모의 위기 및 스트레스 상황에서 디지털 인지 보조 장치 사용 성능에 미치는 영향

전장 사망의 역학은 매우 높은 스트레스를 받는 환경에서 안전과 치료의 필요성을 강조합니다. 실제로 전사자의 약 90%가 첫 번째 병원이나 치료실에 도착하기 전에 사망하는 것으로 나타났습니다. ABCDE, SAFE MARCHE RYAN 및 로컬 프로토콜과 같은 관리 알고리즘은 다양한 실습 환경에서 긴급 상황에서 심각한 외상을 처리할 때 군 의료 전문가가 적용하는 많은 원칙 중 하나입니다. 전투 중에 그들의 행동은 적의 공격, 어둠, 극한 환경에서 상당한 수의 희생자를 위해 제한된 수단으로 수행됩니다. 결과적으로 전장에서 이러한 다양한 선택과 특정 실행 조건은 위급하고 스트레스가 많은 상황에서 전쟁 부상자 관리 지침을 적용하기 어렵게 만들고 의료 오류의 원인이 될 수 있습니다. 건강 시뮬레이션은 안전하지 않은 상황에 대비한 안전한 환경에서 교육 및 준비를 위한 주요 도구 중 하나입니다("환자에게 처음부터 적용되지 않음"). 의료 전문가를 위한 새로운 의사 결정 및 프로토콜화 도구인 MAX(Medical Assistant eXpert) 인지 보조 장치는 이미 마취 및 기본적인 전투 사상자 치료에서 중요한 고통 관리 오류 수를 줄이는 데 그 효과가 입증되었습니다. .

재료 및 방법:

연구 대상 인구: Val-de-Grâce가 지정한 외부 작전(OPEX) 또는 단기 임무(MCD)에 배치될 계획인 다양한 연령과 작전 경험을 가진 남녀 군의와 간호사 "전쟁 부상자의 생존 조건화"(MCSBG) 계속 훈련 과정을 위한 학습자로서의 학교.

연구 설계(수행): CESimMO(Center for Education and Simulation in Operational Medicine) 내 군대의 군의 및 간호사의 작전 준비의 일환으로 MCSBG 교육 과정 중에 수행된 분석적, 전향적, 무작위, 통제, 비맹검 연구 툴롱. 조사관은 매주 1주일 동안 진행되는 교육 세션 중 하루 오후에 4쌍의 학습자가 작업하도록 했습니다. 각 학습자 쌍은 비슷한 난이도와 복잡성을 가진 두 가지 다른 시나리오를 완료했습니다. 쌍이 작업할 수 있는 네 가지 시나리오 블록이 정의되었습니다. 쌍은 처음에 두 그룹에 무작위로 할당되었습니다. 첫 번째 시나리오가 MAX CA로 수행된 그룹 1과 두 번째 시나리오에서 CA가 사용된 그룹 2입니다. 따라서 각 그룹은 MAX를 사용하거나 사용하지 않고 시뮬레이션 시나리오를 수행했습니다. 시나리오는 하이파이 마네킹(SimMan 3G/ALS, Laerdal, Stavanger, Stavanger, Norway) 또는 하이브리드 표준화 환자(기술적 절차를 포함하여 관리가 가능한 해부학적 보철물이 장착된 표준화된 피험자)를 사용했습니다.

MAX CA 설명: MAX는 J.C. CEJKA에서 개발한 디지털 AC로 처음에는 마취 및 소생술 응급 상황 관리를 위해 고안되었습니다. MARCHE RYAN 프로토콜의 경우 각 작업은 CA에서 순차적으로 표시되었으며 다음 작업이 표시되기 전에 유효성을 검사해야 했습니다(READ 및 DO 모드). 확인된 작업을 검토하기 위해 뒤로 돌아갈 수 있었고 절차가 끝나면 사용자는 자신의 모든 작업을 최종적으로 확인할 수 있었습니다. MAX의 효과에 대한 평가는 이전에 건강 시뮬레이션을 통한 교육을 위해 Lyon 센터(CLESS, UCBL1 - Claude Bernard University Lyon 1)에서 수행되었지만 적대적인 환경에서의 의료화 교육(MEDICHOS) 및 지속적인 교육 중에도 수행되었습니다. 2단계 전투 구조/사상자 치료(SC).

연구에서 AC MAX 사용: 각 참가자는 모의 상황에서 부상당한 전쟁을 처리할 때 MAX 응용 프로그램을 폐기했습니다. 신청서 제출 및 처리는 각 과정의 첫날 아침에 이루어졌으며, 각 참가자에게 응용 프로그램을 다운로드하고 사용할 수 있는 라이센스가 부여되었습니다. 강사는 이 CA에 대한 질문에 답변하기 위해 참석했습니다. 연구 참여자의 익명성이 보장되었고 그들의 자원 봉사뿐만 아니라 각 과정의 시작 부분에서 수집된 사진을 찍고 비디오를 사용할 수 있는 권한이 부여되었습니다.

참가자는 두 가지 시나리오 중 하나에 대해 애플리케이션을 절대적으로 사용하도록 요청되었습니다(무작위 선택). MAX를 사용할 수 있다는 사실은 시나리오 브리핑 때마다 그들에게 전달됐다. 보다 정확하게는 MARCHE RYAN 알고리즘을 실행하는 것은 시나리오 시작부터 프로토콜이 끝날 때까지 MAX의 프롬프트를 따라 완전한 시퀀스를 위해 MAX AC를 사용해야 했습니다. 참가자들은 누가 MAX를 사용할지 결정했지만 이 사람은 MARCHE RYAN 프로토콜에 따라 MAX+ 및 MAX- 시나리오를 모두 사용해야 했습니다. 이 과정을 따랐던 강사/촉진자 중 한 명은 필요한 경우 전쟁 부상자를 치료하는 동안 이 요구 사항을 상기시키고 해당되는 경우 CA 사용을 강요했습니다.

블록 할당에 의한 무작위화는 그룹 1(MAX 우선) 및 그룹 2(MAX 우선)의 참가자를 균일하게 분포시키기 위해 오픈 소스 소프트웨어 R(randomizr library, R Foundation for Statistical Computing, Vienna, Austria, 버전 3.4.1)을 사용하여 수행되었습니다. 두 번째), 4개의 블록에 따라(시나리오 통과당 1개 블록). 시나리오 유형, 교육이 진행된 위치 및 강사 분포는 연구에 포함된 모든 MCSBG 과정에서 동일했습니다. 각 과정의 첫날 강사는 참가 연수생 목록에서 Toulon의 CESimMO라는 제목으로 쌍을 지정했습니다.

필요한 과목 수의 계산은 MAX CA가 기술적 및 비기술적 성능에 미치는 영향을 연구한 R. Lelaidier 및 M. Truchot의 작업 데이터를 기반으로 선험적으로 수행되었습니다. 이 작업에서 시나리오는 비슷한 난이도이므로 조사자는 이 요소로부터 어떤 중요한 효과도 기대하지 않으므로 평균의 차이는 MAX 사용에 의해 영향을 받습니다. 기대 효과의 크기는 평균 차이 13점, 표준 편차 sd=11, n=8 그룹(MAX가 있거나 없는 4개의 시나리오 블록)에서 계산되었으며, 이는 MAX CA 효과 크기 0.4에 해당합니다. 여덟 그룹 사이. 32쌍을 모집하면 조사자는 0.05의 첫 번째 종 위험으로 0.88의 검정력을 가질 수 있습니다. 즉, 32쌍의 모집단은 조사자가 최소 효과 크기 f=0.35, 검정력 0.8 및 첫 번째 종 위험 0.05를 표시할 수 있도록 합니다. 이 연구에 대해 계획된 중간 분석은 없었습니다.

데이터 수집 및 분석:

모든 공연은 촬영(GoPro Hero 4 카메라 사용, 미국 캘리포니아주 산마테오)하고 익명으로 처리되었습니다. MAX+ 및 MAX- 시나리오의 각 비디오 녹화는 두 명의 독립 평가자(NP 및 PR)가 기술 및 비기술 성능 등급 그리드를 사용하여 원격으로 평가했습니다. 사용된 척도는 이미 국제 저널에 발표되었습니다. 두 등급 사이에 10점 만점에 1점 이상의 차이가 발견되면 세 번째 평가자(AP)가 중재자 역할을 합니다.

AC MAX 사용이 성과에 미치는 영향에 대해 어떻게 느끼는지 알아보기 위해 각 과정이 끝날 때마다 참가자들에게 설문지(퀴즈)를 배포했습니다.