Matthias M. Kurrek

• Following the early experiences in aviation, medical simulation has rapidly evolved into one of the most novel educational tools of the last three decades. In addition to its use in training individuals or teams in crisis resource management, simulation has been studied as a tool to evaluate technical and non-technical skills of individuals as well as, more recently, entire medical teams. It is usually fairly difficult to obtain clinical reference data from critical events to refute claims that the management of actual events fellFollowing the early experiences in aviation, medical simulation has rapidly evolved into one of the most novel educational tools of the last three decades. In addition to its use in training individuals or teams in crisis resource management, simulation has been studied as a tool to evaluate technical and non-technical skills of individuals as well as, more recently, entire medical teams. It is usually fairly difficult to obtain clinical reference data from critical events to refute claims that the management of actual events fell below what could reasonably be expected and we demonstrated the use of rank order statistics to calculate quantiles with confidence limits for management times of critical obstetrical events using data from realistic simulation. This approach could be used to describe the distribution of treatment times in order to assist in deciding what performance may constitute an outlier. It can also identify particular challenges of clinical practice and allow the development of educational curricula. While the information derived from simulation has to be interpreted with a high degree of caution for a clinical context, it may represent a further ‘added value’ or important step in establishing simulation as a training tool and to provide information that could be used in an appropriate clinical context for adverse events. Large amounts of data (such as from a simulation registry) would allow the calculation of acceptable confidence intervals for the required outcome parameters as well as actual tolerance limits.…
• Es ist auf Grund der Rarität von vielen Notfällen normalerweise nicht möglich genug klinische Daten zur Auswertung zur Verfügung zu haben, um sagen zu können, ob das Management eines bestimmten Falles innerhalb von ‚normalen’ Grenzwerten fällt. In dieser wissenschaftlichen Arbeit zeigten wir das ‚Rank Order Statistiks’ dafür benutzt werden könnten, die Resultate von simulierten Notfällen in der Geburtshilfe als Bandbreite von ‚normalen’ klinischen Leistungen darzustellen. Dieses Vorgehen würde es erlauben, eine klinische Leistung mit einerEs ist auf Grund der Rarität von vielen Notfällen normalerweise nicht möglich genug klinische Daten zur Auswertung zur Verfügung zu haben, um sagen zu können, ob das Management eines bestimmten Falles innerhalb von ‚normalen’ Grenzwerten fällt. In dieser wissenschaftlichen Arbeit zeigten wir das ‚Rank Order Statistiks’ dafür benutzt werden könnten, die Resultate von simulierten Notfällen in der Geburtshilfe als Bandbreite von ‚normalen’ klinischen Leistungen darzustellen. Dieses Vorgehen würde es erlauben, eine klinische Leistung mit einer Datenbank von vergleichbaren simulierten Zwischenfällen abzugleichen, um entscheiden zu können, ob die klinische Leistung innerhalb von ‚normalen’ Werten ausgefallen ist. Dieses Vorgehen verschafft außerdem Einblick, welche Probleme besondere Schwierigkeiten bereiten sodass ggf. gezielte Fortbildungen vorbereitet werden könnten. Obwohl die Daten der Simulation mit gewisser Vorsicht zu interpretieren sind, repräsentiert dieses Vorgehen eine neue Anwendung von Simulation, die für die Auswertung von klinischen Notfällen von großer Bedeutung sein könnte. Es wird in diesem Zusammenhang allerdings notwendig sein, relativ große Datenbanken von vielen simulierten Notfällen zu erstellen und auszuwerten, um die gesuchten Werte mit genug Genauigkeit kalkulieren zu können.…