Integrierte Grundlagenwissenschaft in der Lehrgestaltung des Mustererkennungstrainings (AISC-ISF)

Hintergrund:

Den Kern der medizinischen Ausbildung bildet weiterhin die Sicherstellung, dass Medizinstudenten und angehende Ärzte zu guten Diagnostikern werden. Seit mehr als sechs Jahrzehnten versuchen Wissenschaftler und Kliniker, die erfolgreichsten diagnostischen Argumentationsstrategien zu verstehen und zukünftige Ärzte in diesen Strategien auszubilden. Untersuchungen haben gezeigt, dass die meisten Diagnostiker eine Mischung aus Mustererkennung, deduktivem Rückwärtsschlussfolgern, d. h. der Suche nach Symptomen oder Anzeichen, die eine vorläufige Diagnose rechtfertigen, und induktiven Vorwärtsschlussfolgerstrategien anwenden, d. h. der Analyse der wahrscheinlichsten Diagnose auf der Grundlage von Anzeichen und Symptomen. Es gibt einige Belege dafür, dass unerfahrene Kliniker eher zu bewussten deduktiven und induktiven diagnostischen Argumentationsstrategien neigen, während erfahrene Kliniker sich im Allgemeinen eher auf die Mustererkennung verlassen. Im Gegensatz zu Anfängern ermitteln Experten im Allgemeinen die wahrscheinlichste Diagnose auf der Grundlage einer Mustererkennung, gefolgt von bewussten und oft unbewussten deduktiven Überlegungen, die darauf abzielen, die identifizierten vorläufigen Diagnosen zu rechtfertigen oder auszuschließen. Die Dual-Prozess-Theorie bietet eine Erklärung für diese zweistufige Denkstrategie, die die menschliche Erkenntnis in zwei Systeme unterteilt; das intuitive System 1 (Mustererkennung) und das absichtliche und analytische deduktive/induktive System 2. Die Mustererkennung (System 1) erfolgt unmittelbar, oft sehr genau und erfordert nur minimale Ressourcen, obwohl sie vielfach dafür kritisiert wurde, dass sie anfällig für unbewusste heuristische Verzerrungen ist. Die absichtlichen Prozesse des Systems 2 sind langsamer und erfordern deutlich größere kognitive Ressourcen als die Prozesse des Systems 1. System-2-Prozesse gelten im Allgemeinen als weniger anfällig für unbewusste Vorurteile, obwohl mehrere Ergebnisse das Gegenteil vermuten lassen. Die meisten Menschen ziehen es vor, wann immer möglich, das effiziente und nicht anstrengende System 1 anzuwenden und aktive Prozesse des Systems 2 nur dann anzuwenden, wenn dies unbedingt erforderlich ist. Leider ist die Mustererkennung (System 1) in einer diagnostischen Umgebung auf domänenspezifische Erfahrung angewiesen, die unerfahrenen Ärzten im Allgemeinen nicht zur Verfügung steht und die daher bei der Diagnose auf die wesentlich anspruchsvolleren System-2-Operationen angewiesen sind. Mehrere Autoren argumentieren, dass Pädagogen nach Möglichkeit in Betracht ziehen sollten, Mustererkennung zu lehren oder zu fördern, da dies eine genaue, effiziente und weniger anspruchsvolle Diagnose ermöglicht. In medizinischen Fachgebieten, die hauptsächlich auf visueller Verarbeitung basieren, wie Pathologie, Radiologie und Dermatologie, ist ein realistisches und umfassendes Mustererkennungstraining möglich. Große Fallbibliotheken mit kommentierten Röntgenbildern, Pathologiedias oder dermatoskopischen Bildern können für die Praxis leicht zugänglich gemacht werden, sodass Studierende sich vor Beginn ihrer klinischen Laufbahn ein starkes mentales Bild der relevanten Differenzialdiagnosen aneignen können. Es gibt umfangreiche Literatur darüber, wie die Entwicklung starker mentaler Repräsentationen durch Mustererkennungstraining erleichtert werden kann. Obwohl die Identifizierung von Knochenbruchtypen, Zellanomalien und Hauterkrankungen wichtig ist, ist der Abruf und die Verarbeitung zusätzlicher Kenntnisse erforderlich, um den Patienten das richtige Behandlungsschema zu bieten. Künstliche Intelligenz und trainierte Tauben (ja, Tauben) beherrschen die Bilddiagnostik beeindruckend gut, wobei mehrere Autoren von Genauigkeiten berichten, die denen von erfahrenen Klinikern ebenbürtig sind. Allerdings sind Maschinen und Tauben im Gegensatz zu erfahrenen Klinikern derzeit nicht in der Lage, ein oder mehrere komplexe vorkompilierte diagnosespezifische Skripte oder Schemata aus dem Langzeitgedächtnis abzurufen, die auf subtilen diagnostischen Hinweisen basieren, gefolgt von einer bewussten Analyse der wahrscheinlichsten Diagnose und geeigneten Behandlungsmaßnahmen . Die Krankheitsskripttheorie versucht, diesen unglaublichen Speicherabruf- und -verarbeitungsvorgang durch ein einfaches Framework zu erklären. Krankheitsskripte sind definiert als mentale Darstellungen oder Schemata einer Krankheit oder eines Leidens, die ermöglichende Bedingungen enthalten, d. h. Demographie und Krankengeschichte, Folgen, d. h. die Symptome und Erscheinungsformen der Krankheit/Erkrankung, und Fehler, d. h. die biomedizinische Erklärung für Konsequenzen und ermöglichende Bedingungen . Wenn ein erfahrener Arzt ein bestimmtes Muster von Voraussetzungen, Folgen und Fehlern erkennt, aktiviert er ein oder mehrere Krankheitsskripte und ruft sie aus dem Langzeitgedächtnis ab, wodurch das gesamte in diesem Skript gespeicherte Wissen, einschließlich der Physiologie der Krankheit und der damit verbundenen Skripte, freigeschaltet wird ( Differenzialdiagnosen). Über die Bildung und Konsolidierung von Krankheitsskripten während der medizinischen und klinischen Ausbildung ist wenig bekannt, aber es gibt zunehmend Belege dafür, die zugrunde liegende Physiologie und Anatomie (Fehler) mit demografischen Merkmalen (Ermöglichungsbedingungen) und Symptomen (Konsequenzen) im Lehrmaterial der Ausbildung zu kombinieren Eingriffe in die Medizin. Ein zugrunde liegendes konzeptionelles Verständnis der kausalen Mechanismen der Erkrankung scheint den Auszubildenden dabei zu helfen, ihre Krankheitsskripte zu konsolidieren und miteinander zu verknüpfen, was zu einer schnelleren und genaueren Skriptaktivierung und -nutzung führt. Wenn kausale Mechanismen oder „die biomedizinische Wissenschaft“ in die Standardunterrichtskonzepte für Innere Medizin einbezogen werden, die die klinische Manifestation der Krankheit umfassen, schneiden die Studierenden deutlich besser ab, insbesondere bei verzögerten Tests und Transfertests. Ähnliche positive Auswirkungen auf die diagnostische Leistung wurden beobachtet, wenn „erweiterte“ grundlegende wissenschaftliche Beschreibungen, die die zugrunde liegenden soziologischen und verhaltensbezogenen Kausalmechanismen erklären, in das Unterrichtsdesign für komplexe medizinische Erkrankungen integriert werden, die eine Kombination aus sozialen, somatischen und psychologischen Problemen umfassen. Die unmittelbare und bleibende diagnostische Leistung und der Wissenstransfer des Studierenden verbessern sich, wenn biomechanische visuelle Analogien der kausalen Mechanismen in die Beschreibung der kausalen Mechanismen eingeführt werden. Der positive Effekt der Integration der biomedizinischen Wissenschaft lässt sich am besten nutzen, wenn sie mit klassischen Lehrplänen vermischt wird, die klinische Manifestationen von Krankheiten beschreiben. Die positiven Effekte der klassischen Lehrbuchdiagnostik auf schriftliche Fälle übertragen sich auch auf die visuelle Diagnostik, z.B. zahnärztliche Radiologie und das zugrunde liegende konzeptionelle Wissen verfahrenstechnischer Fertigkeiten, z.B. Lumbalpunktion. Die Integration der kausalen Erklärungen für visuelle Kriterien in der visuellen Diagnostik steigert sowohl die unmittelbare als auch die langfristige diagnostische Leistung der Studierenden. Es wurde festgestellt, dass die Verbesserung der diagnostischen Leistung, die mit der Integration der biomedizinischen Wissenschaft einhergeht, resistent gegen Kompromisse zwischen Geschwindigkeit und Genauigkeit ist, was darauf hindeutet, dass eine starke Darstellung von „Fehlern“ innerhalb eines Krankheitsskripts die Fähigkeit von Diagnostikern erhöht, das Skript schnell und genau zu aktivieren. Obwohl grundlegende wissenschaftliche Erklärungen auf die verschiedenen medizinischen Modalitäten übertragbar zu sein scheinen, ist es wichtig zu beachten, dass sich die visuelle Diagnostik erheblich von den übrigen Diagnosemodalitäten unterscheidet. Wenn erfahrene Dermatologen eine Hautläsion untersuchen, machen sie sich sofort einen Gesamteindruck und erstellen daraus eine oder mehrere vorläufige Diagnosen, die in der Regel sehr genau sind. Anschließend wenden sie eine Strategie des Rückwärtsdenkens an und versuchen, Merkmale zu finden, die ihre vorläufige Diagnose rechtfertigen oder ablehnen. Der globale Eindruck ist ein Ergebnis intuitiver System-1-Operationen, während die bewusste Analyse von Differenzialdiagnosen und die Merkmalssuche bewusste System-2-Operationen sind. Obwohl sich Experten anderer klinischer Fachgebiete wie Internisten, Neurologen und Kardiologen stark auf die Mustererkennung verlassen, basieren ihre Beurteilungen auf Eingaben (Symptome, Krankengeschichte, Labortests usw.), die absichtlich gesammelt werden, was einen größeren Grad an System-2-Prozessen erfordert früh im diagnostischen Argumentationsprozess. Forscher gehen davon aus, dass sich dieser Unterschied im „Zeitpunkt“, zu dem die Mustererkennung in den verschiedenen diagnostischen Fachgebieten eingesetzt wird, in der Ausbildung der verschiedenen Fachgebiete widerspiegeln sollte. Basierend auf diesen Überlegungen sollte die optimale pädagogische Intervention für Kliniker, die hauptsächlich auf visuelle Verarbeitung angewiesen sind (Dermatologie, Pathologie und Radiologie), eine fallbasierte Ausbildung mit direktem visuellem Feedback sein, gekoppelt an einen Lehrplan mit einem prägnanten und relevanten Unterrichtsdesign. Die oben genannten Studien zeigen, dass die Integration der Grundlagenwissenschaften in ein solches Unterrichtsdesign die diagnostische Genauigkeit und den Wissenstransfer zu ähnlichen Krankheitskategorien verbessert. Frühere Studien zur visuellen Diagnostik konnten jedoch nicht feststellen, ob eine verbesserte Leistung nach der Integration grundlegender Wissenschaften die Mustererkennung der Ärzte, die gezielte Merkmalssuchstrategie oder beides verbessert. Die pädagogischen Interventionen in diesen Studien waren kurz und umfassten weniger als drei Trainingsfälle pro Diagnose, was die Forscher dieser Studie im Hinblick auf die Bildung mentaler Repräsentationen für die visuelle Klassifizierung von Krankheiten (Mustererkennung) als gering erachten. Schließlich wurden in früheren Studien nicht die Auswirkungen der Integration von Grundlagenwissenschaften in die Unterrichtsgestaltung von Trainingsinterventionen zur visuellen Diagnostik und deren Auswirkungen auf das Lernverhalten (Gesamtdauer und die Häufigkeit des Zugriffs auf Lehrmaterial) und Lernkurven (Bildung mentaler Repräsentationen) untersucht. und Fähigkeits-/Wissensabruf. Die Forscher gehen davon aus, dass die Einführung grundlegender wissenschaftlicher Erklärungen in das Unterrichtsdesign einer fallbasierten Ausbildung in visueller Diagnostik die Lernkurve, das Behalten und das Abrufen von Wissen/Fähigkeiten der Schüler nach einer Auswaschphase verbessern wird. Unseres Wissens gibt es keine früheren Studien, die den Effekt der Integration biomedizinischer Erklärungen für visuelle Kriterien in eine längere fallbasierte pädagogische Intervention zur Schulung der Mustererkennungsfähigkeiten der Schüler untersuchen.Angesichts der Tatsache, dass das Lernen unterschiedlich sein kann, wenn man sich auf Anfänger und Fortgeschrittene konzentriert, und dass unmittelbare Leistungen nicht immer langfristige Lernergebnisse vorhersagen, ist dies eine wichtige Forschungslücke, die es zu schließen gilt.

Fragestellung:

Welchen Effekt hat die Integration biomedizinischer kausaler Erklärungen visueller Kriterien während eines längeren fallbasierten Hautkrebs-Schulungsprogramms zur visuellen Mustererkennung in einer Gruppe von Medizinstudenten mit begrenzter dermatologischer Ausbildung im Vergleich zu einem identischen Unterrichtsdesign ohne biomedizinische Erklärungen? Wie wird sich die Verschiebung der kognitiven Ressourcen der Schüler vom Üben der Mustererkennung hin zum Verstehen des Musters auf ihr Lernverhalten, ihre Lernkurve (Genauigkeit und Zeit pro Diagnose) und das Wiedererlangen von Mustererkennungsfähigkeiten nach einer Auswaschphase auswirken?

Methode:

Die Studie wird als randomisierte kontrollierte Studie mit einem Zuteilungsverhältnis von 1:1 durchgeführt. Eingeschriebene Teilnehmer müssen aktiv an der Fakultät für Gesundheits- und Medizinwissenschaften der Universität Kopenhagen eingeschrieben sein und Prüfungen in grundlegender Histopathologie und Zellphysiologie bestanden haben. Ausschlusskriterien sind eine vorherige Ausbildung in Dermatoskopie oder Hautkrebsdiagnostik im Allgemeinen. Es werden mindestens 60 Studierende rekrutiert. Alle Teilnehmer müssen eine mobile Anwendung (Dermloop) herunterladen, die das Lehrmaterial enthält. Bei der Anmeldung werden die Teilnehmer gebeten, Informationen zu ihren demografischen Daten einzugeben, einen sechsstelligen Testcode einzugeben und eine digitale Einwilligung zu unterzeichnen. Bei der Anmeldung werden die Teilnehmer automatisch nach dem Zufallsprinzip der Gruppe „Grundlagenwissenschaften“ oder „Feature“ zugeteilt. Während der Studie durchlaufen alle Teilnehmer vier Schritte (siehe Abbildung):

1. Vortest
2. Die digitale Schulung zur Hautkrebsdiagnostik konzentrierte sich über sieben Tage auf sieben Differenzialdiagnosen (Nävi, Melanom, seborrhoische Keratosen/solare Lentigo, Basalzellkarzinom, Dermatofibrome und Gefäßläsionen). Das Lehrmaterial unterscheidet sich zwischen den beiden Studiengruppen. Die Grundlagenwissenschaftsgruppe wird Zugang zu Modulen haben, die die charakteristischen visuellen Kriterien für jede Diagnose und die zugrunde liegende histopathologische Ursache beschreiben. Die Merkmalsgruppe liest identische Beschreibungen der visuellen Kriterien ohne Erklärung der zugrunde liegenden Kausalmechanismen.
3. Umschulungssitzung
4. Aufbewahrungstest

Vortest:

Der Vortest besteht aus 12 zufällig ausgewählten Items (Generalisierbarkeitskoeffizient von 0,7) aus einer Testitem-Bibliothek (n=25 Items) mit nachgewiesener Validität für die Hautkrebsdiagnostik.

Digitale Trainingseinheit:

Die Sitzung besteht aus einer Einführung und Präsentation von sechs Diagnosen (Nävi, Melanom, seborrhoische Keratosen/solare Lentigo, Basalzellkarzinom, Dermatofibrome und Gefäßläsionen).

Einleitung Die Einleitung umfasst eine kurze schriftliche Einführung in die Hautkrebsdiagnostik und die sechs Diagnosen, die in die pädagogische Intervention einbezogen werden. Die Teilnehmer werden gebeten, die verschiedenen dermatoskopischen Kriterien, die für die sieben Diagnosen charakteristisch sind, kurz durchzulesen.

Fallbasierte Praxis

Die Teilnehmer werden gebeten, innerhalb von 7 Tagen an 500 Hautläsionen zu üben. Das Training besteht aus Quizfragen mit direktem Feedback. Die Teilnehmer werden gebeten, Hautläsionen anhand des Alters und Geschlechts des Patienten, eines klinischen Bildes, eines dermatoskopischen Bildes und des Ortes der Hautläsion zu diagnostizieren. Die Teilnehmer erhalten unmittelbar nach der Wahl ihrer Diagnose eine Rückmeldung. Das Feedback besteht aus ihrer Diagnose, der korrekten Diagnose, dem Zugriff auf das Anleitungsdesign beider Diagnosen und der Möglichkeit, zwischen den Bildern und dem Standort umzuschalten. Jedes Quiz umfasst 10 Fälle und die Verteilung der Diagnosen ist zufällig über jedes Quiz hinweg, aber mit einer Gesamtverteilung über 100 Fälle von:

Diagnoseverteilung:

Melanom 20 % Nävi 20 % Seb. K./ Lentigo Solaris 20 % Dermatofibrom 10 % Basalzellkarzinom 10 % Hämangiom 10 % Plattenepithelkarzinom. 10 %

Umschulungssitzung:

Nach der 14-tägigen Auswaschphase werden alle Teilnehmer gebeten, auf die Anwendung zuzugreifen und innerhalb von zwei Tagen weitere 100 Fälle zu üben.

Aufbewahrungstest:

Sieben Tage nach Abschluss der Umschulungssitzung werden die Teilnehmer gebeten, einen Retention-Test zu beantworten. Der Retentionstest besteht aus 12 zufällig ausgewählten Items (Generalisierbarkeitskoeffizient von 0,7) aus derselben Testitem-Bibliothek (n=25 Items), die auch für den Vortest verwendet wurde.

Primäre Ergebnisse:

Steigung und Plateau (falls erreicht) der anfänglichen Lernkurve (Genauigkeit und Zeit pro Diagnose). Steigung und Plateau (falls erreicht) einer sekundären Lernkurve (Genauigkeit und Zeit pro Diagnose) nach einer Auswaschphase

Sekundäres Ergebnis:

Zeitaufwand für das Lesen des Lehrmaterials. Anzahl der Zugriffe auf das Lehrmaterial. Leistungsänderung vom Vortest zum Retentionstest.