MétaCan
Menu
Retour à la cohorte
Enregistrement W4414606627 · doi:10.1186/s41077-025-00376-w

Uncovering success stories: how to resuscitate in situ simulation initiatives in Canadian emergency departments

2025· article· en· W4414606627 sur OpenAlexaffabout
Laurence Baril, Kyla Caners, Melanie Walker, Damon Dagnone, Timothy Chaplin, Éliane Raymond‐Dufresne, Jared Baylis, Eve Purdy, Samantha Britton, C Cash

Notice bibliographique

RevueAdvances in Simulation · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of British ColumbiaQueen's UniversityUniversité LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésOperationalizationPatient safetyHealth careFlexibility (engineering)Qualitative researchData collectionEmergency departmentQualitative property

Résumé

récupéré en direct d'OpenAlex

In situ simulation (ISS) has long been recognized as a powerful tool for identifying latent safety threats, enhancing teamwork, and ultimately improving patient safety in Emergency Departments (EDs). However, the challenges of operationalizing ISS training in the current clinical environment in Canadian EDs have become increasingly evident. While many EDs face hurdles in implementing ISS, some teams have proven resilient and successful in their ISS endeavors. This study aims to determine which factors are associated with the successful maintenance of ISS programs within Canadian EDs. Using a positive deviance approach, we conducted a qualitative study of ED teams engaged in ISS projects, using interviews as a data collection tool. We recruited 14 healthcare providers who had participated in successful ISS initiatives in Canadian EDs. Participants highlighted the importance of engaging interprofessional stakeholders, flexibility from the simulation team, and buy-in from participants and colleagues as key factors contributing to the success of ISS programs. Challenges identified included lack of buy-in, space constraints, high patient volume and acuity, and staff shortages. Strategies for managing these challenges included scheduling simulations during less busy times and having alternative spaces for simulations. ISS was found to have a significant impact on patient safety, improving teamwork, crisis resource management, and overall patient care. These findings provide valuable insights for EDs looking to start or improve their ISS programs, emphasizing the importance of collaboration and adaptability in overcoming challenges to ensure the success of ISS initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,571

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0240,013
Communication savante0,0090,005
Science ouverte0,0040,011
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,419
Écart entre enseignants0,392 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in SimulationMême sujetSimulation-Based Education in HealthcareTravaux en français237 207