Sztuczna Inteligencja Wspomagająca Naukę Obliczeń Lekowych w Pielęgniarstwie

Błędy w podawaniu leków stanowią istotne wyzwanie w praktyce pielęgniarskiej, szczególnie w środowiskach o wysokiej ostrości, takich jak oddziały kardiologiczne i intensywnej terapii.
To badanie ocenia skuteczność interwencji edukacyjnej opartej na sztucznej inteligencji, zaprojektowanej w celu zniwelowania luki między wiedzą teoretyczną a zastosowaniem klinicznym w obliczeniach lekowych.

Projekt badania

Badanie to wykorzystało projekt metod mieszanych, obejmujący quasi-eksperymentalne podejście pretest-posttest z grupą kontrolną, uzupełnione o jakościowy komponent grupy fokusowej.
Uczestnicy zostali przydzieleni do grupy eksperymentalnej, otrzymującej wsparcie w nauce z pomocą sztucznej inteligencji, lub do grupy kontrolnej, otrzymującej tradycyjną instrukcję.

Interwencja (Grupa badawcza)

Uczestnicy grupy eksperymentalnej korzystali z oprogramowania do nauki wspomaganego sztuczną inteligencją, zaprojektowanego w celu poprawy ich doświadczenia edukacyjnego poprzez kilka zaawansowanych funkcji.
Oprogramowanie zapewnia Adaptacyjne Ścieżki Nauki, które dostosowują złożoność obliczeń zgodnie z wynikami pielęgniarki.
Dodatkowo oferuje Informację Zwrotną w Czasie Rzeczywistym, zapewniając natychmiastowe korekty i instrukcje krok po kroku dla złożonego dawkowania leków.
Na koniec, oprogramowanie zawiera Symulacje Kliniczne oparte na Sztucznej Inteligencji, które tworzą scenariusze podejmowania decyzji klinicznych pod presją dla uczących się.

Grupa kontrolna

Uczestnicy grupy kontrolnej otrzymali tradycyjne metody nauczania, obejmujące standardowe wykłady i sesje praktyczne na papierze, skoncentrowane konkretnie na obliczeniach lekowych.
To podejście obejmowało ten sam podstawowy program nauczania co grupa eksperymentalna, ale nie zawierało żadnej pomocy sztucznej inteligencji.

Badanie oceniło trzy kluczowe obszary przed i po interwencji:

Wiedza pielęgniarska, oceniana przy użyciu standaryzowanego egzaminu z obliczeń lekowych.

Podejmowanie decyzji klinicznych, mierzone za pomocą zwalidowanej skali podejmowania decyzji pielęgniarskich.

Poczucie własnej skuteczności, oceniane poprzez standaryzowaną skalę samooceny w celu oceny pewności siebie w obliczeniach klinicznych.

Dane przeanalizowano przy użyciu Statystycznego Pakietu dla Nauk Społecznych w celu porównania średnich wyników między grupą eksperymentalną a kontrolną.

Komponent jakościowy (Badanie grupy fokusowej)

W celu uzupełnienia wyników ilościowych, przeprowadzono jakościowe badanie grupy fokusowej z uczestnikami z grupy eksperymentalnej.
Celem było zbadanie akceptacji przez pielęgniarki platformy opartej na sztucznej inteligencji, postrzeganej użyteczności, łatwości obsługi, widoczności postępów w nauce oraz ogólnych opinii na temat strategii nauczania wspomaganego sztuczną inteligencją.

Dyskusje grup fokusowych zostały nagrane dźwiękowo, przetranskrybowane i przeanalizowane przy użyciu analizy tematycznej w celu zidentyfikowania powtarzających się wzorców i tematów związanych z doświadczeniem użytkownika, postrzeganą wartością edukacyjną oraz gotowością do integracji uczenia się opartego na AI w edukacji klinicznej.
Ten komponent jakościowy dostarczył głębszego wglądu w postawy uczestników wobec integracji AI w edukacji pielęgniarskiej i wzbogacił interpretację wyników ilościowych.