DKA 관리의 컴퓨터 기반 시뮬레이션 (DKA)

당뇨병성 케톤산증(DKA)은 미국에서 연간 약 115,000명의 병원 퇴원을 차지합니다. 이 생명을 위협하는 임상 증상의 적절한 관리에는 저칼륨혈증, 저혈당증 및 DKA 재발 방지를 포함하여 시기적절하고 세심한 개입이 필요합니다. 그러나 임상 관리는 여전히 이상적이지 않습니다. 예를 들어, DKA의 1차 진단으로 대규모 교육 병원에 입원한 환자의 최근 후향적 차트 감사에서 75%가 부적절한 인슐린 요법을 받았습니다. 연습 격차에 대한 이러한 증거는 컴퓨터 시뮬레이션 교육을 사용하여 연결될 수 있습니다.

시뮬레이션된 교육 환경에서 교육생은 환자에게 해를 끼칠 위험 없이 교육에서 경험할 수 없는 흔하지 않지만 중요한 임상 프리젠테이션을 관리할 수 있는 기회를 갖습니다. Cook et al.의 최근 체계적 검토. 다양한 분야의 의료 전문가를 대상으로 시뮬레이션 기반 개입과 개입 없음을 비교한 405건의 연구를 분석했습니다. 저자는 시뮬레이션이 지식을 향상시킨다는 것을 발견했습니다[풀 효과 크기 1.20(95% 신뢰 구간(CI), 1.04-1.35)]. 및 기술[1.09(95% CI,1.03-1.16)의 합동 효과 크기]. 또 다른 체계적 검토는 가상 환자 시뮬레이션을 개입 없이 비교한 50개의 연구를 분석했으며 개입이 없는 경우와 비교하여 가상 환자 시뮬레이션의 큰 긍정적 효과를 발견했습니다(통합 효과 크기 0.94(95% CI 0.69-1.19) 지식 성과의 경우, 0.80(95% CI 0.52-1.08) 임상 추론 및 0.90(95% CI 0.61-1.19) 다른 기술).

시뮬레이션을 개입이 없는 것과 비교하는 많은 연구가 있지만, 다른 시뮬레이션 기반 개입을 직접 비교한 ​​연구는 거의 없습니다. 시뮬레이션의 효과에 대한 두 가지 체계적 검토에서 반복적인 연습이 일회성 교육 양식보다 우수하다는 것이 입증되었습니다. 이 검토에 포함된 연구는 장기적인 기술 유지를 위해 얼마나 많은 연습이 필요한지 보고했습니다. 이러한 체계적인 검토는 또한 개별화된 성과에 맞게 조정된 교육이 더 나은 학습 결과와 관련이 있음을 보여주었습니다.

그러나 여전히 불분명한 것은 개별 학습의 매개변수를 정의할 때 누가 통제 위치를 가져야 하는가입니다. 한 무작위 통제 시험은 요추 천자 시뮬레이션을 사용하여 레지던트 훈련을 위한 자기 조절 학습과 강사 조절 학습 개입을 비교했으며 자기 조절 학습이 3개월에서 우수한 장기 기술 유지로 이어질 수 있음을 밝혔습니다. 집중된 반복 연습은 의도적 연습의 핵심 요소 중 하나이므로 자기 조절 학습자는 연습량을 최적화할 수 있다는 점에서 우수한 결과를 얻을 가능성이 더 높다고 가정할 수 있습니다. 그러나 이것은 시뮬레이터 학습 환경에 대해 아직 평가되지 않았습니다.

감독되지 않은 시뮬레이션 커리큘럼과 감독된 시뮬레이션 커리큘럼의 효과는 상충되는 결과를 낳았습니다. 서로 다른 시뮬레이션 양식을 비교하는 체계적 검토에서 그룹 교육이 더 나은 결과와 관련이 없는 것으로 나타났습니다(통합 효과 크기 -0.22). 반면 시뮬레이션을 다른 교육 양식과 비교한 무작위 시험에 대한 이전의 체계적인 검토에서는 그룹 교육이 긍정적인 학습 효과와 관련이 있음이 밝혀졌습니다(통합 효과 크기 0.72). 지도 학습은 학습자에게 지속적인 연습을 향상시키기 위해 의도적 연습의 핵심 요소인 지속적인 정보 피드백의 기회를 제공하기 때문에 지도 학습이 비지도 학습보다 우수하다고 생각할 수 있습니다. 그러나 이것은 시뮬레이션 기반 교육을 위해 공식적으로 테스트되지 않았습니다.

시뮬레이션 교육에서 자기 조절 학습 및 감독 대 비지도 학습은 추가 탐색이 필요합니다. 조사관은 의대생에 대한 (1) 코칭 대 비코칭 관리 및 (2) 사전 선택된 실습 사례 수 대 자체 선택한 실습 사례 수의 영향을 비교하는 2 x 2 요인 군집 무작위 통제 시험을 수행했습니다. DKA 관리의 컴퓨터 기반 시뮬레이션에 대한 레지던트 점수. 의도적 연습 이론을 활용하여 연구자들은 감독 환경에서 시뮬레이터를 사용한 참가자가 시뮬레이터에서 더 높은 점수를 받을 것이라는 가설을 세웠습니다. 또한 자기 조절 학습에 무작위로 배정된 참가자가 시뮬레이터에서 더 높은 점수를 받을 것이라는 가설을 세웠습니다.