Simulação em Cirurgia Transuretral de Câncer de Bexiga (OSATURB)

As habilidades cirúrgicas dos médicos têm consequências para os resultados dos pacientes e o treinamento e a avaliação contínua dos cirurgiões têm o potencial de melhorar a segurança do paciente e encurtar as curvas de aprendizado na sala de operação.

Tradicionalmente, os cirurgiões adquiriram suas habilidades pela observação, supervisão e direção de mestres na área. Tal educação é indispensável. Apenas, com as crescentes demandas de produção, questões de segurança do paciente e diminuição das horas de trabalho, surgiu a necessidade de alternativas ao treinamento cirúrgico clássico.

As cirurgias simuladas permitem repetir e aperfeiçoar performances até atingir um nível proficiente. Simuladores de realidade virtual (VR) podem fornecer feedback automatizado continuamente enquanto o médico está realizando o procedimento e, assim, direcionar o treinamento.

Assim, nas últimas décadas, os simuladores para treinamento de habilidades cirúrgicas ganharam popularidade crescente. O treinamento de simulação tem se mostrado eficiente na aquisição de habilidades em uma variedade de procedimentos cirúrgicos. Os simuladores permitem a repetição do treinamento até atingir um nível de proficiência na habilidade. Em última análise, o médico atinge um mínimo de aquisição de habilidade competente no procedimento antes de avançar para cirurgias em pacientes.

Mastery Learning (ML) é um conceito estrito de treinamento de proficiência, no qual o aprendiz treina até atingir um nível mínimo de aquisição. O ponto final do treinamento é, por meio deste, um nível de competência predefinido e não uma quantidade arbitrária de horas de treinamento. Assim, o ML garante um nível mínimo de aquisição de habilidades.

Na fase inicial de aprendizado da curva de aprendizado, o uso do treinamento de simulação de ML provou ser superior ao aprendizado tradicional.

Para identificar a proficiência, são necessárias avaliações. As avaliações devem ser baseadas em evidências sólidas de validade. O desenvolvimento e validação de testes são essenciais em um currículo baseado em proficiência.

A construção de um currículo de treinamento em cirurgia deve ser baseada em uma estrutura definida. Zevin e outros. propuseram uma estrutura de design de treinamento composta por três etapas: conhecimento cognitivo (conceptualização, visualização e verbalização), treinamento de habilidades psicomotoras (treinamento auto-regulado deliberado e distribuído para um nível de proficiência direcionado, com feedback contínuo e manutenção) e habilidades não técnicas (comunicação, colaboração, profissionalismo e gestão). Thomas et ai. propôs uma abordagem de seis etapas para o desenvolvimento do currículo, incluindo identificação de problemas, avaliação de necessidades, estabelecimento de metas e objetivos de ensino, estratégias educacionais, implementação e avaliação e feedback.

Uma análise de avaliação de necessidades entre residentes e urologistas na Dinamarca a partir de 2017 confirma a viabilidade e a necessidade de um currículo abrangente baseado em simulação ex-vivo no TUR-B. Os simuladores TUR-B estão disponíveis há uma década, mas alguns se mostraram insuficientes, outros promissores, mas há necessidade de criação de programas de treinamento de simuladores baseados em evidências e desenvolvimento de ferramentas de avaliação válidas para avaliar os desempenhos.

O efeito de um novo currículo no treinamento pode ser explorado e avaliado usando uma estrutura como o modelo de Kirkpatrick para avaliação do efeito do treinamento em habilidades, transferência da simulação para o local de trabalho, benefícios para os pacientes e, finalmente, economia e retorno de investimentos.

Este estudo tem como objetivo desenvolver um programa de treinamento e certificação TURB baseado em evidências, incluindo uma ferramenta de avaliação para procedimentos clínicos (ensaio 1.1), estudo da curva de aprendizado (ensaio 1.2) e estudo pré e pós-treinamento e efeitos no desempenho TURB da sala de operação (ensaio 1.3) e explorar o valor prognóstico clínico do desempenho em testes baseados em simulação (ensaio 1.4).