模擬危機およびストレス状況におけるデジタル認知補助の使用のパフォーマンスへの影響

戦場での死亡率の疫学は、非常に高いストレス下にある環境における安全性と迅速なケアの必要性を浮き彫りにしています。 実際、戦死した人の約90％が最初の病院や治療室に到着する前に死亡していることがわかっている。 ABCDE、SAFE MARCHE RYAN、ローカルプロトコルなどの管理アルゴリズムは、さまざまな実践現場で緊急事態における重篤な外傷に対処する際に軍の保健専門家が適用する多くの原則のひとつです。 戦闘中、彼らの行動は敵の砲火の下、暗闇の中で、極限の環境で、限られた手段で多数の犠牲者を出しながら実行されます。 その結果、戦場では、この多数の選択肢と特定の実践条件により、危機的でストレスの多い状況での戦傷者の管理ガイドラインを適用することが困難になり、医療ミスの原因となる可能性があります。 健康シミュレーションは、安全な環境で危険な状況（「患者にとって初めてではない」）に対するトレーニングと準備を行うための主要なツールの 1 つです。 新しい意思決定およびプロトコール化ツールが医療専門家向けに利用可能になりました。MAX (Medical Assistant eXpert) 認知補助装置は、麻酔における重大な苦痛の管理および基本的な戦闘傷病者のケアにおける誤りの数を減らす効果がすでに証明されています。 。

材料および方法：

調査対象集団: ヴァル・ド・グラースによって指定された対外作戦 (OPEX) または短期任務 (MCD) に派遣される予定の、さまざまな年齢と作戦経験を持つ軍の医師と軍看護師。年齢も女性もさまざまです。 「戦争負傷者のサバイバルコンディショニング」（MCSBG）継続訓練コースの学習者として学校に通います。

研究デザイン（実施）： 作戦医学教育シミュレーションセンター（CESimMO）内の軍隊の医師および看護師の作戦準備の一環として、MCSBG訓練コース中に実施される分析的、前向き、ランダム化、対照、非盲検研究。トゥーロン。 研究者らは、4 組の学習者に、1 週間にわたる各トレーニング セッション中の午後 1 回ずつ学習をさせました。 学習者の各ペアは、同様の難易度と複雑さの 2 つの異なるシナリオを完了しました。 ペアが作業できるシナリオの 4 つのブロックが定義されました。 ペアは最初に 2 つのグループにランダムに割り当てられました。グループ 1 では最初のシナリオが MAX CA で実行され、グループ 2 では CA が 2 番目のシナリオで使用されました。 したがって、各グループは MAX を使用した場合と使用しない場合のシミュレーション シナリオを実行しました。 シナリオでは、高忠実度マネキン (SimMan 3G / ALS、レールダル、スタヴァンゲル、スタヴァンゲル、ノルウェー) またはハイブリッド標準化患者 (技術的手順を含む管理を可能にする解剖学的プロテーゼを装備した標準化された被験者) のいずれかを使用しました。

MAX CA 説明: MAX は、J.C. CEJKA によって開発されたデジタル AC で、当初は麻酔と蘇生の緊急事態の管理を目的としていました。 MARCHE RYAN プロトコルの場合、各アクションは CA によって順番に提示され、次のアクションが表示される前に検証する必要がありました (READ および DO モード)。 検証されたアクションを確認するために戻ることができ、手順の最後に、ユーザーはすべてのアクションを最終チェックすることができました。 MAX の有効性の評価は、以前はリヨンの健康シミュレーション教育センター (CLESS、UCBL1 - クロード ベルナール大学リヨン 1) で実施されましたが、過酷な環境における医療化のトレーニング (MEDICHOS) や継続的なトレーニング中にも実施されました。 2レベルの戦闘救助/傷病者ケア(SC)。

研究における AC MAX の使用: 各参加者は、模擬状況で戦争負傷者を治療する際に MAX アプリケーションを廃棄しました。 アプリケーションのプレゼンテーションとその取り扱いは各コースの最初の朝に行われ、アプリケーションをダウンロードして使用するためのライセンスが各参加者に付与されました。 インストラクターは、この CA に関するあらゆる質問に答えるために出席しました。 研究参加者の匿名性とボランティア活動が保証され、各コースの開始時に収集された写真を撮ったりビデオを使用したりする許可も得られました。

参加者は、2 つのシナリオのうちの 1 つでアプリケーションを絶対に使用するように要求されました (ランダムな選択)。 MAXが使えることはシナリオ説明会でその都度伝えられていました。 より正確には、MARCHE RYAN アルゴリズムを実行するものは、シナリオの開始からプロトコルの終了まで MAX のプロンプトに従う完全なシーケンスで MAX AC を使用する必要がありました。 参加者はペアの誰が MAX を使用するかを決定しましたが、この人は MARCHE RYAN プロトコルに従って MAX+ シナリオと MAX- シナリオの両方を使用する必要がありました。 このプロセスに従ったインストラクター/ファシリテーターの 1 人は、必要に応じて戦傷病者の治療中にこの要件を思い出させ、該当する場合には CA の使用を課しました。

ブロック割り当てによるランダム化は、オープン ソース ソフトウェア R (randomizr ライブラリ、R Foundation for Statistical Computing、ウィーン、オーストリア、バージョン 3.4.1) を使用して実行され、グループ 1 (MAX が最初) とグループ 2 (MAX が最初) の参加者の分布が均一になりました。 2 番目)、4 つのブロック (シナリオ パッセージごとに 1 ブロック) に従っています。 シナリオの種類、トレーニングが行われた場所、トレーナーの配置は、研究に含まれたすべての MCSBG コースで同じでした。 ペアの指定は、トゥーロンの CESimMO のタイトルのトレーナーによって、参加するトレーニーのリストから各コースの初日に行われました。

必要な被験者の数の計算は、技術的および非技術的パフォーマンスに対する MAX CA の影響を研究した R. Lelaidier と M. Truchot の研究のデータに基づいてアプリオリに実行されました。 この作業では、シナリオの難易度が同様であるため、調査者はこの要因による重大な影響を期待していないため、平均値の違いは MAX の使用によって影響を受けることになります。 期待される効果のサイズは、n=8 グループ (MAX の有無にかかわらず 4 つのシナリオ ブロック) で、13 ポイントの平均差と sd=11 の標準偏差から計算されました。これは、MAX CA 効果サイズ 0.4 に相当します。 8つのグループの間。 32 ペアの採用により、研究者は検出力 0.88、最初の種リスク 0.05 を得ることができます。 言い換えれば、32 ペアの母集団により、研究者は最小効果サイズ f=0.35、検出力 0.8、最初の種リスク 0.05 を示すことができます。 この研究では中間解析は計画されていませんでした。

データの収集と分析:

すべてのパフォーマンスは撮影され (米国カリフォルニア州サンマテオの GoPro Hero 4 カメラを使用)、匿名化されました。 MAX+ および MAX- シナリオの各ビデオ録画は、技術的および非技術的パフォーマンス評価グリッドを使用して、2 人の独立した評価者 (NP および PR) によってリモートで評価されました。 使用されたスケールはすでに国際雑誌に掲載されています。 2 つの評価間に 10 点中 1 ポイントを超える差が見つかった場合、第 3 の評価者 (AP) が仲介者として機能します。

各コースの最後には、AC MAXの使用がパフォーマンスに与える影響についてどう感じているかを調査するためのアンケート（クイズ）も参加者に配布されました。