Integrert grunnleggende vitenskap innen instruksjonsdesign av mønstergjenkjenningsopplæring (AISC-ISF)

Bakgrunn:

Å sikre at medisinstudenter og nybegynnere blir gode diagnostikere er fortsatt kjernen i medisinsk utdanning. I mer enn seks tiår har akademikere og klinikere søkt en forståelse av de mest vellykkede diagnostiske resonnementstrategiene og hvordan man kan utdanne fremtidige leger i disse strategiene. Forskning har avdekket at de fleste diagnostikere bruker en blanding av mønstergjenkjenning, deduktiv baklengs resonnement, dvs. søker etter symptomer eller tegn som rettferdiggjør en tentativ diagnose, og induktive foroverresonneringsstrategier, dvs. analyserer den mest sannsynlige diagnosen basert på tegn og symptomer. Det er noen bevis for at nybegynnere er mer tilbøyelige til bevisste deduktive og induktive diagnostiske resonneringsstrategier, mens erfarne klinikere generelt er mer avhengige av mønstergjenkjenning. I motsetning til nybegynnere, identifiserer eksperter generelt den mest sannsynlige diagnosen basert på mønstergjenkjenning, etterfulgt av bevisste og ofte ubevisste deduktive resonnementer, rettet mot å rettferdiggjøre eller utelukke de identifiserte tentative diagnosene. Dual-prosessteorien gir en forklaring på denne to-trinns resonnementstrategien, og deler menneskelig erkjennelse inn i to systemer; det intuitive systemet 1 (mønstergjenkjenning) og det bevisste og analytiske deduktive/induktive systemet 2. Mønstergjenkjenning (system 1) er umiddelbar, ofte svært nøyaktig, og krever minimale ressurser selv om det har blitt mye kritisert for å være utsatt for ubevisste heuristiske skjevheter. De bevisste system 2-prosessene er langsommere og krever betydelig større kognitive ressurser enn system 1-prosesser. System 2-prosesser anses generelt som mindre utsatt for ubevisste skjevheter, selv om flere funn tyder på noe annet. De fleste foretrekker å bruke det effektive og ikke-anstrengende system 1 når det er mulig, og bare aktive system 2-prosesser når det er absolutt nødvendig. Dessverre er mønstergjenkjenning (system 1) i en diagnostisk setting avhengig av domenespesifikk erfaring, som vanligvis er utilgjengelig for nybegynnere som derfor stoler på de betydelig mer krevende system 2-operasjonene under diagnostikk. Flere forfattere argumenterer for at lærere bør vurdere å undervise eller fremme mønstergjenkjenning hvis mulig, da det muliggjør nøyaktig, effektiv og mindre krevende diagnostikk. Realistisk og omfattende opplæring i mønstergjenkjenning er mulig innenfor medisinske spesialiteter som hovedsakelig er avhengige av visuell prosessering som patologi, radiologi og dermatologi. Store case-biblioteker med kommenterte røntgenbilder, patologilysbilder eller dermoskopiske bilder kan gjøres lett tilgjengelige for praksis, slik at studentene kan oppnå sterke mentale representasjoner av de relevante differensialdiagnosene før de starter sin kliniske karriere. Det finnes omfattende litteratur om hvordan man kan legge til rette for utvikling av sterke mentale representasjoner gjennom mønstergjenkjenningstrening. Selv om identifisering av benbruddtyper, cellulære abnormiteter og hudtilstander er viktig, er ytterligere kunnskapsinnhenting og prosessering nødvendig for å gi pasientene riktig behandlingsregime. Kunstig intelligens og trente duer (ja, duer) håndterer bildediagnostikk imponerende godt, med flere forfattere som rapporterer nøyaktigheter på nivå med ekspertklinikere. Men i motsetning til ekspertklinikere, er maskiner og duer for tiden ikke i stand til å hente ett eller flere komplekse forhåndskompilerte diagnosespesifikke skript eller skjemaer fra langtidshukommelsen basert på subtile diagnostiske signaler, etterfulgt av en bevisst analyse av den mest sannsynlige diagnosen og passende behandlingstiltak . Sykdomsskriptteori forsøker å forklare denne utrolige minneinnhentingen og prosesseringsoperasjonen gjennom et enkelt rammeverk. Sykdomsskript er definert som mentale representasjoner eller skjemaer av en sykdom eller sykdom som inneholder muliggjørende forhold, dvs. demografi og medisinsk historie, konsekvenser, dvs. symptomer og presentasjoner av sykdommen/sykdommen, og feil, dvs. den biomedisinske forklaringen på konsekvenser og muliggjørende forhold . Når en erfaren lege gjenkjenner et bestemt mønster av muliggjørende tilstander, konsekvenser og feil, aktiverer og henter den ett eller flere sykdomsskript fra langtidsminnet, og låser opp all kunnskapen som er lagret i det skriptet, inkludert sykdommens fysiologi og sammenhengende skript ( differensialdiagnoser). Lite er kjent om dannelse og konsolidering av sykdomsskript under medisinsk og klinisk opplæring, men det er økende bevis for å kombinere den underliggende fysiologien og anatomien (feil) med demografi (muliggjørende tilstander) og symptomer (konsekvenser) i undervisningsmateriellet til utdanning. intervensjoner i medisin. En underliggende konseptuell forståelse av den medisinske tilstandens årsaksmekanismer ser ut til å hjelpe praktikanter med å konsolidere og koble sammen sykdomsskriptene sine, noe som resulterer i raskere og mer nøyaktig skriptaktivering og bruk. Når årsaksmekanismer eller "den biomedisinske vitenskapen" er inkludert i standard instruksjonsdesign for indremedisin, som inneholder klinisk manifestasjon av sykdommen, presterer studentene betydelig bedre, spesielt på forsinkede tester og overføringstester. Lignende positive effekter på diagnostisk ytelse har blitt observert når "utvidede" grunnleggende vitenskapelige beskrivelser som forklarer de underliggende sosiologiske og atferdsmessige årsaksmekanismene er integrert i instruksjonsdesignet for komplekse medisinske tilstander som inkluderer en kombinasjon av sosiale, somatiske og psykologiske problemer. Studentens umiddelbare og beholdte diagnostiske ytelse og kunnskapsoverføring forbedres dersom biomekaniske visuelle analogier av årsaksmekanismene introduseres i beskrivelsen av årsaksmekanismene. Den positive effekten av å integrere biomedisinsk vitenskap utnyttes best når den blandes med klassiske læreplaner som beskriver kliniske manifestasjoner av sykdommer. De positive effektene fra klassisk lærebokdiagnostikk på skriftlige saker slår også ut mot visuell diagnostikk, f.eks. dental radiologi, og den underliggende konseptuelle kunnskapen om prosedyreferdigheter, f.eks. lumbal punktering. Integrering av årsaksforklaringene for visuelle kriterier brukt i visuell diagnostikk øker både den umiddelbare og langsiktige diagnostiske ytelsen til studentene. Forbedringen i diagnostisk ytelse assosiert med integrering av biomedisinsk vitenskap har vist seg å være motstandsdyktig mot hastighet-nøyaktighet avveininger, noe som indikerer at en sterk representasjon av "feil" i et sykdomsskript øker diagnostikernes evne til raskt og nøyaktig å aktivere skriptet. Selv om grunnleggende vitenskapelige forklaringer ser ut til å oversettes på tvers av de ulike medisinske modalitetene, er det viktig å merke seg at visuell diagnostikk varierer betydelig fra gjenværende diagnostiske modaliteter. Når erfarne hudleger undersøker en hudlesjon, danner de umiddelbart et globalt inntrykk som genererer en eller flere tentative diagnoser som vanligvis er svært nøyaktige. Deretter engasjerer de seg i en bakoverresonnerende strategi som prøver å finne trekk som rettferdiggjør eller avviser deres tentative diagnose. Det globale inntrykket er et resultat av intuitive system 1-operasjoner mens den bevisste analysen av differensialdiagnoser og funksjonssøk er bevisste system 2-operasjoner. Selv om eksperter fra gjenværende kliniske spesialiteter som internister, nevrologer og kardiologer er avhengige av mønstergjenkjenning, er vurderingene deres basert på input (symptomer, sykehistorie, laboratorietester osv.) som er samlet bevisst, og krever en større grad av system 2-prosesser tidlig i den diagnostiske resonneringsprosessen. Etterforskere teoretiserer at denne forskjellen i «tidspunktet» hvor mønstergjenkjenning brukes av de ulike diagnostiske spesialitetene bør gjenspeiles i utdanningen til de ulike spesialitetene. Basert på disse refleksjonene, bør den optimale pedagogiske intervensjonen for klinikere som hovedsakelig er avhengige av visuell prosessering (dermatologi, patologi og radiologi) være case-basert opplæring med direkte visuell tilbakemelding koblet til en læreplan med en kortfattet og relevant instruksjonsdesign. De tidligere nevnte studiene viser at integrering av grunnleggende vitenskap innenfor et slikt instruksjonsdesign forbedrer den diagnostiske nøyaktigheten og overføringen av kunnskap til lignende sykdomskategorier. Tidligere studier innen visuell diagnostikk har imidlertid ikke klart å fastslå om forbedret ytelse etter integrering av grunnleggende vitenskaper forbedrer klinikeres mønstergjenkjenning, bevisste funksjonssøkestrategi eller begge deler. De pedagogiske intervensjonene i disse studiene har vært korte og inkluderte mindre enn 3 treningstilfeller per diagnose, som etterforskerne av denne studien anser som lav med hensyn til dannelsen av mentale representasjoner for visuell klassifisering av sykdommer (mønstergjenkjenning). Til slutt, tidligere studier har ikke undersøkt effekten av å integrere grunnleggende vitenskap innenfor instruksjonsdesign av treningsintervensjoner for visuell diagnostikk og dens effekt på læringsatferd (total varighet og antall ganger tilgang til instruksjonsmateriell), læringskurver (dannelse av mentale representasjoner) , og gjenfinning av ferdigheter/kunnskap. Etterforskere antar at innføringen av grunnleggende vitenskapelige forklaringer innenfor instruksjonsdesignet av case-basert opplæring i visuell diagnostikk vil forbedre elevenes læringskurver, retensjon og gjenfinning av kunnskap/ferdigheter etter en utvaskingsperiode. Så vidt vi vet, er det ingen tidligere studier som utdyper effekten av å integrere biomedisinske forklaringer for visuelle kriterier i en langvarig case-basert pedagogisk intervensjon rettet mot å trene elevenes mønstergjenkjenningsferdigheter.Ved å erkjenne at læring kan variere når man fokuserer på nybegynnere og mer avanserte elever og at umiddelbare ytelser ikke alltid forutsier langsiktige læringsutbytte, er dette et viktig forskningshull å fylle.

Forskningsspørsmål:

I en gruppe medisinstudenter med begrenset dermatologisk opplæring, hva er effekten av å integrere biomedisinske årsaksforklaringer av visuelle kriterier under et forlenget case-basert hudkreftopplæringsprogram i visuell mønstergjenkjenning sammenlignet med et identisk instruksjonsdesign uten biomedisinske forklaringer? Hvordan vil forskyvningen av elevenes kognitive ressurser fra å praktisere mønstergjenkjenning mot å forstå mønsteret, påvirke deres læringsatferd, læringskurve (nøyaktighet og tid per diagnose), og gjenfinning av mønstergjenkjenningsferdigheter etter en utvaskingsperiode?

Metode:

Studien vil bli utført som en randomisert kontrollert studie med et allokeringsforhold på 1:1. Påmeldte deltakere må være aktivt påmeldt ved Fakultet for helse og medisinske vitenskaper, Københavns Universitet, og ha bestått eksamen i grunnleggende histopatologi og cellefysiologi. Eksklusjonskriterier er tidligere opplæring i dermoskopi eller hudkreftdiagnostikk generelt. Det skal rekrutteres minimum 60 studenter. Alle deltakere må laste ned en mobilapplikasjon (Dermloop) som inneholder undervisningsmateriellet. Under registreringen vil deltakerne bli bedt om å fylle ut informasjon om deres demografi, angi en sekssifret prøvekode og signere et digitalt samtykke. Ved registrering vil deltakerne automatisk bli tilfeldig allokert til den grunnleggende vitenskaps- eller funksjonsgruppen. I løpet av studien vil alle deltakerne fullføre fire trinn (se figur):

1. Pre-test
2. Digital treningsøkt i hudkreftdiagnostikk konsentrert seg om syv differensialdiagnoser (nevi, melanom, seboreiske keratoser/sollentigo, basalcellekarsinom, dermatofibromer og vaskulære lesjoner) som strekker seg over 7 dager. Instruksjonsmateriell er forskjellig mellom de to studiegruppene. Grunnfagsgruppen vil ha tilgang til moduler som beskriver de karakteristiske visuelle kriteriene for hver diagnose og deres underliggende histopatologiske årsak. Funksjonsgruppen vil lese identiske beskrivelser av de visuelle kriteriene uten en forklaring av de underliggende årsaksmekanismene.
3. Omskoleringsøkt
4. Retensjonstest

Pre-test:

Fortesten består av 12 tilfeldig utvalgte elementer (generaliserbarhetskoeffisient på 0,7) fra et testelementbibliotek (n= 25 elementer) med etablert validitetsbevis for hudkreftdiagnostikk.

Digital treningsøkt:

Sesjonen består av en introduksjon og presentasjon av seks diagnoser (nevi, melanom, seboreiske keratoser/solar lentigo, basalcellekarsinom, dermatofibromer og vaskulære lesjoner).

Innledning Innledningen inkluderer en kort skriftlig introduksjon om hudkreftdiagnostikk og de seks diagnosene som skal inngå i den pedagogiske intervensjonen. Deltakerne vil bli bedt om å kort lese gjennom de ulike dermoskopiske kriteriene som er karakteristiske for de syv diagnosene.

Saksbasert praksis

Deltakerne vil bli bedt om å trene på 500 hudlesjoner innen 7 dager. Opplæringen består av quiz med direkte tilbakemelding. Deltakerne vil bli bedt om å diagnostisere hudlesjoner basert på pasientens alder og kjønn, et klinisk bilde, et dermoskopisk bilde og plasseringen av hudlesjonen. Deltakerne vil få umiddelbar tilbakemelding etter valg av diagnose. Tilbakemeldingene består av deres diagnose, riktig diagnose, tilgang til instruksjonsdesignet for begge diagnosene, og en evne til å veksle mellom bilder og plassering. Hver quiz er 10 tilfeller lang og fordelingen av diagnoser er tilfeldig på tvers av hver quiz, men med en samlet fordeling over 100 tilfeller av:

Diagnosefordeling:

Melanom 20 % Nevi 20 % Seb. K./ Lentigo Solaris 20 % Dermatofibrom 10 % Basalcellekarsinom 10 % Hemangioma 10 % Plateepitelkarsinom. 10 %

Omskoleringsøkt:

Etter den 14 dager lange utvaskingsperioden vil alle deltakere bli bedt om å få tilgang til søknaden og øve på ytterligere 100 saker innen to dager.

Retensjonstest:

Syv dager etter at omskoleringen er avsluttet vil deltakerne bli bedt om å svare på en retensjonstest. Retensjonstesten består av 12 tilfeldig utvalgte elementer (generaliserbarhetskoeffisient på 0,7) fra samme testelementbibliotek (n= 25 elementer) som ble brukt til pre-testen.

Primære resultater:

Helning og platå (hvis nådd) for den innledende læringskurven (nøyaktighet og tid per diagnose) Helning og platå (hvis nådd) for en sekundær læringskurve (nøyaktighet og tid per diagnose) etter en utvaskingsperiode

Sekundært resultat:

Tid brukt på lesing av instruksjonsmateriell Antall ganger undervisningsmateriellet har blitt brukt Endring i ytelse fra pre-test til retensjonstest.