Comparaison de la simulation haute-fidélité versus basse fidélité dans la formation à la réanimation cardio-pulmonaire du nourrisson et de l’enfant chez les sapeurs-pompiers du Gard
Bibliographic record
Abstract
Introduction : les compétences non techniques (CNT) sont essentielles à la prise en charge des situations de réanimation aigüe. Elles peuvent être enseignées grâce à la simulation haute fidélité mais celle-ci présente un certain coût. L'objectif de notre étude est de comparer la formation par simulation haute-fidélité versus simulation basse fidélité pour l'acquisition des CNT dans la réanimation cardiopulmonaire de l'enfant et du nourrisson chez les sapeurs-pompiers du Gard. Matériel et méthode : étude interventionnelle, prospective et comparative entre septembre 2018 et janvier 2019. Tous les sapeurs-pompiers du Gard étaient éligibles. Notre critère de jugement principal était l'Ottawa Crisis Resource Management Global Rating Scale. Résultats : parmi les 28 sapeurs-pompiers inclus, 92,6% étaient des hommes, 71,4% avaient été confrontés à une détresse vitale de l'enfant et tous estimaient avoir une formation pédiatrique insuffisante. Le score de CNT a montré une différence significative entre la formation par simulation basse fidélité et haute-fidélité: le score total était 67,1 % et 76,5 % respectivement pour la simulation basse et haute-fidélité (p=0,0003) avec une différence significative pour chaque domaine sauf le leadership. Conclusion : la simulation haute-fidélité permet une meilleure formation que la basse fidélité pour l'acquisition des CNT, facteur clé dans la prise en charge des réanimations. Il semble important d'étendre cette méthode d'enseignement à l'ensemble des professionnels de santé régulièrement et à long terme. Une étude évaluant son impact dans la vie réelle et une évaluation médico-économique de cette forme d'enseignement seraient intéressantes.
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 | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".