Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Eficácia do Programa de Simulação de Gestão de Medicamentos de Alto Alerta Baseado em Realidade Mista Integrada com Inteligência Artificial (AIMR-HAM)

28 de janeiro de 2026 atualizado por: Jinkyung Park, Chonnam National University Hospital

Eficácia do Programa de Simulação de Gestão de Medicamentos de Alto-Alerta Baseado em Realidade Mista Integrada com Inteligência Artificial

O objetivo deste ensaio clínico é verificar se um Programa de Simulação de Gestão de Medicamentos de Alto Alerta baseado em Realidade Mista integrada com Inteligência Artificial (AIMR-HAM) ajuda os enfermeiros hospitalares a gerir medicamentos de alto alerta (MAA) de forma mais segura. A RM mistura elementos reais e virtuais para permitir que os enfermeiros pratiquem em cenários realistas.

As principais questões são:

O AIMR-HAM melhora as competências dos enfermeiros em segurança medicamentosa? O AIMR-HAM reduz os erros de medicação e melhora o desempenho clínico?

Os investigadores irão comparar dois grupos para responder a estas questões:

Grupo de intervenção: AIMR-HAM Grupo de controlo: apenas educação padrão

Quem pode participar:

Enfermeiros que trabalham em hospitais de grande dimensão e têm entre 1 a 6 anos de experiência clínica.

Cerca de 60 enfermeiros irão participar no estudo.

O que os participantes irão fazer:

Participar na formação atribuída (AIMR-HAM ou apenas educação padrão). Completar testes curtos e questionários antes e depois da formação para medir competências, comunicação e raciocínio clínico.

Reportar quaisquer erros de medicação que ocorram durante o estudo. Porque é que isto é importante: O estudo irá mostrar se a formação AIMR-HAM pode melhorar a forma como os enfermeiros lidam com os MAA e tornar os cuidados ao doente mais seguros.

Visão geral do estudo

Descrição detalhada

Este ensaio avalia se um Programa de Simulação de Gestão de Medicamentos de Alto Risco baseado em Realidade Mista com Inteligência Artificial integrada (AIMR-HAM) melhora as competências de gestão de medicamentos de alto risco (HAMs), o desempenho clínico (avaliações observadas baseadas em simulação), a comunicação e as taxas de erro de medicação entre enfermeiros hospitalares com 1 a 6 anos de experiência clínica. O ensaio visa avaliar a eficácia do AIMR-HAM na melhoria da competência prática e da segurança do doente na prática clínica do mundo real.

Desenho do estudo e randomização O estudo é um ensaio controlado randomizado, de grupos paralelos e num único centro, com aproximadamente 60 enfermeiros participantes. Os participantes são aleatoriamente atribuídos 1:1 ao grupo de intervenção ou ao grupo de controlo usando um cronograma de randomização gerado por computador (por exemplo, randomização em blocos). A randomização é realizada por um gestor de dados independente para manter a ocultação da alocação. Os avaliadores de resultados estão cegos para a atribuição do grupo (avaliador-cego).

Intervenção - AIMR-HAM (grupo de intervenção)

Visão geral: A intervenção combina prática prática baseada em cenários com auriculares de RM.

Componentes-chave:

  1. Orientação
  2. Pré-briefing
  3. Simulação AIMR
  4. Debriefing

Nota técnica: A configuração de RM integra elementos virtuais com o ambiente físico para fornecer pistas visuais e auditivas; a marca/modelo do dispositivo e a versão do software podem ser especificados no campo do protocolo.

Grupo de controlo: O grupo de controlo recebe a educação padrão do hospital em gestão de medicação (palestras, discussões de casos e workshops). O cronograma e o tempo total de contacto são correspondidos ao grupo de intervenção para controlar o tempo e a atenção.

Procedimentos dos participantes e cronograma O fluxo do estudo é: rastreio → consentimento informado por escrito → avaliação de base (pré-intervenção) → randomização → formação atribuída (RM + educação padrão ou apenas educação padrão) → avaliação imediatamente após a formação → avaliação de seguimento (por exemplo, 1 mês após a formação) → conclusão do estudo. Em cada ponto de avaliação, os participantes completam o mesmo conjunto de avaliações para permitir a comparação ao longo do tempo.

Métodos de recolha de dados

: O desempenho e as competências clínicas são medidos usando listas de verificação de desempenho padronizadas e escalas de avaliação do observador durante as avaliações simuladas. Avaliadores treinados, cegos para a alocação, conduzem estas avaliações.

Instrumentos de autorrelato (confiança, comunicação, carga cognitiva) são recolhidos através de questionários eletrónicos ou em papel e inseridos na base de dados do estudo.

Os dados de erro de medicação são recolhidos do sistema de notificação de incidentes do hospital e dos autorrelatos dos participantes durante o período do estudo; relatórios duplicados são reconciliados através da revisão e classificação de dados.

O sistema de RM regista automaticamente os registos de interação dos participantes (carimbos de data/hora, ações, pontos de decisão) que podem ser usados como dados analíticos suplementares.

Visão geral da análise

As análises primárias seguem o princípio da intenção de tratar. Os resultados contínuos (por exemplo, pontuações de competência) são comparados usando testes t ou regressão linear; as medidas repetidas são analisadas com modelos de efeitos mistos para ter em conta as correlações intra-participantes.

Os resultados binários (por exemplo, presença de erro de medicação) são analisados usando regressão logística ou estimativas de risco.

Covariáveis pré-especificadas (por exemplo, pontuações de base ou unidade clínica) são incluídas nas análises ajustadas conforme necessário. As análises de sensibilidade abordam dados em falta (por exemplo, imputação múltipla) e desvios do protocolo.

Segurança e ética O estudo recebeu aprovação da comissão de ética institucional (IRB). Todos os participantes fornecem consentimento informado por escrito antes da inscrição. Qualquer desconforto relacionado com o uso de RM (como tonturas ou náuseas) é monitorizado e gerido de acordo com o protocolo; eventos adversos graves são relatados prontamente à IRB e aos órgãos de supervisão do hospital. Os dados pessoais são anonimizados ou encriptados e armazenados com acesso restrito.

Medidas de garantia de qualidade e fiabilidade

Os instrutores e avaliadores recebem formação padronizada para garantir a entrega consistente da intervenção e a pontuação dos resultados.

A randomização, a entrada de dados e o manuseamento de dados seguem procedimentos operacionais padrão. Os dados são submetidos a monitorização regular e verificações de qualidade periódicas; auditorias independentes de qualidade de dados podem ser realizadas se indicado.

Conclusão e impacto potencial Este ensaio determinará se o AIMR-HAM leva a melhorias mensuráveis na competência de gestão de medicação dos enfermeiros e reduz os erros de medicação em comparação com a educação padrão. Os resultados podem informar as práticas educacionais hospitalares e apoiar uma adoção mais ampla do AIMR-HAM para a formação de competências clínicas.

Tipo de estudo

Intervencional

Inscrição (Estimado)

60

Estágio

  • Não aplicável

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

  • Nome: Hwigon Jeon, Ph.D. student
  • Número de telefone: +82-10-5121-0700
  • E-mail: tjdans779@gmail.com

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Filho
  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Descrição

Critérios de Inclusão:

  • Enfermeiros com pelo menos um a seis anos de experiência clínica.

    • Aqueles que compreendem o objetivo e os procedimentos deste estudo e deram consentimento por escrito para participar.

      • Aqueles que não têm limitações físicas ou cognitivas na utilização de dispositivos de realidade mista.

        ③ Aqueles que conseguem comunicar em coreano e compreender e responder a perguntas.

Critérios de Exclusão:

  • Aqueles que não desejam participar no estudo. ① Aqueles que participaram em educação relacionada com medicamentos de alto risco nos últimos seis meses.

    • Aqueles que são incapazes ou têm dificuldade em participar no programa de educação de realidade mista devido a deficiências visuais, auditivas ou neurológicas, ou efeitos adversos como tonturas ou enjoo.

      • Aqueles que desistem voluntariamente do estudo a meio.

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Finalidade Principal: Pesquisa de serviços de saúde
  • Alocação: Randomizado
  • Modelo Intervencional: Atribuição Paralela
  • Mascaramento: Triplo

Armas e Intervenções

Grupo de Participantes / Braço
Intervenção / Tratamento
Experimental: Braço 1
Os participantes recebem um Programa de Simulação de Gestão de Medicamentos de Alto Alerta baseado em Realidade Mista integrada com Inteligência Artificial
Os participantes no braço de intervenção recebem o Programa de Simulação de Gestão de Medicamentos de Alto Alerta baseado em Realidade Mista integrada com Inteligência Artificial
Comparador Ativo: Braço 2
Os participantes recebem a educação padrão do hospital sobre gestão de medicação
Os participantes recebem a educação padrão do hospital sobre gestão de medicamentos (palestras didáticas, discussões de casos e workshops)

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Desempenho clínico de medicamentos de alto risco
Prazo: Baseline, imediatamente após a intervenção
A avaliação de competência de desempenho clínico de medicação de alto alerta utilizará um questionário desenvolvido pela nossa equipa de investigação.
O instrumento consiste em 23 perguntas, das quais 4 variarão dependendo do progresso da simulação, resultando numa avaliação final que mede 19 perguntas.
Cada item será classificado pelo instrutor numa escala de 0 para falha ou execução incorreta, 1 para execução insuficiente ou inadequada e 2 para execução precisa.
Os itens desenvolvidos serão submetidos a uma avaliação de validade por seis especialistas antes de serem revistos e suplementados para utilização.
Pontuações mais elevadas indicam um maior desempenho clínico na medicação de alto alerta.
Baseline, imediatamente após a intervenção

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Competência Global de Comunicação Interpessoal
Prazo: Linha de base, imediatamente após a intervenção
A competência de comunicação será medida utilizando a escala de Competência de Comunicação Interpessoal Global (GICC), desenvolvida por Heo Kyung-ho (2003), que foi modificada e complementada por Lee Hyun-sook e Kim Jong-gyeong (2010). É composta por 15 itens, cada um avaliado numa escala de Likert de 5 pontos, variando de 1 (nada) a 5 (muito), com pontuações mais elevadas a indicar maior competência de comunicação. No estudo de Lee Hyun-sook e Kim Jong-gyeong (2010), o alfa de Cronbach foi de .83.
Linha de base, imediatamente após a intervenção
Competência de Raciocínio Clínico
Prazo: Baseline, imediatamente após a intervenção
A competência de raciocínio clínico será medida usando a Escala de Competência de Raciocínio Clínico (CRCS) desenvolvida por Bae et al. (2023). Consiste em 22 itens, cada um classificado numa escala Likert de 5 pontos que varia de 1 (nada) a 5 (muito). Uma pontuação mais elevada indica maior competência de raciocínio clínico. No estudo de Bae et al. (2023), o alfa de Cronbach foi de .92.
Baseline, imediatamente após a intervenção
Competência em Segurança de Medicamentos
Prazo: Linha de base, imediatamente após a intervenção
A competência em segurança medicamentosa será medida utilizando a Escala de Competência em Segurança Medicamentosa (MSCS) desenvolvida por Park e Seomun (2021). Esta escala consiste em 36 itens e seis subescalas (gestão de medicamentos centrada no doente, melhoria de situações problemáticas, gestão de fatores influenciadores, gestão de situações de crise, colaboração interdisciplinar e responsabilidade como profissional de enfermagem). Cada item é avaliado numa escala de Likert de 5 pontos (1 = "nada" a 5 = "muito"), com uma pontuação total de 36 até um máximo de 180. Uma pontuação total mais elevada indica um nível mais elevado de competência em segurança medicamentosa. A fiabilidade da MSCS foi de α de Cronbach = 0,96.
Linha de base, imediatamente após a intervenção

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Publicações e links úteis

A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.

Publicações Gerais

  • Bae, J., Lee, J., Choi, M., Jang, Y., Park, C. G., & Lee, Y. J. (2023). Development of the clinical reasoning competency scale for nurses. BMC nursing, 22(1), 138. Elendu, C., Amaechi, D. C., Okatta, A. U., Amaechi, E. C., Elendu, T. C., Ezeh, C. P., & Elendu, I. D. (2024). The impact of simulation-based training in medical education: A review. Medicine, 103(27), e38813. Fernández-Alcántara, M., Escribano, S., Juliá-Sanchis, R., Castillo-López, A., Pérez-Manzano, A., Macur, M., Kalender-Smajlović, S., García-Sanjuán, S., & Cabañero-Martínez, M. J. (2025). Virtual Simulation Tools for Communication Skills Training in Health Care Professionals: Literature Review. JMIR Medical Education, 11(1), e63082. Frost, J., Delaney, L., & Fitzgerald, R. (2020). Exploring the application of mixed reality in nurse education. BMJ Simulation & Technology Enhanced Learning, 6(4), 214. Fu, Y., Hu, Y., & Sundstedt, V. (2022). A systematic literature review of virtual, augmented, and mixed reality game applications in healthcare. ACM Transactions on Computing for Healthcare (HEALTH), 3(2), 1-27. Gaffney, T. A., Hatcher, B. J., & Milligan, R. (2016). Nurses' role in medical error recovery: an integrative review. Journal of clinical nursing, 25(7-8), 906-917. Han, Y., Chen, J., Xu, Y., Huang, P., & Hou, L. (2024). Nurse-led medication management as a critical component of transitional care for preventing drug-related problems. Aging Clinical and Experimental Research, 36(1), 151. Hodkinson, A., Tyler, N., Ashcroft, D. M., Keers, R. N., Khan, K., Phipps, D., Abuzour, A., Bower, P., Avery, A., & Campbell, S. (2020). Preventable medication harm across health care settings: a systematic review and meta-analysis. BMC medicine, 18(1), 313. Jeon, H. G., & Jeong, H. W. (2025). Effectiveness of a Mixed Reality Simulation Program for Dyspnoea Care on New Nurses' Clinical Competency: A Mixed-Methods Study. Nurse Education in Practice, 104397. Mardani, A., Griffiths, P., & Vaismoradi, M. (202

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Estimado)

4 de março de 2026

Conclusão Primária (Estimado)

4 de março de 2026

Conclusão do estudo (Estimado)

6 de março de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

28 de janeiro de 2026

Enviado pela primeira vez que atendeu aos critérios de CQ

28 de janeiro de 2026

Primeira postagem (Real)

5 de fevereiro de 2026

Atualizações de registro de estudo

Última Atualização Postada (Real)

5 de fevereiro de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

28 de janeiro de 2026

Última verificação

1 de janeiro de 2026

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • CNUH-2025-435
  • RS-2024-00345750 (Número de outro subsídio/financiamento: The National Research Foundation of Korea)

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

INDECISO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .

Se inscrever