Medical Students’ Perception of Telesimulation Training: A Qualitative Analysis
Notice bibliographique
Résumé
OBJECTIVESOver the past 2 decades, simulation-based learning has become an essential part of medical training. Simulated clinics have proven to be effective for training medical students. Even so, this learning method presents organizational and financial challenges that limit its dissemination to all medical students, especially since the COVID-19 pandemic. Simulated teleconsultation retains the advantages of interactive simulated clinics while offering concrete solutions to the challenges faced. The project aims to explore students’ perspectives on simulated teleconsultation training compared to simulated clinics in person.METHODSTen pre-clerkship students in the Faculty of Medicine at the University of Ottawa participated in interviews following in-person and teleconsultation simulated clinic sessions. The interview guide was developed based on previous work. The questions asked concerned experience with teleconsultation, interaction with the tutor and patient, practical or logistical obstacles, educational value and feasibility. The authors evaluated the results using a thematic analysis.RESULTSThe interview analysis showed that the tutor feedback received during the simulated teleconsultation was comparable to that received after the in-person simulated clinic. Although most of the students enjoy teleconsultation, they raised the challenge of carrying out physical examinations and creating a personal connection with the tutor/patient.CONCLUSIONGiven the circumstances of the pandemic and students’ comfort with technology, the new generation of medical students seems prepared to embrace teleconsultation. The themes identified in the analysis will enable the necessary adjustments to be made in order to optimize their teleconsultation training, an inextricable step in promoting the active offer of healthcare services.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».