Feasibility study of delivering a mass casualty team training exercise virtually.
Notice bibliographique
Résumé
Introduction: Virtual communication has grown in popularity due to the COVID-19 pandemic. We developed a platform to remotely deliver a scenario-based team-training to educate students and to prepare civilian hospitals for a mass-casualty event. Materials and Methods: To test feasibility, virtual training was compared with in-person delivery of the training using a cost-effectiveness analysis. Fidelity of this training’s components to decision making roles in an actual mass casualty response was the primary metric used to determine effectiveness. Costs were estimated for low, intermediate, and high-cost conditions in which in-person training could be hosted and compared to the costs estimated for virtual delivery of the training. Results: Virtual training was similar in cost to the low-cost condition, however cost burden significantly increased for intermediate and high-cost conditions. Both modalities provide fidelity where decision making is the emphasis of the exercise. Live training is more effective if a technical component dominates. For the main decision-making tasks of the curriculum, both platforms provide equivalent effectiveness. Discussion: In the low-cost condition, both formats were equivalent in cost, while in the intermediate and the high-cost conditions, virtual delivery had cost savings for both training organizers and participants. Scenario-based team-training may be delivered virtually as effectively as in-person training when decision making is emphasized. However, many skills with a technical component cannot be replicated virtually, therefore training in the future may be amenable to a hybrid model containing both virtual and in-person elements.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».