Développement d’une Grille d’Observation des habiletés individuelles reliées au Travail d’équipe lors d’une RÉAnimation Traumatologique (GO-TREAT) en contexte de simulation clinique
Bibliographic record
Abstract
Contexte : Il n’existe aucune grille d’observation pour documenter les habiletés individuelles de travail d’équipe qui sont mobilisées lors d’une réanimation traumatologique. But : Présenter les premières étapes du développement de la Grille d’Observation des habiletés individuelles reliées au Travail d’équipe lors d’une RÉAnimation Traumatologique (GO-TREAT) en contexte de simulation clinique et proposer une version préliminaire. Méthode : Cette démarche s’est initialement appuyée sur des recommandations reconnues pour traduire, adapter et réaliser la validation transculturelle d’un outil d’évaluation, l’Observational Skill-based Clinical Assessment tool for Resuscitation (OSCAR). Une première phase de traduction et d’adaptation de l’OSCAR a été effectuée auprès de deux traducteurs. Neuf experts en traumatologie à la salle d’urgence ont validé le contenu des énoncés de la grille. À la suite de ces étapes, plusieurs modifications ont été apportées par l’équipe de recherche menant au développement d’une toute nouvelle grille intitulée : GO-TREAT. Une mise à l’essai préliminaire a été effectuée à l’aide de 16 enregistrements vidéo de simulations interprofessionnelles en traumatologie. Résultats : Une version préliminaire de la GO-TREAT est présentée et propose des énoncés reliés à cinq sous-domaines du travail d’équipe (communication, coopération, coordination, leadership, surveillance) chez six professionnels composant l’équipe en traumatologie : inhalothérapeute, infirmier-ère au patient et médicaments, infirmier-ère aux notes, infirmier-ère leader, médecin leader, second médecin. Lors de la mise à l’essai, un effet plafond a été observé pour la moitié des énoncés de la grille. Conclusion : Des recommandations ont été émises pour le raffinement et l’évaluation plus approfondie de la GO-TREAT.
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 | 0.027 | 0.079 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".