视觉估计 LVEF 感知学习模块的实现与评价

TEE 越来越多地用于围手术期诊断和监测。 然而，学习 TEE 可能是漫长而困难的：指南建议学习者在培训期间执行和解释数百次 TEE 考试。 即使这种学习过程已成功使用多年，它也有很大的局限性，尤其是在受训者人数不断增加的情况下：接触患者和 TEE 专家的机会有限，而且培训所需的时间很长也是一个问题。

模拟器作为超声心动图教学工具越来越受欢迎，其优势主要体现在探头处理和图像采集方面。 一些模拟器也可能对复制某些疾病有用，但大多数模拟器只能复制有限种类的疾病，而且大多是典型的表现。 在教授图像解释时，这是一个重要的限制。 为了发展他们的专业知识，受训者必须接触到范围广泛的正常变化和更细微的异常。

PLM 代表了一种替代模式来教授图像解释，并且已经在其他领域中使用。 PLM 是为增强模式识别的发展而创建的在线工具，模式识别是一种有效解读 TEE 图像所需的技能。 使用 PLM，学习者观察一系列图像或视频剪辑，并且必须在短时间内回答有关每个图像的问题。 每个答案后面都有一个即时反馈（正确答案）。 通过在线观察大量图像并接收系统的专家反馈，学员可以快速学会从图像中高效地提取所需信息。

本研究旨在评估 PLM 对初级住院医师和医学生使用 TEE 图像正确估计左心室射血分数的能力的影响。

方法：

一个由经验丰富的程序员组成的团队将开发一个 Web 平台，该平台将允许识别参与者和 TEE 专家，管理同意流程，主持用于评估参与者专业知识和 PLM 本身的测试，以及管理 TEE 图像和研究数据。

旨在评估 PLM 对 LVEF 视觉估计影响的试点研究将由以下步骤组成：

1. TEE案例的选择和验证，
2. 开发两个版本的测试和 PLM，
3. 与对照组相比，分析 PLM 对参与者绩效的影响。

本研究中使用的每个 TEE 案例将包含 3 个短视频循环，其中包含以下标准化超声心动图视图：

• 食管中段四腔观
• 食管中段两腔观
• 食管中段长轴观

在纳入研究之前，每个案例都将被匿名化，然后由两位 TEE 解释方面的心脏病专家进行验证。 仅当两位 TEE 专家独立提供的 LVEF 视觉估计相差不超过 10% 时，才会使用这些情况。 然后将创建两组不同的经过验证的图像。

第一组将由两组 20 个经过验证的案例组成（总共 40 个案例）。 这些案例将用于创建两个版本的测试，用于评估参与者在研究方案不同阶段视觉估计 LVEF 的专业知识。 这些案例不会成为 PLM 的一部分。

第二组将由 96 个经过验证的案例组成，这些案例将用于 PLM。 PLM 的设计目的不是评估参与者的专业知识，而是培养他们估计 LVEF 的能力。

在平台上进行测试时，参与者将在屏幕上同时看到每个案例的三个短视频循环，最多 20 秒，然后必须提供 LVEF 的估计值。 每个答案都会紧跟另一个案例，并且不会提供任何反馈。

在进行 PLM 时，参与者将在屏幕上同时看到每个案例的三个短视频循环，最多 20 秒，然后必须提供 LVEF 的估计。 然而，每个答案之后都会以专家对 LVEF 的视觉估计的平均值的形式进行反馈。 这个“案例可视化 - 参与者评估 - 专家反馈”的序列将在此 PLM 期间重复 96 次。

居民和医学生将被平台随机分配到对照组和 PLM 组。 两组将参加两个在线会议。 在第一次会议期间，将收集人口统计和临床经验数据。 所有参与者还将进行预测试，以衡量他们估计 LVEF 的基线能力。 然后只有随机分配到 PLM 组的参与者将执行 PLM。 所有参与者将在第一节课结束时进行后测。 六个月后，所有参与者将返回进行第二次测试以执行延迟测试。

在研究结束时，如果对照组的参与者愿意，将允许他们完成 PLM。