A Schematic Insight to Virtual Reality in Inter-professional Simulation for Enhancing Teamwork among Medical Professionals: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Virtual reality (VR)-based interprofessional simulation is a growing educational method of improving teamwork and communication between healthcare professionals. This systematic review and meta-analysis intended to determine the relevance of VR simulation to improve teamwork performances and the communication attributes in different healthcare disciplines. Methods: A comprehensive literature search was conducted across PubMed, Web of Science, and Google scholar in accordance with the PRISMA 2020 guidelines. Interventions that targeted the aspects of interprofessional teamwork and communication attitudes were eligible. Risk of bias was assessed using Cochrane risk of bias tool and Newcastle Ottawa for Randomized control trials (RCTs) and Observational studies, respectively. The certainty of evidence was evaluated with GRADE criteria. Standardized mean differences (SMDs) were determined and were expressed as 95 % confidence intervals (CIs) and the heterogeneity was compared as I2 statistics. Results: A total of 10 studies were included in which VR-based interprofessional simulation was found to produce a substantial positive impact on the performance of teamwork among nursing students (SMD = 0.73; 95% CI: 0.17-1.29; p < 0.0001) or surgeons (M = 7.81; 95% CI: -2.52 to 18.16; p = 0.0007). As a secondary outcome, there was a large positive impact of communication attitudes as well (SMD = 1.02; 95% CI: 0.66 to 1.37; p < 0.0001). These results were stable as confirmed by sensitivity analyses. Discussion: VR-based Inter professional simulations may be utilized in training healthcare workers in building teamwork and communication skills in order to facilitate better collaboration and increased patient safety.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».