タスク全体のハイブリッド シミュレーションにより、心臓病学事務における医学生の能力が向上

医学における長い症例試験は、臨床能力を試す本物の試験とみなされます。しかし、使用される患者のばらつきや主観的な検査者の採点により、信頼性と有効性が低いことが示されています。 この研究では、研究者らは、新しい聴診ベストを着用した標準化された患者、つまりハイブリッド患者を使用したハイブリッドシミュレーションによる専門家の指導と反復的なピアグレーディングにより、連続する心臓病学の長期症例試験における学生の学習と成績が向上すると仮説を立てた。 さらに、彼らは、主観的ではない定量的なスコアリング チェックリストを使用することで、この形式の有効性が向上するだろうと仮説を立てました。

心臓病学における 3 つの臨床シナリオのスクリプト化された病歴とスコアリング チェックリストは、臨床専門家パネルによる共同作成され、反復的な合意を通じて改良されました。次に、これらを、既知の心臓弁膜症を患う実際の患者 3 名からの聴診所見の記録と組み合わせました。 感圧パネルスピーカーが埋め込まれたウェアラブルベストは、解剖学的に標準的な聴診ポイントで検査するときにこれらの記録を送信するために開発されました。 RCSI の医学大学院入学学位プログラムの学生は、この研究に登録し、ハイブリッド シミュレーションを使用した心臓病学 (LC1 ～ LC3) の一連の 3 つの長い症例試験を受けるよう招待されました。 各参加者のパフォーマンスは、2 人のピア参加者と 2 人の RCSI 試験官によって新しい採点チェックリストを使用して記録され、採点されました。 さらに、参加者はランダムに 2 つのグループに分けられました。グループ 1 は、LC1 と LC2 の間で専門トレーナーからハイブリッド患者に対して個別および小グループの指導を受けました。グループ 2 の人々は、LC2 と LC3 の間で同じ介入を受けました (ランダム化された待機リスト設計)。 参加者は研究前後のアンケートに回答しました。 データは数値 (%)、平均値 ± 標準偏差、または中央値 (四分位範囲) として表示されます。 グループ比較は、対応のない t 検定またはカイ二乗 (χ2) 検定のいずれかを使用して行われました。 p 値 < 0.05 は統計的に有意であるとみなされます。 多変量解析は、一般的な線形混合モデリングと多重ロジスティック回帰を使用して実施されました。 観察者間の変動は、クラス内相関係数 (ICC) を使用して評価されました。