Apprentissage par Simlife avec l’École francophone de prélèvement multi-organe (EFPMO) : expérience à deux ans

2019 
Introduction/Objectifs Le prelevement multi-organe (PMO) est un maillon indispensable dans la chaine de la transplantation realise chez plus de 34 000 donneurs par annee dans le monde [1] . La technique est standardisee mais la courbe d’apprentissage, liee au debut d’experience d’une majorite des chirurgiens preleveurs, se traduit par un allongement de la duree d’extraction qui a des consequences sur les resultats de la greffe [2] , [3] . Nous proposons l’evaluation du niveau 1 du modele de Kirkpatrick [4] de la formation EFPMO dont l’apprentissage theorique est couple a un enseignement par simulation sur SimLife depuis 2 ans. Methode Une simulation en equipe des apprenants sur corps reperfuses et reventiles grâce a la technologie Simlife [5] etait proposee au milieu de la formation. En fin de session, un questionnaire portant sur l’experience de l’apprenant, la fidelite anatomique du modele et les competences acquises, gradues selon une echelle de Likert de 1 a 10 etait propose. Les resultats sont rapportes en moyenne (ecart-type). Resultats Entre 2017 et 2018, 93 apprenants organises en 24 equipes ont participe a l’etude. Le score de satisfaction globale etait 8,91(1,22), la correspondance anatomique du modele SimLife 8,37(1,19) et le degre de realisme 7,86(1,29). Il n’y avait pas de differences significatives suivant l’annee de formation de l’apprenant. On observait un score de competences acquises plus important chez les apprenants sans experience prealable en tant qu’operateur principal. Conclusion Le modele anatomique et dynamique Simlife est un outil permettant d’obtenir une bonne adherence des apprenants a une seance de simulation en prelevement multi-organe. Il permet d’ameliorer la connaissance anatomique et la confiance dans la technique du PMO, avec un effet plus marque chez les apprenants sans experience prealable comme operateur.
    • Correction
    • Source
    • Cite
    • Save
    • Machine Reading By IdeaReader
    3
    References
    1
    Citations
    NaN
    KQI
    []