Hvilken effekt har hyppigere simuleringstrening for intensivsykepleiere på utvikling av ikke-tekniske ferdigheter? Nivå umiddelbart etter simuleringstrening, varighet og anvendelse av læring etter 6-12 uker
Notice bibliographique
Résumé
Introduksjon: Kommunikasjon, ledelse, situasjonsbevissthet, ressursutnyttelse og problemløsning er viktige ikke-tekniske ferdigheter i teamet rundt intensivpasienten. Ferdighetene kan trenes opp gjennom simuleringstrening, og ulike studier har vist at det nytter. Gode team utgjør et sikkerhetsnett for å hindre uønskede hendelser. Det er lite forskning på feltet om overføring av kompetanse fra simuleringstrening til praksis.\n\nHensikt: Studiens formål var å undersøke effekten av hyppigere simuleringstrening for intensivsykepleiere på utvikling av ikke-tekniske ferdigheter. Hvilket nivå fikk de umiddelbart etter trening og etter 6-12 uker, og i hvilken grad ble de ikke-tekniske ferdighetene anvendt i praksis?\n\nMetode: Kvantitativ metode med et kvasieksperimentelt design ble benyttet. Totalt N=19 intensivsykepleierne ble inkludert i studien og fordelt til kontroll- og intervensjonsgruppe. Intervensjonen besto av en gjentagelse av simuleringstreningen med samme scenario. Datainnsamlingen foregikk på tre datasamlingspunkter, ved at respondentene besvarte spørreskjema som besto av The Mayo High Performance Teamwork Scale og OTTAWA Global Ranking Scale for CRM.\n\nResultater: Statistiske analyser på intervensjonsgruppens gjennomsnittsforskjell mellom første og andre simuleringstrening, viste en positiv tendens på tretten av femten variabler, hvorav signifikante funn ble gjort på tre av variablene på evaluering av teamet. Det ble ikke gjort signifikante funn på utvikling i nivå for hverken kontroll- eller intervensjonsgruppen etter 6-12 uker i praksis.\n\nKonklusjon: Funn av signifikante resultater i økt nivå på ikke-tekniske ferdigheter etter intervensjonen, vedvarte ikke i praksis. Konteksten kan ha hatt en påvirkning på kompetanseoverføringen. Ytterligere forskning på området krever økt utvalgsstørrelse og multisenterdesign, tverrprofesjonelt implementeringsarbeid og validerte spørreskjemaer for praksis.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,009 |
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 ».