Development of a unified training and assessment simulation program for anesthesia and intensive care
Bibliographic record
Abstract
Développement d'un programme unifié de simulation pour la formation et l'évaluation en anesthésie-réanimation L'anesthésie-réanimation (AIC) a besoin de formations et d'évaluations sommatives basées sur les compétences correspondant à l'exercice clinique. La simulation, intégrée dans l'approche d'éducation médicale basée sur les compétences, occupe une part importante de la formation en AIC, en particulier pour les compétences techniques et non techniques. S'adapter aux évolutions pédagogiques et des connaissances médicales est une nécessité mais consomme des ressources humaines et du temps. Construire et entretenir un programme commun de formation et d'évaluation par la simulation en AIC à l'échelle d'un pays - ou plus - pourrait être une solution. Cette thèse a pour objectif de poser les bases du développement un tel programme. Au travers de trois études, nous avons successivement : - Décrit l'état des lieux de la formation par la simulation en AIC en France en 2021 pour déterminer la faisabilité d'un programme national de simulation en AIC en France. - Rassemblé les éléments clés des connaissances de la littérature sur l'évaluation sommative en simulation en santé pour déterminer s'il est possible de l'intégrer dans un programme de formation en simulation. - Décrit les similitudes et différences entre les référentiels pédagogiques de internes (résidents) en AIC de l'Union Européenne, des USA, et du Canada pour déterminer s'il est possible de construire un cœur de référentiel de compétences partagé entre ces régions. Les résultats des deux premières études montrent qu'il est possible de développer un programme de simulation commun en AIC à l'échelle d'un pays (la France) et qu'il semble possible d'y intégrer l'évaluation sommative. Le taux élevé de similitudes entre les référentiels pédagogiques en AIC de l'UE, des USA et du Canada valide la faisabilité théorique d'un cœur de référentiels de compétences partagés entre ces régions. Une stratégie pour développer un programme unifié de formation et d'évaluation par la simulation en AIC à l'échelle d'un pays (la France) est faisable et attendue. La première étape ce cette stratégie a été réalisée avec cette thèse : établir l'état des lieux sur lequel se baser pour construire un futur programme commun de formation et d'évaluation par la simulation en AIC. Étendre une telle stratégie à l'échelle internationale est théoriquement faisable mais fait encore face de nombreux obstacles et défis.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".