Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Моделирование сообщества с использованием смешанной реальности (MR)

21 сентября 2020 г. обновлено: Torbay and South Devon NHS Foundation Trust

Чтобы определить, может ли смешанная реальность создать реалистичную и адаптируемую среду сообщества для моделирования по сравнению с традиционными методами моделирования.

Целью этого проекта является определение того, может ли смешанная реальность (MR) поддерживать моделирование сложностей различных сред сообщества по сравнению с традиционными средами, моделирующими физическую структуру. Одновременно с этим цель состоит в том, чтобы установить, может ли смешанная реальность создать безопасную среду для обучения и размышлений для сотрудников сообщества, чтобы они могли развивать свои навыки. Это потенциально может улучшить результаты лечения пациентов и помочь медицинским бригадам оказывать безопасную и эффективную помощь. Имеющиеся данные свидетельствуют о том, что обучение на основе моделирования повышает уверенность в себе, хотя имеется ограниченное количество доступных исследований, в которых сочетается обучение на основе моделирования и смешанная реальность. Поскольку смешанная реальность может обеспечить высокую точность моделирования, эта область требует очень необходимых исследований.

Обзор исследования

Подробное описание

Целью этого проекта является определение того, может ли смешанная реальность (MR) поддерживать моделирование сложностей различных сред сообщества по сравнению с традиционными средами, моделирующими физическую структуру. Одновременно с этим цель состоит в том, чтобы установить, может ли смешанная реальность создать безопасную среду для обучения и размышлений для сотрудников сообщества, чтобы они могли развивать свои навыки. Это потенциально может улучшить результаты лечения пациентов и помочь медицинским бригадам оказывать безопасную и эффективную помощь. Моделирование — это техника для практики и обучения, позволяющая заменить и усилить реальный опыт управляемым, и часто носит иммерсивный характер. Симуляция — это безопасная обучающая среда, которая побуждает участников задуматься над ситуацией. Смешанная реальность — это слияние реального и виртуального миров для создания новой среды и визуализации, в которой физические и цифровые объекты могут сосуществовать и взаимодействовать в реальном времени.

Для обеспечения устойчивости сектора здравоохранения и социального обеспечения долгосрочная цель состоит в том, чтобы облегчить потребности людей в медицинском обслуживании в обществе. Для такого расширения общественных услуг потребуются сотрудники, обладающие целостными навыками для работы в качестве независимых практиков. Моделирование в неотложных условиях в настоящее время обеспечивается группой моделирования в специальном наборе моделирования Trust, а также посредством моделирования на месте в отдельных отделах. Сценарии для этих симуляций могут быть созданы из-за повторяющегося и клинического характера требуемой среды. С тех пор, как организация стала интегрированной организацией по уходу, возникла необходимость в обучении на основе моделирования для всего персонала, включая тех, кто находится в общественных местах. Чтобы создать реалистичную среду обучения для местного персонала, необходимо воссоздать дом человека с учетом всех различных сред, в которых живут пациенты исследователя, например, небольшой дом с ограниченным пространством, разным уровнем чистоты и добавление питомцев, что очень сложно при использовании традиционных методов моделирования. Поэтому важно разработать инновационный способ проведения симуляции на уровне сообщества, чтобы предоставить всем сотрудникам доступ к ценному обучению на основе симуляции, обеспечивая при этом безопасную и благоприятную среду для отработки как технических, так и нетехнических навыков.

Исследователь предлагает проводить две симуляции в неделю, в результате чего будет проведено в общей сложности 34 симуляции. Один из них будет использовать традиционные методы моделирования, а другой — смешанную реальность. Используя традиционные методы, физические предметы будут использоваться для воссоздания среды сообщества. Это может быть дорогостоящим, трудоемким и трудным для достижения желаемой среды. Смешанная реальность обеспечивает возможность быстрого погружения участников в различные среды, позволяя участникам испытать все функции. Это делает этот метод очень полезным для сравнения с традиционными методами моделирования, поскольку результаты могут быть потенциально более реалистичными. Исследователь будет использовать анкеты для получения отзывов от участников как до, так и после того, как они приняли участие в моделировании. Эта обратная связь будет использоваться для определения того, чувствуют ли участники себя более уверенно и компетентно при использовании традиционных методов моделирования или моделирования на основе смешанной реальности. Он также оценит, какая среда, по их мнению, создает более реалистичную среду для обучения. Качественные данные будут собираться теми участниками, которые решат принять участие в полуструктурированном интервью. Наряду со сбором данных от участников, техников-симуляторов также попросят лично принять участие в полуструктурированном интервью относительно осуществимости и адаптации обоих симуляций. Это добровольно. Хотя отзывы участников важны, важно также, чтобы отзывы технических специалистов были включены, так как они будут теми, кто должен помочь с запуском симуляций. Полуструктурированные интервью будут проводиться аналогично полуструктурированным интервью участников, с письменными формами согласия, записью интервью и соблюдением конфиденциальности. Однако вопросы будут другими. При обращении им будет выдан информационный лист участника. Имеющиеся данные свидетельствуют о том, что обучение на основе моделирования повышает уверенность в себе, хотя имеется ограниченное количество доступных исследований, в которых сочетается обучение на основе моделирования и смешанная реальность. Поскольку смешанная реальность может обеспечить высокую точность моделирования, эта область требует очень необходимых исследований.

Тип исследования

Интервенционный

Регистрация (Ожидаемый)

68

Фаза

  • Непригодный

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

От 18 лет до 80 лет (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Описание

Критерии включения:

  • Участники должны быть медицинскими работниками, занятыми полный или неполный рабочий день, которые работают в общественных условиях, у пациентов есть собственные дома.

    • Эти участники могут быть зарегистрированными или незарегистрированными сотрудниками, но должны быть клиническими сотрудниками.
    • Персонал будет из разных профессий, в том числе медсестер, эрготерапевтов, физиотерапевтов, помощников практикующих врачей и вспомогательных работников. Опираясь на добровольцев, исследование вряд ли будет иметь равномерное представление всех профессий, особенно принимая во внимание количество персонала в каждой профессии (пропорционально больше медицинских работников, чем специалистов-терапевтов).
    • Чтобы принять участие в этом исследовании, участники должны работать полный или неполный рабочий день или работать на берегу в Торбее и Южном Девоне.
    • Поскольку это относится только к персоналу, нанятому местным трастом, это будет означать, что в это исследование не будут включены лица моложе 18 лет, а сотрудники старше 80 лет также будут исключены, поскольку траст не нанимает медицинские профессии за пределами этих возрастных ограничений.
    • Будут включены только медицинские работники, которые дали подразумеваемое согласие.

Критерий исключения:

  • Любые лица, которые не работают с пациентами или пользователями услуг в условиях сообщества (собственные дома пациентов или дома престарелых). Это будет означать, что неклинические сотрудники будут исключены.

    • Участники в возрасте до 18 и старше 80 лет.
    • Участники, которые не могут дать информированное согласие.
    • Участники с одним из следующих заболеваний будут исключены: конъюнктивит, беременность (5 месяцев и старше), язвы роговицы, ушные инфекции/заболевания уха, инфекции роговицы, грипп, «сухость глаз», насморк, ирит, респираторные заболевания, катаракта или Глаукома, кохлеарные имплантаты или другие состояния, связанные с внутренним ухом/вестибулярным аппаратом (например, лабиринтит). Также любой, кто находится под воздействием алкоголя или наркотиков в день симуляции. Это связано с неизвестным исследованием МР с участием участников, у которых могут быть проблемы со здоровьем.

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

  • Основная цель: Исследования в области здравоохранения
  • Распределение: Рандомизированный
  • Интервенционная модель: Параллельное назначение
  • Маскировка: Нет (открытая этикетка)

Оружие и интервенции

Группа участников / Армия
Вмешательство/лечение
Активный компаратор: традиционное обучение
Участники проведут симуляцию сообщества, используя традиционные методы, физические предметы для воссоздания среды сообщества. Обучение будет проходить в парах и будет играть роль их собственной профессии при выполнении смоделированных сценариев. Традиционные методы моделирования со средней и низкой точностью, включающие сценарии, разыгрываемые с использованием актеров в качестве (стандартизированных пациентов) для участников. После брифинга перед симуляцией участникам будет задан ряд вопросов, чтобы определить их профессию, возраст и уровень предыдущей подготовки, чтобы их можно было сравнить с результатами и сделать их анонимными. Они также заполнят предварительную анкету, которая будет анонимной. После этого участники проходят пост-вопросник, а затем спрашивают, хотят ли они принять участие в полуструктурированном интервью.
традиционное моделирование с использованием актеров в качестве стандартных пациентов, разыгрывающих сценарии, а также предварительное и последующее анкетирование и полуструктурированные интервью
Экспериментальный: обучение моделированию смешанной реальности
Участники проведут тренировку по моделированию смешанной реальности (MR) в двух домашних ситуациях; с использованием иммерсивного оборудования виртуальной реальности. Перед симуляцией участникам будет задан ряд вопросов, чтобы определить их профессию, возраст и уровень предыдущей подготовки, чтобы их можно было сравнить с результатами. Затем участники проведут симуляцию, которую наблюдают через живую камеру техник по симуляции, специалист по симуляции и специалист по сообществу. Участники заполнят анкету после моделирования, а затем их спросят, хотят ли они принять участие в полуструктурированном интервью (по желанию).
использование иммерсивных технологий для создания сценариев обучения, имитирующих виртуальную реальность, а также предварительные и пост-анкеты и полуструктурированные интервью.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Оцените уверенность участников после обучения смоделированным сценарием
Временное ограничение: 1 год
Любая разница в уровне обучения и уверенности участников после традиционного моделирования сценариев клинического сообщества в классе с использованием актеров по сравнению с моделированием сценариев с использованием технологии смешанной реальности (виртуальной реальности). Оценка с использованием полуструктурированных интервью (примечание: шкалы измерений не используются)
1 год

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
смешанная реальность более адаптируема и реалистична по сравнению с традиционными физическими (учебными) средами моделирования на основе
Временное ограничение: 1 год
Оценка с использованием полуструктурированных интервью (примечание: шкалы измерений не используются)
1 год

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Ожидаемый)

1 ноября 2020 г.

Первичное завершение (Ожидаемый)

30 апреля 2021 г.

Завершение исследования (Ожидаемый)

30 апреля 2021 г.

Даты регистрации исследования

Первый отправленный

7 апреля 2020 г.

Впервые представлено, что соответствует критериям контроля качества

23 апреля 2020 г.

Первый опубликованный (Действительный)

24 апреля 2020 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

22 сентября 2020 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

21 сентября 2020 г.

Последняя проверка

1 сентября 2020 г.

Дополнительная информация

Термины, связанные с этим исследованием

Другие идентификационные номера исследования

  • 264392

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .

Клинические исследования традиционное симуляционное обучение

Подписаться