Zintegrowana nauka podstawowa w ramach instruktażowego projektu szkolenia w zakresie rozpoznawania wzorców (AISC-ISF)

Tło:

U podstaw edukacji medycznej pozostaje zapewnienie, że studenci medycyny i początkujący lekarze staną się dobrymi diagnostami. Przez ponad sześć dekad naukowcy i klinicyści starali się zrozumieć najskuteczniejsze strategie wnioskowania diagnostycznego i dowiedzieć się, jak kształcić przyszłych lekarzy w zakresie tych strategii. Badania wykazały, że większość diagnostów stosuje mieszankę rozpoznawania wzorców, dedukcyjnego wnioskowania wstecznego, tj. Wyszukiwania objawów lub oznak uzasadniających wstępną diagnozę, oraz indukcyjnych strategii wnioskowania do przodu, tj. Analizowania najbardziej prawdopodobnej diagnozy na podstawie oznak i objawów. Istnieją dowody na to, że początkujący klinicyści są bardziej podatni na celowe dedukcyjne i indukcyjne strategie wnioskowania diagnostycznego, podczas gdy doświadczeni klinicyści generalnie bardziej polegają na rozpoznawaniu wzorców. W przeciwieństwie do nowicjuszy, eksperci na ogół identyfikują najbardziej prawdopodobną diagnozę na podstawie rozpoznania wzorca, po którym następuje celowe i często nieświadome rozumowanie dedukcyjne, mające na celu uzasadnienie lub wykluczenie zidentyfikowanych wstępnych diagnoz. Teoria podwójnego procesu oferuje wyjaśnienie tej dwuetapowej strategii rozumowania, dzieląc ludzkie poznanie na dwa systemy; intuicyjny system 1 (rozpoznawanie wzorców) oraz celowy i analityczny system dedukcyjny/indukcyjny 2. Rozpoznawanie wzorców (system 1) jest natychmiastowe, często bardzo dokładne i wymaga niewielkich zasobów, chociaż było szeroko krytykowane za podatność na nieświadome błędy heurystyczne. Celowe procesy systemu 2 są wolniejsze i wymagają znacznie większych zasobów poznawczych niż procesy systemu 1. Procesy Systemu 2 są ogólnie uważane za mniej podatne na nieświadome uprzedzenia, chociaż kilka wyników sugeruje coś innego. Większość ludzi woli stosować wydajny i nieuciążliwy system 1, kiedy tylko jest to możliwe, i tylko aktywne procesy systemu 2, gdy jest to absolutnie konieczne. Niestety rozpoznawanie wzorców (system 1) w warunkach diagnostycznych opiera się na doświadczeniu specyficznym dla domeny, które jest generalnie niedostępne dla początkujących lekarzy, którzy w związku z tym polegają na znacznie bardziej wymagających operacjach systemu 2 podczas diagnostyki. Kilku autorów twierdzi, że edukatorzy powinni w miarę możliwości rozważyć nauczanie lub promowanie rozpoznawania wzorców, ponieważ umożliwia to dokładną, wydajną i mniej wymagającą diagnostykę. Realistyczne i obszerne szkolenie w zakresie rozpoznawania wzorców jest możliwe w specjalnościach medycznych, które opierają się głównie na przetwarzaniu wizualnym, takich jak patologia, radiologia i dermatologia. Duże biblioteki przypadków z opatrzonymi adnotacjami zdjęciami rentgenowskimi, preparatami patologicznymi lub obrazami dermoskopowymi mogą być łatwo dostępne w praktyce, umożliwiając studentom uzyskanie silnej mentalnej reprezentacji odpowiednich diagnoz różnicowych przed rozpoczęciem kariery klinicznej. Istnieje obszerna literatura na temat tego, jak ułatwić rozwój silnych reprezentacji mentalnych poprzez trening rozpoznawania wzorców. Chociaż identyfikacja typów złamań kości, nieprawidłowości komórkowych i chorób skóry jest ważna, konieczne jest dodatkowe wyszukiwanie i przetwarzanie wiedzy w celu zapewnienia pacjentom prawidłowego schematu leczenia. Sztuczna inteligencja i wyszkolone gołębie (tak, gołębie) radzą sobie z diagnostyką obrazową imponująco dobrze, a kilku autorów zgłasza dokładność na równi z ekspertami klinicznymi. Jednak w przeciwieństwie do ekspertów klinicystów, maszyny i gołębie nie są obecnie w stanie odzyskać jednego lub więcej złożonych, wstępnie skompilowanych skryptów lub schematów specyficznych dla diagnozy z pamięci długoterminowej w oparciu o subtelne wskazówki diagnostyczne, po których następuje przemyślana analiza najbardziej prawdopodobnej diagnozy i odpowiednie działanie lecznicze . Teoria skryptu choroby próbuje wyjaśnić tę niesamowitą operację odzyskiwania i przetwarzania pamięci za pomocą prostych ram. Skrypty choroby są definiowane jako mentalne reprezentacje lub schematy choroby lub choroby, które zawierają warunki umożliwiające, tj. dane demograficzne i historię medyczną, konsekwencje, tj. objawy i prezentacje choroby/choroby oraz wady, tj. biomedyczne wyjaśnienie konsekwencji i warunków umożliwiających . Kiedy doświadczony lekarz rozpoznaje pewien wzorzec warunków, konsekwencji i błędów, aktywuje i odzyskuje jeden lub więcej skryptów choroby z pamięci długoterminowej, odblokowując całą wiedzę przechowywaną w tym skrypcie, w tym fizjologię choroby i powiązane skrypty. diagnostyka różnicowa). Niewiele wiadomo na temat powstawania i utrwalania się skryptów chorobowych podczas szkolenia medycznego i klinicznego, ale istnieje coraz więcej dowodów przemawiających za łączeniem podstawowej fizjologii i anatomii (wady) z danymi demograficznymi (warunki sprzyjające) i objawami (konsekwencje) w ramach materiałów instruktażowych interwencje w medycynie. Podstawowe konceptualne zrozumienie mechanizmów przyczynowych stanu chorobowego wydaje się pomagać stażystom w konsolidowaniu i łączeniu ich skryptów chorobowych, co skutkuje szybszą i dokładniejszą aktywacją i wykorzystaniem skryptów. Kiedy mechanizmy przyczynowe lub „nauki biomedyczne” są uwzględnione w standardowych projektach instruktażowych dla chorób wewnętrznych, zawierających objawy kliniczne choroby, uczniowie osiągają znacznie lepsze wyniki, zwłaszcza w testach opóźnionych i testach transferowych. Podobny pozytywny wpływ na wydajność diagnostyczną zaobserwowano, gdy „rozszerzone” opisy nauk podstawowych, które wyjaśniają leżące u podstaw socjologiczne i behawioralne mechanizmy przyczynowe, są zintegrowane z projektem instruktażowym dla złożonych schorzeń, które obejmują kombinację problemów społecznych, somatycznych i psychologicznych. Natychmiastowa i zapamiętywana diagnostyka oraz przekaz wiedzy studenta poprawiają się, jeśli w opisie mechanizmów przyczynowych zostaną wprowadzone wizualne analogie biomechaniczne mechanizmów przyczynowych. Pozytywny efekt integracji nauk biomedycznych jest najlepiej wykorzystany w połączeniu z klasycznymi programami nauczania opisującymi kliniczne objawy chorób. Pozytywne efekty klasycznej diagnostyki podręcznikowej na przypadkach pisemnych przekładają się również na diagnostykę wizualną, m.in. radiologii dentystycznej i leżącej u jej podstaw wiedzy koncepcyjnej dotyczącej umiejętności proceduralnych, np. nakłucie lędźwiowe. Integracja przyczynowych wyjaśnień kryteriów wizualnych stosowanych w diagnostyce wizualnej zwiększa zarówno natychmiastowe, jak i długoterminowe wyniki diagnostyczne uczniów. Stwierdzono, że poprawa wydajności diagnostycznej związana z integracją nauk biomedycznych jest odporna na kompromisy między szybkością a dokładnością, co wskazuje, że silna reprezentacja „błędów” w skrypcie choroby zwiększa zdolność diagnostów do szybkiego i dokładnego aktywowania skryptu. Chociaż podstawowe wyjaśnienia naukowe wydają się przekładać na różne modalności medyczne, należy zauważyć, że diagnostyka wizualna znacznie różni się od pozostałych metod diagnostycznych. Kiedy doświadczeni dermatolodzy badają zmianę skórną, natychmiast tworzą ogólne wrażenie, generując jedną lub więcej wstępnych diagnoz, które zwykle są bardzo trafne. Następnie angażują się w strategię rozumowania wstecznego, próbując znaleźć cechy, które uzasadniają lub odrzucają ich wstępną diagnozę. Ogólne wrażenie jest wynikiem intuicyjnych operacji systemu 1, podczas gdy przemyślana analiza diagnoz różnicowych i poszukiwanie cech jest celową operacją systemu 2. Chociaż eksperci z pozostałych specjalności klinicznych, tacy jak interniści, neurolodzy i kardiolodzy, w dużej mierze polegają na rozpoznawaniu wzorców, ich oceny opierają się na danych wejściowych (objawach, historii medycznej, badaniach laboratoryjnych itp.), które są gromadzone celowo, co wymaga większego stopnia procesów systemu 2 na wczesnym etapie procesu wnioskowania diagnostycznego. Badacze teoretyzują, że ta różnica w „momencie w czasie”, w którym rozpoznawanie wzorców jest wykorzystywane przez różne specjalności diagnostyczne, powinna znaleźć odzwierciedlenie w edukacji różnych specjalności. W oparciu o te refleksje, optymalną interwencją edukacyjną dla klinicystów, którzy polegają głównie na przetwarzaniu wizualnym (dermatologia, patologia i radiologia), powinno być szkolenie oparte na przypadku z bezpośrednią wizualną informacją zwrotną w połączeniu z programem nauczania ze zwięzłym i odpowiednim projektem instruktażowym. Wspomniane wcześniej badania pokazują, że zintegrowanie nauk podstawowych w ramach takiego projektu instruktażowego poprawia dokładność diagnostyczną i transfer wiedzy do podobnych kategorii chorób. Jednak wcześniejsze badania w diagnostyce wizualnej nie wykazały, czy poprawa wydajności po integracji nauk podstawowych poprawia rozpoznawanie wzorców przez klinicystów, celową strategię wyszukiwania cech, czy jedno i drugie. Interwencje edukacyjne w ramach tych badań były krótkie i obejmowały mniej niż 3 przypadki szkoleniowe na diagnozę, co badacze biorący udział w tym badaniu uważają za niskie w odniesieniu do tworzenia mentalnych reprezentacji do wizualnej klasyfikacji chorób (rozpoznawanie wzorców). Wreszcie, poprzednie badania nie badały wpływu integracji podstawowych nauk w ramach instruktażowego projektu interwencji szkoleniowych w diagnostyce wizualnej i jej wpływu na zachowania związane z uczeniem się (całkowity czas trwania i liczba dostępów do materiału instruktażowego), krzywe uczenia się (tworzenie reprezentacji umysłowych) oraz odzyskiwanie umiejętności/wiedzy. Badacze wysuwają hipotezę, że wprowadzenie wyjaśnień z zakresu podstaw nauki w ramach projektu instruktażowego szkolenia z diagnostyki wizualnej opartego na przypadkach poprawi krzywe uczenia się uczniów, zatrzymanie i odzyskiwanie wiedzy/umiejętności po okresie wymywania. O ile nam wiadomo, nie ma wcześniejszych badań, które omawiałyby efekt integracji wyjaśnień biomedycznych dla kryteriów wizualnych w przedłużonej interwencji edukacyjnej opartej na przypadkach, mającej na celu szkolenie umiejętności rozpoznawania wzorców przez uczniów.Uznając, że proces uczenia się może się różnić, gdy koncentruje się na uczniach początkujących i bardziej zaawansowanych, oraz że natychmiastowe wyniki nie zawsze przewidują długoterminowe efekty uczenia się, jest to ważna luka badawcza do wypełnienia.

Pytanie badawcze:

W grupie studentów medycyny z ograniczonym przeszkoleniem dermatologicznym, jaki jest efekt zintegrowania przyczynowo-biomedycznych wyjaśnień kryteriów wizualnych podczas przedłużonego programu szkoleniowego dotyczącego raka skóry opartego na przypadkach w rozpoznawaniu wzorców wizualnych w porównaniu z identycznym projektem instruktażowym bez wyjaśnień biomedycznych? W jaki sposób przesunięcie zasobów poznawczych uczniów z ćwiczenia rozpoznawania wzorców w kierunku zrozumienia wzorca wpłynie na ich zachowanie podczas uczenia się, krzywą uczenia się (dokładność i czas na diagnozę) oraz odzyskiwanie umiejętności rozpoznawania wzorców po okresie wymywania?

Metoda:

Badanie zostanie przeprowadzone jako randomizowana, kontrolowana próba ze stosunkiem alokacji 1:1. Zarejestrowani uczestnicy muszą być aktywnie zapisani na Wydział Zdrowia i Nauk Medycznych Uniwersytetu w Kopenhadze oraz zdać egzaminy z podstawowej histopatologii i fizjologii komórkowej. Kryteriami wykluczającymi są wcześniejsze szkolenia z zakresu dermoskopii lub ogólnie diagnostyki raka skóry. Zatrudnionych zostanie co najmniej 60 studentów. Wszyscy uczestnicy zobowiązani są do pobrania aplikacji mobilnej (Dermloop) zawierającej materiały edukacyjne. Podczas rejestracji uczestnicy zostaną poproszeni o uzupełnienie danych demograficznych, podanie sześciocyfrowego kodu próbnego oraz podpisanie cyfrowej zgody. Po rejestracji uczestnicy zostaną automatycznie przydzieleni losowo do nauki podstawowej lub grupy fabularnej. Podczas badania wszyscy uczestnicy wykonają cztery kroki (patrz rysunek):

1. Test wstępny
2. Cyfrowa sesja szkoleniowa z diagnostyki raka skóry skoncentrowana na siedmiu diagnostyce różnicowej (znamiona, czerniak, rogowacenie łojotokowe/soczewica słoneczna, rak podstawnokomórkowy, włókniaki skórne i zmiany naczyniowe) trwająca 7 dni. Materiał instruktażowy różni się w obu grupach badawczych. Podstawowa grupa naukowa będzie miała dostęp do modułów opisujących charakterystyczne kryteria wizualne dla każdej diagnozy i leżącą u jej podstaw przyczynę histopatologiczną. Grupa cech będzie czytać identyczne opisy kryteriów wizualnych bez wyjaśnienia leżących u ich podstaw mechanizmów przyczynowych.
3. Sesja przekwalifikowania
4. Test retencji

Test wstępny:

Test wstępny składa się z 12 losowo dobranych pozycji (współczynnik uogólnienia 0,7) z biblioteki pozycji testowych (n=25 pozycji) z ustalonymi dowodami ważności w diagnostyce raka skóry.

Cyfrowa sesja szkoleniowa:

Sesja składa się z wprowadzenia i prezentacji sześciu rozpoznań (znamię, czerniak, rogowacenie łojotokowe/soczewica słoneczna, rak podstawnokomórkowy, włókniaki skóry i zmiany naczyniowe).

Wprowadzenie Wprowadzenie zawiera krótkie pisemne wprowadzenie na temat diagnostyki raka skóry oraz sześciu diagnoz, które zostaną uwzględnione w interwencji edukacyjnej. Uczestnicy zostaną poproszeni o krótkie zapoznanie się z różnymi kryteriami dermoskopowymi charakterystycznymi dla siedmiu diagnoz.

Praktyka oparta na przypadkach

Uczestnicy zostaną poproszeni o wykonanie ćwiczeń na 500 zmianach skórnych w ciągu 7 dni. Szkolenie składa się z quizów z bezpośrednią informacją zwrotną. Uczestnicy zostaną poproszeni o rozpoznanie zmian skórnych na podstawie wieku i płci pacjenta, obrazu klinicznego, zdjęcia dermoskopowego oraz lokalizacji zmiany skórnej. Uczestnicy otrzymają natychmiastową informację zwrotną po dokonaniu wyboru diagnozy. Informacja zwrotna składa się z ich diagnozy, prawidłowej diagnozy, dostępu do projektu instruktażowego obu diagnoz oraz możliwości przełączania się między obrazami i lokalizacją. Każdy quiz ma 10 przypadków, a rozkład diagnoz jest losowy w każdym quizie, ale z ogólnym rozkładem na 100 przypadków:

Dystrybucja diagnozy:

Czerniak 20% Znamiona 20% Seb. K./ Lentigo Solaris 20% Dermatofibroma 10% Rak podstawnokomórkowy 10% Naczyniak krwionośny 10% Rak płaskonabłonkowy. 10%

Sesja przekwalifikowania:

Po 14-dniowym okresie wycofania wszyscy uczestnicy zostaną poproszeni o dostęp do aplikacji i przećwiczenie kolejnych 100 przypadków w ciągu dwóch dni.

Test retencji:

Siedem dni po zakończeniu sesji przekwalifikowania uczestnicy zostaną poproszeni o rozwiązanie testu retencji. Test retencji składa się z 12 losowo dobranych pozycji (współczynnik uogólnialności 0,7) z tej samej biblioteki pozycji testowych (n=25 pozycji) użytej do testu wstępnego.

Główne wyniki:

Nachylenie i plateau (jeśli osiągnięto) początkowej krzywej uczenia się (dokładność i czas diagnozy) Nachylenie i plateau (jeśli osiągnięto) drugorzędnej krzywej uczenia się (dokładność i czas diagnozy) po okresie wypłukiwania

Wynik drugorzędny:

Czas spędzony na czytaniu materiałów instruktażowych Liczba wejść do materiałów instruktażowych Zmiana wydajności od testu wstępnego do testu retencji.