Scienza di base integrata all'interno della progettazione didattica della formazione sul riconoscimento dei modelli (AISC-ISF)

Sfondo:

Garantire che gli studenti di medicina e i medici alle prime armi diventino buoni diagnostici rimane al centro dell'educazione medica. Per più di sessant'anni accademici e medici hanno cercato di comprendere le strategie di ragionamento diagnostico di maggior successo e come educare i futuri medici a queste strategie. La ricerca ha rivelato che la maggior parte dei diagnostici applica un mix di riconoscimento di schemi, ragionamento deduttivo all'indietro, ovvero ricerca di sintomi o segni che giustificano una diagnosi provvisoria, e strategie di ragionamento induttivo in avanti, ovvero analisi della diagnosi più probabile basata su segni e sintomi. Ci sono alcune prove a sostegno del fatto che i medici alle prime armi siano più inclini a deliberate strategie di ragionamento diagnostico deduttivo e induttivo, mentre i medici esperti generalmente si affidano maggiormente al riconoscimento di schemi. A differenza dei novizi, gli esperti generalmente identificano la diagnosi più probabile sulla base del riconoscimento del modello, seguito da un ragionamento deduttivo deliberato e spesso inconscio, volto a giustificare o escludere la/e diagnosi provvisoria identificata/e. La teoria del doppio processo offre una spiegazione per questa strategia di ragionamento in due fasi, dividendo la cognizione umana in due sistemi; il sistema intuitivo 1 (riconoscimento del modello) e il sistema deduttivo/induttivo deliberato e analitico 2. Il riconoscimento del modello (sistema 1) è immediato, spesso molto accurato e richiede risorse minuscole sebbene sia stato ampiamente criticato per essere incline a pregiudizi euristici inconsci. I processi deliberati del sistema 2 sono più lenti e richiedono risorse cognitive significativamente maggiori rispetto ai processi del sistema 1. I processi del sistema 2 sono generalmente considerati meno inclini a pregiudizi inconsci, sebbene diversi risultati suggeriscano il contrario. La maggior parte delle persone preferisce applicare il sistema efficiente e non faticoso 1 quando possibile, e solo i processi attivi del sistema 2 quando assolutamente necessario. Sfortunatamente, il riconoscimento del modello (sistema 1) in un contesto diagnostico si basa sull'esperienza specifica del dominio, che generalmente non è disponibile per i medici alle prime armi che quindi si affidano alle operazioni del sistema 2 significativamente più impegnative durante la diagnostica. Diversi autori sostengono che gli educatori dovrebbero prendere in considerazione l'insegnamento o la promozione del riconoscimento di modelli, se possibile, in quanto consente una diagnostica accurata, efficiente e meno impegnativa. Una formazione realistica ed estesa sul riconoscimento di modelli è possibile all'interno di specialità mediche che si basano principalmente sull'elaborazione visiva come patologia, radiologia e dermatologia. Ampie biblioteche di casi con radiografie annotate, vetrini patologici o immagini dermoscopiche possono essere rese prontamente disponibili per la pratica, consentendo agli studenti di ottenere forti rappresentazioni mentali delle diagnosi differenziali rilevanti prima di iniziare la loro carriera clinica. Esiste un'ampia letteratura su come facilitare lo sviluppo di forti rappresentazioni mentali attraverso l'addestramento al riconoscimento di schemi. Sebbene l'identificazione dei tipi di fratture ossee, delle anomalie cellulari e delle condizioni della pelle sia importante, è necessario un ulteriore recupero ed elaborazione delle conoscenze per fornire ai pazienti il ​​regime di trattamento corretto. L'intelligenza artificiale e i piccioni addestrati (sì, i piccioni) gestiscono la diagnostica delle immagini in modo impressionante, con diversi autori che riportano accuratezza alla pari con medici esperti. Tuttavia, a differenza dei medici esperti, le macchine e i piccioni non sono attualmente in grado di recuperare dalla memoria a lungo termine uno o più copioni o schemi specifici per diagnosi precompilati complessi basati su sottili segnali diagnostici, seguiti da un'analisi deliberata della diagnosi più probabile e da un'azione terapeutica appropriata . La teoria del copione della malattia tenta di spiegare questa incredibile operazione di recupero ed elaborazione della memoria attraverso un semplice framework. I copioni di malattia sono definiti come rappresentazioni mentali o schemi di una malattia o malattia che contengono condizioni abilitanti, cioè dati demografici e anamnesi, conseguenze, cioè i sintomi e le presentazioni della malattia/malattia, e difetti, cioè la spiegazione biomedica delle conseguenze e delle condizioni abilitanti . Quando un medico esperto riconosce un certo modello di condizioni abilitanti, conseguenze e difetti, attiva e recupera uno o più copioni di malattia dalla memoria a lungo termine, sbloccando tutta la conoscenza immagazzinata in quel copione, inclusa la fisiologia della malattia e i copioni correlati. diagnosi differenziali). Poco si sa riguardo alla formazione e al consolidamento dei copioni di malattia durante la formazione medica e clinica, ma vi sono prove crescenti a favore della combinazione della fisiologia e dell'anatomia sottostanti (difetti) con i dati demografici (condizioni abilitanti) e i sintomi (conseguenze) all'interno del materiale didattico dei programmi educativi. interventi in medicina. Una comprensione concettuale sottostante dei meccanismi causali della condizione medica sembra aiutare i tirocinanti a consolidare e collegare tra loro i copioni della malattia, con conseguente attivazione e utilizzo del copione più rapidi e accurati. Quando i meccanismi causali o "la scienza biomedica" sono inclusi nei progetti didattici standard per la medicina interna, contenenti la manifestazione clinica della malattia, gli studenti ottengono risultati significativamente migliori, specialmente nei test ritardati e nei test di trasferimento. Simili effetti positivi sulle prestazioni diagnostiche sono stati osservati quando descrizioni scientifiche di base "estese" che spiegano i meccanismi causali sociologici e comportamentali sottostanti sono integrate all'interno del progetto didattico per condizioni mediche complesse che includono una combinazione di problemi sociali, somatici e psicologici. Le prestazioni diagnostiche immediate e conservate dello studente e il trasferimento delle conoscenze migliorano se vengono introdotte analogie visive biomeccaniche dei meccanismi causali all'interno della descrizione dei meccanismi causali. L'effetto positivo dell'integrazione della scienza biomedica è sfruttato al meglio quando è mescolato con curricula classici che descrivono le manifestazioni cliniche delle malattie. Gli effetti positivi della classica diagnostica da manuale sui casi scritti si traducono anche in una diagnostica visiva, ad es. radiologia dentale e la conoscenza concettuale sottostante delle abilità procedurali, ad es. puntura lombare. L'integrazione delle spiegazioni causali per i criteri visivi utilizzati nella diagnostica visiva aumenta le prestazioni diagnostiche sia immediate che a lungo termine degli studenti. Il miglioramento delle prestazioni diagnostiche associato all'integrazione della scienza biomedica si è rivelato resistente ai compromessi velocità-accuratezza, il che indica che una forte rappresentazione di "difetti" all'interno di un copione di malattia aumenta la capacità dei diagnostici di attivare rapidamente e con precisione il copione. Sebbene le spiegazioni scientifiche di base sembrino tradursi nelle varie modalità mediche, è importante notare che la diagnostica visiva varia in modo significativo dalle restanti modalità diagnostiche. Quando i dermatologi esperti esaminano una lesione cutanea, si formano immediatamente un'impressione globale generando una o più diagnosi provvisorie che di solito sono molto accurate. Successivamente, si impegnano in una strategia di ragionamento all'indietro nel tentativo di trovare caratteristiche che giustifichino o respingano la loro diagnosi provvisoria. L'impressione globale è il risultato di operazioni intuitive del sistema 1, mentre l'analisi deliberata delle diagnosi differenziali e la ricerca delle caratteristiche sono operazioni deliberate del sistema 2. Sebbene gli esperti delle restanti specialità cliniche come internisti, neurologi e cardiologi facciano molto affidamento sul riconoscimento di schemi, le loro valutazioni si basano su input (sintomi, anamnesi, test di laboratorio, ecc.) che vengono raccolti deliberatamente, richiedendo un grado maggiore di processi del sistema 2 all'inizio del processo di ragionamento diagnostico. Gli investigatori teorizzano che questa differenza nel "punto nel tempo" in cui il riconoscimento del modello viene utilizzato dalle varie specialità diagnostiche dovrebbe riflettersi nell'educazione delle varie specialità. Sulla base di queste riflessioni, l'intervento educativo ottimale per i medici che si affidano principalmente all'elaborazione visiva (dermatologia, patologia e radiologia) dovrebbe essere una formazione basata su casi con feedback visivo diretto accoppiato a un curriculum con un design didattico conciso e pertinente. Gli studi precedentemente menzionati mostrano che l'integrazione della scienza di base all'interno di un tale progetto didattico migliora l'accuratezza diagnostica e il trasferimento delle conoscenze a categorie di malattie simili. Tuttavia, precedenti studi sulla diagnostica visiva non sono riusciti a stabilire se il miglioramento delle prestazioni in seguito all'integrazione delle scienze di base migliora il riconoscimento del modello da parte dei medici, la strategia di ricerca deliberata delle caratteristiche o entrambi. Gli interventi educativi all'interno di questi studi sono stati brevi e hanno incluso meno di 3 casi formativi per diagnosi, che i ricercatori di questo studio considerano bassi rispetto alla formazione di rappresentazioni mentali per la classificazione visiva delle malattie (pattern recognition). Infine, gli studi precedenti non hanno esaminato l'effetto dell'integrazione della scienza di base all'interno della progettazione didattica degli interventi di formazione per la diagnostica visiva e il suo effetto sul comportamento di apprendimento (durata totale e numero di volte che accedono al materiale didattico), curve di apprendimento (formazione di rappresentazioni mentali) e recupero di abilità/conoscenze. I ricercatori ipotizzano che l'introduzione di spiegazioni scientifiche di base all'interno della progettazione didattica della formazione basata su casi in diagnostica visiva migliorerà le curve di apprendimento degli studenti, la conservazione e il recupero di conoscenze/abilità dopo un periodo di abbandono. A nostra conoscenza, non ci sono studi precedenti che elaborino l'effetto dell'integrazione di spiegazioni biomediche per criteri visivi in ​​un prolungato intervento educativo basato su casi volto a formare le capacità di riconoscimento di modelli degli studenti.Riconoscendo che l'apprendimento può differire quando ci si concentra su studenti principianti e più avanzati e che le prestazioni immediate non sempre prevedono risultati di apprendimento a lungo termine, questa è un'importante lacuna di ricerca da colmare.

Domanda di ricerca:

In un gruppo di studenti di medicina con una formazione dermatologica limitata, qual è l'effetto dell'integrazione delle spiegazioni causali biomediche dei criteri visivi durante un prolungato programma di formazione sul cancro della pelle basato su casi nel riconoscimento visivo del modello rispetto a un progetto didattico identico senza spiegazioni biomediche? In che modo lo spostamento delle risorse cognitive degli studenti dalla pratica del riconoscimento del modello alla comprensione del modello, influenzerà il loro comportamento di apprendimento, la curva di apprendimento (accuratezza e tempo per diagnosi) e il recupero delle capacità di riconoscimento del modello dopo un periodo di esaurimento?

Metodo:

Lo studio sarà condotto come studio controllato randomizzato con un rapporto di allocazione di 1:1. I partecipanti iscritti devono essere iscritti attivamente alla Facoltà di Scienze della Salute e della Medicina, Università di Copenaghen, e aver superato gli esami di istopatologia di base e fisiologia cellulare. I criteri di esclusione sono l'ex formazione in dermoscopia o diagnostica del cancro della pelle in generale. Saranno reclutati un minimo di 60 studenti. Tutti i partecipanti sono tenuti a scaricare un'applicazione mobile (Dermloop) contenente il materiale didattico. Durante la registrazione, ai partecipanti verrà chiesto di compilare le informazioni relative ai propri dati demografici, inserire un codice di prova a sei cifre e firmare un consenso digitale. Al momento della registrazione, i partecipanti verranno automaticamente assegnati in modo casuale alla scienza di base o al gruppo di funzionalità. Durante lo studio tutti i partecipanti completeranno quattro passaggi (vedi figura):

1. Pre test
2. La sessione di formazione digitale nella diagnostica del cancro della pelle si è concentrata su sette diagnosi differenziali (nevi, melanoma, cheratosi seborroica/lentigo solare, carcinoma basocellulare, dermatofibromi e lesioni vascolari) che si estendono su 7 giorni. Il materiale didattico differisce tra i due gruppi di studio. Il gruppo scientifico di base avrà accesso a moduli che descrivono i criteri visivi caratteristici per ogni diagnosi e la loro causa istopatologica sottostante. Il gruppo di caratteristiche leggerà descrizioni identiche dei criteri visivi senza una spiegazione dei meccanismi causali sottostanti.
3. Sessione di riqualificazione
4. Prova di ritenzione

Pre test:

Il pre-test è costituito da 12 elementi campionati in modo casuale (coefficiente di generalizzabilità di 0,7) da una libreria di elementi del test (n = 25 elementi) con prova di validità stabilita per la diagnostica del cancro della pelle.

Sessione di formazione digitale:

La sessione consiste in un'introduzione e presentazione di sei diagnosi (nevi, melanoma, cheratosi seborroica/lentigo solare, carcinoma basocellulare, dermatofibromi e lesioni vascolari).

Introduzione L'introduzione comprende una breve introduzione scritta sulla diagnostica del cancro della pelle e sulle sei diagnosi che saranno incluse nell'intervento educativo. Ai partecipanti verrà chiesto di leggere brevemente i vari criteri dermoscopici che sono caratteristici delle sette diagnosi.

Pratica basata sui casi

Ai partecipanti verrà chiesto di esercitarsi su 500 lesioni cutanee entro 7 giorni. La formazione consiste in quiz con feedback diretto. Ai partecipanti verrà chiesto di diagnosticare lesioni cutanee in base all'età e al sesso del paziente, un'immagine clinica, un'immagine dermoscopica e la posizione della lesione cutanea. I partecipanti riceveranno un feedback immediato in seguito alla scelta della diagnosi. Il feedback consiste nella loro diagnosi, nella diagnosi corretta, nell'accesso alla progettazione didattica di entrambe le diagnosi e nella capacità di alternare tra le immagini e la posizione. Ogni quiz è lungo 10 casi e la distribuzione delle diagnosi è casuale in ogni quiz, ma con una distribuzione complessiva su 100 casi di:

Distribuzione della diagnosi:

Melanoma 20% Nevi 20% Seb. K./ Lentigo Solaris 20% Dermatofibroma 10% Carcinoma a cellule basali 10% Emangioma 10% Carcinoma a cellule squamose. 10%

Sessione di riqualificazione:

Dopo il periodo di sospensione di 14 giorni, a tutti i partecipanti verrà chiesto di accedere all'applicazione e di esercitarsi su altri 100 casi entro due giorni.

Prova di ritenzione:

Sette giorni dopo la conclusione della sessione di riqualificazione, ai partecipanti verrà chiesto di rispondere a un test di ritenzione. Il test di ritenzione è costituito da 12 elementi campionati casualmente (coefficiente di generalizzabilità di 0,7) dalla stessa libreria di elementi del test (n= 25 elementi) utilizzata per il pre-test.

Risultati primari:

Pendenza e plateau (se raggiunti) della curva di apprendimento iniziale (accuratezza e tempo per diagnosi) Pendenza e plateau (se raggiunti) di una curva di apprendimento secondaria (accuratezza e tempo per diagnosi) dopo un periodo di washout

Esito secondario:

Tempo trascorso a leggere materiale didattico Numero di volte in cui è stato effettuato l'accesso al materiale didattico Variazione delle prestazioni da pre-test a test di ritenzione.