Constructing Shared Mental Models in High-Acuity Clinical Trajectories: A Narrative Review and Proposed Framework for Multidisciplinary Simulation Integrating Pre-Hospital, Emergency, and Surgical Disciplines
Notice bibliographique
Résumé
Background: High-acuity patient crises, particularly those involving complex surgical pathologies like bariatric or endocrine emergencies, demand seamless coordination across pre-hospital, emergency, and surgical teams. Traditional siloed training often fails to prepare these disparate groups for the intense collaboration required, leading to breakdowns in communication, role confusion, and delayed decision-making. Aim: This narrative review aims to synthesize current evidence on multidisciplinary simulation (MDS) as a pedagogical tool to build shared mental models, enhance interprofessional communication, and clarify role responsibilities among EMS, Emergency Medicine, Nursing, and General Surgery teams during time-sensitive events. Methods: A structured literature search was conducted across PubMed, CINAHL, Scopus, and Web of Science (2010-2024) using keywords related to simulation, interprofessional education, teamwork, and the specified clinical domains. Included literature focused on simulation involving at least three of the target disciplines in high-acuity settings. Results: The analysis reveals that MDS effectively improves non-technical skills, including situational awareness, closed-loop communication, and leadership. Scenario design principles emphasizing realism, cognitive fidelity, and structured debriefing are critical. Successful implementations, such as "Field-to-OR" or "Clinic-to-ICU" pathways for surgical complications, demonstrate improved clinical outcomes, including reduced time-to-intervention and enhanced team psychological safety. Conclusion: Multidisciplinary simulation is a powerful, evidence-based strategy for constructing the shared cognitive frames necessary for managing complex patient crises. To bridge persistent gaps in care continuity, healthcare institutions must prioritize and institutionalize immersive, cross-disciplinary simulation training that mirrors the high-stakes, interdependent nature of real-world emergency care.
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 | 0,009 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».