Az intelligens oktató által kiváltott szünet hatása a szimulált sebészeti készségek elsajátítására

Háttér: A sebészeti készségek felmérése a mennyiségi, időalapú megközelítésről a gyakornok kompetenciájának kvalitatív értékelése felé tolódik el. A sebészeti beavatkozások során az oktatók folyamatosan figyelemmel kísérik a gyakornok teljesítményét, és különféle oktatási módszereket alkalmaznak, amelyek a sebészi ismeretek elsajátítását célozzák. Az egyik ilyen módszer magában foglalja a művelet szüneteltetését, akár a gyakornok teljesítményével kapcsolatos kockázatok felvázolása, akár a legjobb gyakorlati technikák személyes bemutatása érdekében. Bebizonyosodott, hogy az ilyen helyzetekben való szünet lehetővé teszi a tanulók számára a bevált gyakorlatok újraértékelését, megszakítja a negatív lendületet, és lehetővé teszi a tanulást. Pontosabban, a hiba utáni szünet megakadályozhatja olyan új információk bevezetését, amelyek befolyásolhatják az ember azon képességét, hogy elgondolkodjanak a hibájukon, és csökkentsék a stresszt a folytatás előtt.

Indoklás: Az ICEMS-t, egy mesterséges intelligencia oktatórendszert csoportunk egy Long-Short Term Memory mélytanulási algoritmus segítségével fejlesztette ki a sebészeti teljesítmény felmérésére és útmutatás nyújtására. Ezt aztán integrálták a NeuroVR szimulációs platformmal. Ennek az AI-rendszernek a használatával a hibaazonosításra vonatkozó verbális visszacsatolás bemutatta az intelligens oktatásban rejlő lehetőségeket a tanulás javítására két korábbi randomizált kontrollvizsgálatban (RCT). Ezek az RCT-k azonban nem tartalmaztak szüneteltetési módszertant a hiba utáni azonosításra. A tapasztalt sebész klinikai környezetben nyújtott mentorálásának további emulálása érdekében az ICEMS platformot úgy módosították, hogy a tanulói hiba észlelésekor szüneteltessen, és a szakértői teljesítményt bemutató videót is biztosítson.

Kutatási cél: Összehasonlítani az intelligens oktatói utasítás utáni szünet beépítésének hatását az intelligens oktatói utasításra az orvos- és premedicinális hallgatók sebészeti készségeinek elsajátítására és készségtranszferére.

Hipotézisek:

1. A videó csoport szüneteltetése jelentősen javítja az összetett pontszámot a gyakorlati forgatókönyv első és hatodik ismétlése között.
2. A szünet videóval csoport összetett pontszáma statisztikailag magasabb lesz, mint a kontrollcsoporté a gyakorlati forgatókönyv hatodik ismétlésében.
3. A szünet videóval csoport összetett pontszáma statisztikailag nem lesz rosszabb, mint a szünet videó nélküli csoport a gyakorlati forgatókönyv hatodik ismétlésében.
4. A szüneteltetés videóval csoportnak a globális OSATS pontszáma statisztikailag magasabb lesz, mint a kontrollcsoporté a reális forgatókönyvben.
5. A videós szüneteltetés globális OSATS-pontszáma statisztikailag nem lesz rosszabb, mint a videó nélküli szüneteltetés a reális forgatókönyvben.
6. A videó csoport szüneteltetése nem okoz különbséget az érzelmi stresszben vagy a kognitív terhelésben a kontrollcsoporthoz képest.

Konkrét célok:

1. Annak felmérésére, hogy a mesterséges intelligencia által közvetített valós idejű, személyre szabott visszacsatolás és a szüneteltetési módszertan kombinációja statisztikailag jobb-e, mint a mesterséges intelligencia által közvetített valós idejű, személyre szabott visszacsatolás önmagában az orvostanhallgatók sebészeti készségeinek fejlesztésében két virtuális valóságú sebészeti feladat során.
2. Meghatározni, hogy a szüneteltetés módszertana különböző érzelmeket és kognitív terhelést vált ki, mint a mesterséges intelligencia által közvetített visszacsatolás.

Tervezés: A mesterséges intelligencia visszajelzéseinek háromágú, egy-vak, randomizált, kontrollált vizsgálata szüneteltetési módszertannal, valamint szakértői bemutató videó a csak szüneteltetéses módszertant alkalmazó mesterséges intelligencia visszajelzéssel szemben, szemben az egyedüli AI visszajelzéssel.

Beállítás: Idegsebészeti Szimulációs és Mesterséges Intelligencia Oktatóközpont.

Résztvevők: Olyan hallgatók, akik egy quebeci orvosi egyetemre iratkoztak be az előkészítő évben, valamint az első és a második évben.

Feladat: A CAE Healthcare NeuroVR sebészeti szimulátorával reszekáljon ki egy szimulált gyakorlati daganatot hatszor és egy összetett szimulált valósághű agydaganatot egyszer ultrahangos aspirátor és bipoláris fogó segítségével, miközben minimalizálja a vérzést és megőrzi a környező, szimulált egészséges agyi struktúrákat.

Beavatkozás: Egy 90 perces edzés, ahol a résztvevőknek hét szimulált subpialis tumorreszekciós kísérletük lesz (egy egyszerű gyakorlati forgatókönyv hat ismétlése és egy összetett, valósághű forgatókönyv megismétlése). Minden résztvevő auditív visszajelzést kap az ICEMS-től, de a következőkben térnek el egymástól:

1. Folyamatosan hajtsa végre az eljárást (azaz ne legyen szünet) (1. csoport);
2. Szünet, majd gondolkodási időszak (2. csoport);
3. Szünet, majd szakértői szintű bemutató videó és gondolkodási időszak (3. csoport).

Az auditív visszajelzés 4 mérőszámon fog alapulni:

1. A műszer csúcsának távolsága;
2. Alacsony bipoláris erő;
3. Nagy szívóerő;
4. Magas bipoláris erő. Kezdetben a visszacsatolás csak az első mérőszám alapján történik (a műszervégek szétválasztása), de ha egy ismétlés visszajelzés nélkül fejeződik be, a következő ismétlés a fenti listában szereplő következő mutatót értékeli, és így tovább, és így tovább.

Főbb eredmények és intézkedések:

A két társ-elsődleges eredmény a következő:

1. A sebészeti teljesítmény javulása az ICEMS korábban validált értékelő modulja által kiszámított összetett pontszám alapján. A teljesítmény javulását a gyakorlati forgatókönyv mind a 6 ismétlése közötti összetett pontszám különbségével mérjük. A tanulás transzferét a résztvevő összetett, reális forgatókönyvre adott pontszáma alapján mérik.
2. A résztvevők teljesítménypontszáma a komplex reális forgatókönyvben, amelyet két elvakult szakértő értékelt a technikai készségek objektív strukturált értékelése (OSATS) globális minősítési skála segítségével.

A másodlagos eredmény a kiváltott érzelmek erősségének különbsége, amelyet a gyakorlati forgatókönyv előtt, közvetlenül a reális forgatókönyv előtt, valamint a Duffy-féle orvosi érzelmi skála (MES) segítségével végzett kísérletek befejezése után mértek. A kognitív terhelést az összes feladat elvégzése után is mérik a Leppink kognitív terhelési indexe (CLI) segítségével. Mindkét eredményt önbevallásokkal mérik.

Statisztikai elemzési terv: A résztvevők adatait anonimizáljuk és tároljuk. Az ICEMS felméri a résztvevő műtéti teljesítményét, és 0,2 másodperces időközönként teljesítménypontszámot ad a szimulált sebészeti feladat minden ismétlése során. Ezután minden ismétlésre egy átlagos összetett pontszámot számítanak ki. Az ANCOVA használatával a teljesítmény és a résztvevők tanulásának javulását az első gyakorlati forgatókönyv-ismétlés (alapvonal) és a hatodik ismétlés (összegző) összetett pontszámának összehasonlításával értékelik. Eközben a komplex reális forgatókönyv összetett pontszámát fogják használni a tanulás transzferének értékelésére egy egyirányú ANOVA segítségével. A 0,25-ös hatásméret és a 0,05-ös szignifikancia mellett a 129-es teljes mintaméret 80%-os teljesítményt biztosít a jelentős kölcsönhatás kimutatására.

Az összetett valósághű forgatókönyvben a résztvevők teljesítményéről készült videókat két elvakult szakértő értékeli az OSATS globális minősítési skála segítségével. Az OSATS pontszámot a csoportok között egyirányú ANOVA segítségével elemezzük a tanulás hatékonyságának és a készségek megtartásának összehasonlítására.

A szimulált forgatókönyvekben a tanulás előtti, alatti és utáni érzelmi változásokat kétirányú vegyes ANOVA-val értékeljük, míg az egyirányú ANOVA-t a tanulás utáni kognitív terhelés értékelésére.