Le débriefing en simulation médicale : techniques et outils pédagogiques
Bibliographic record
Abstract
La simulation médicale est « l'utilisation d'un matériel (mannequin haute fidélité ou simulateur procédural) de la réalité virtuelle ou d'un patient standardisé pour reproduire des situations ou des environnements de soins, dans le but d'enseigner des procédures diagnostiques et thérapeutiques et de répéter des processus, des concepts médicaux ou des prises de décision par un professionnel de santé ou une équipe de professionnels ». La simulation médicale est en pleine expansion en France actuellement en anesthésie-réanimation, médecine d'urgence, néonatalogie, obstétrique et soins infirmiers. Le rapport de mission du GRANRY et MOLL a mis en évidence une disparité des moyens et pratiques entre les centres. La simulation offre un milieu centré sur l'apprenant qui permet au formateur de lui donner toute son attention. Au cours d'une séance de simulation, l'apprenant construit et déconstruit de façon simultanée son savoir et teste son efficacité. Cependant, la simulation induit parfois une charge émotionnelle difficile à gérer liée à un investissement important sur le plan personnel. Le vécu de la séance peut se révéler extrêmement stressant. Ce paramètre doit être pris en compte dans l'enseignement, tout particulièrement lors du débriefing. Ce travail décrit et expose les résultats d'une enquête descriptive sur les techniques pédagogiques employées par les formateurs en simulation médicale au cours de leurs débriefings. Les centres contactés ont été ceux du CHU de Toulouse, du Laboratoire Expérimental de Simulation de Médecine Intensive de l'Université de Nantes, du Centre d'Apprentissage des Attitudes et Habiletés clinique de Montréal (Québec), du Centre de formation des hôpitaux de Genève, Suisse. L'importance de la disparité des pratiques de débriefing doit inciter à plus formaliser cette phase de la formation par simulation. La vidéo est un outil pédagogique pertinent pour évaluer les répercussions du stress, la communication verbale, les aptitudes psychomotrices et la prise de décision ; elle doit être intégrée pour remplir certains objectifs du débriefing notamment pour travailler les interactions de groupe.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.033 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".