학부 의료 및 간호 프로그램의 건강한 노화에 대한 전문가 간 학습 및 시뮬레이션의 효과

설계: 이것은 무작위 통제 연구입니다. 적격 참가자는 1:1 비율로 개입 그룹(IPSE) 또는 통제 그룹(기존 과정)에 무작위로 할당됩니다. 조사자는 계층화 없이 4개의 블록 크기를 사용합니다. 4명의 학생으로 구성된 각 블록에 대해 각 처리에 대해 2개의 할당의 다른 무작위 순서가 생성됩니다. 난수 표를 사용하여 2개의 무작위 목록을 생성합니다: 하나는 간호 학생용이고 다른 하나는 의대생용입니다.

설정 및 참가자: 연구는 Università del Piemonte Orientale(이탈리아)에서 수행됩니다. 본 연구에서는 간호학과 2학년 자원봉사자와 의과대학 4, 5학년 학생 자원봉사자를 설명회를 통해 모집한다.

개입: IPSE 프로그램은 2단계로 나뉩니다. 1) 라이프스타일 수정에 대한 자율 학습 과정이 제공됩니다. 2) 4가지 다른 학습 방법: 교훈적인 강의, 역할극, 표준화된 환자 및 새로운 몰입형 고급 시뮬레이션 학습 환경이 제공됩니다. .

데이터 수집: 할당 전에 참가자의 기본 프로필을 얻기 위해 인구 통계 데이터(성별, 연령, 교육)를 수집합니다. 무작위화 전과 프로그램 완료 후 각 참가자는 평가 세션을 완료합니다.

샘플 크기 계산: NAS/PAS 점수에서 두 연구 부문 간에 차이가 존재하지 않는다는 귀무 가설을 기각하기 위해 80% 검정력을 제공하려면 최소 총 연구 샘플 크기 60개(간호 학생 24명 및 의대생 36명)가 필요합니다. 양면 1종 오차 5%. 두 그룹의 표본 크기의 균형을 맞추기 위해 연구자는 동일한 수의 간호학과 의대생을 모집하기로 결정했습니다(각 그룹당 36명의 참가자). 후속 조치에서 손실된 학생에 대한 10% 허용으로 80명의 학생 샘플이 필요하며 사용될 것입니다.

분석: 모든 분석은 ITT(Intention-To-Treat) 접근 방식을 기반으로 합니다. 중재를 시작하지 않거나 과정의 25%만 완료한 학생은 분석에 포함되지 않습니다. 설명적 통계 분석은 기준선에서 수집된 정보를 사용하여 각 학생 그룹에 대해 개별적으로 수행됩니다. 범주형 변수의 경우 각 범주의 참가자 수와 백분율이 보고되고 정규 분포된 연속 변수의 경우 평균 및 표준 편차 값이 계산됩니다. 데이터가 정상이 아닌 경우 조사자는 중앙값과 사분위수 범위를 사용합니다. 이후 산포자료 현상이 발생하지 않도록 연속변수와 순서변수의 결합수준을 분류하여 분석한다.

간호대학생과 의대생 간의 기준선 차이를 평가하기 위해 범주형 변수에 대해 근사(카이 제곱) 또는 정확(피셔) 연관 테스트를 수행하고 숫자 변수에 대해 연구자는 독립 T-테스트(모수) 또는 Mann-Whitney U 검정(비모수). 얻은 p 값 값이 보고됩니다.

기본 결과의 개별 응답 프로필이 구현됩니다. 그런 다음 피험자는 두 그룹으로 분류됩니다. 긍정적인 점수를 높이거나 부정적인 점수를 낮추면 성공하고 긍정적인 점수를 낮추거나 부정적인 점수를 높이면 실패합니다. 이러한 이진 결과 및 기록된 변수와의 연관성은 적절한 테스트(Chi-square, Fisher Exact, T, Mann-Withey)로 평가됩니다. 각 결과에 대해 상대적 위험은 강력한 오류 분산이 있는 포아송 회귀를 사용하여 각각의 95% 신뢰 구간으로 계산됩니다.

연구 데이터는 REDCap31 전자 데이터 캡처 도구로 수집 및 관리되며 SAS 버전 9.4를 사용하여 분석이 수행됩니다.