MétaCan
Menu
Retour à la cohorte
Enregistrement W4413055012 · doi:10.1186/s12912-025-03700-x

Patient safety in the ‘Room of Horrors’ simulation: a multi-method study of student, novice, and experienced nurses

2025· article· en· W4413055012 sur OpenAlexaff
Seung Eun Lee, Hyun Joo Lee, V. Susan Dahinten, Won Jin Seo, Hanjoe Kim

Notice bibliographique

RevueBMC Nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaNational Research Foundation
Mots-clésDebriefingPatient safetyMedicineDescriptive statisticsNursingTest (biology)Qualitative propertyNursing researchHealth careMedical education

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient safety is a critical concern in healthcare, with unsafe care causing significant harm. Nurses play a vital role in promoting safety and must be equipped with the skills to identify and manage safety hazards. The Room of Horrors (ROH) simulation was developed to enhance these skills by presenting learners with a simulated patient scenario containing safety hazards. This study aimed to evaluate the effectiveness of the simulation by (1) comparing hazard recognition performance across different groups; (2) assessing changes in self-perceived patient safety competency and confidence; (3) exploring participants' simulation experiences; and (4) examining perceived benefits for clinical practice. METHODS: A multi-method design was employed, incorporating a quasi-experimental three-group pre-test, post-test, and two-week follow-up structure, and a qualitative analysis of participants' experiences and perceptions. The study involved participants from one nursing college and five hospitals in Korea. The sample (N = 90) comprised three groups: nursing students (n = 30), novice nurses (n = 30), and experienced nurses (n = 30). Participants underwent a 20-minute pre-briefing, 10-minute simulation, 10-minute self-reflection, and 40-minute debriefing session. Data were collected through structured surveys on patient safety competency, confidence, and open-ended questions about participants' experiences and perceptions. Two-week follow-up surveys evaluated perceived clinical relevance. Quantitative data were analyzed using descriptive statistics and regression analysis; qualitative data were analyzed through content analysis. RESULTS: Experienced nurses identified significantly more hazards, including those requiring two-step logical reasoning, than nursing students and novice nurses. Both novice and experienced nurses showed improvements in safety competency and confidence. Participant feedback was overwhelmingly positive, particularly highlighting the value of debriefing. The two-week follow-up indicated that almost all participants had applied the knowledge gained through the simulation in their clinical practice. CONCLUSIONS: The ROH simulation enhances self-reported patient safety competency and confidence, especially among experienced nurses, supporting its integration into nursing education and continuing professional development. Findings also suggest the importance of tailoring scenario complexity and debriefing strategies to learner readiness and highlight the potential value of integrating ROH simulations into experience-sensitive safety training programs. Further research is warranted to investigate its long-term impact on clinical practice. TRIAL REGISTRATION: Not applicable.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,068
Tête enseignante GPT0,492
Écart entre enseignants0,424 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207