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 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 | 0,033 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».