that used simulation for training medical trainees in four essential pediatric procedures: intubation, lumbar puncture, intraosseous insertion, and chest tube insertion. Six reviewers independently screened titles, abstracts, and full texts. Data were recorded, stored, and summarized in a standardized spreadsheet. Results The search retrieved 4073 articles, of which 207 underwent full‐text screening. Data were extracted from 107 studies. Among these, 69 studies focused exclusively on intubation skills, 19 studies on lumbar puncture, 10 studies on intraosseous insertion, and two studies on chest tube insertion. The majority of studies ( n = 61) involved residents, while 15 studies focused on medical students. Training platforms included mannequins ( n = 84), ex‐vivo models ( n = 6), task trainers ( n = 4), and standardized patients ( n = 1). Competency was largely assessed using an assessment tool ( n = 45) as the sole assessment method. Conclusions Simulation‐based training and assessment can support medical learners in developing key technical and non‐technical skills related to PEM procedures. However, there is a need for diversification of simulation platforms used, expansion of procedures targeted in simulation‐based training and assessment programs, and creation of standardized and procedure‐specific assessments.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,106
Tête enseignante GPT0,499
Écart entre enseignants0,393 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAEM Education and TrainingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207