面向护理人员的基于人工智能临床场景的创新心电图培训

实验性的：人工智能驱动培训组

该组参与者将使用研究人员开发的原创、专门设计的学习软件，该软件集成人工智能以提供动态临床场景。 干预重点聚焦于心电图判读的互动式培训。 每个场景均根据学习者表现量身定制，提供即时反馈并模拟真实世界的心血管护理挑战。 该组将完成前测和后测评估，随后进行焦点小组讨论以探讨他们对软件的质性使用体验。

设备：人工智能驱动的场景式学习软件

该干预措施由研究人员设计和开发的一款原创教育软件组成。 该软件利用人工智能生成专注于心电图解读的交互式和自适应临床场景。

参与者与高保真模拟互动，人工智能引擎根据用户的回答调整案例的复杂性。 该软件提供即时反馈、正确护理决策的理由，并实时跟踪护理人员的进展。 培训课程旨在通过沉浸式、技术增强的学习来提升临床推理和自我效能。

有源比较器：传统训练对照组

该组参与者将接受传统护理教育中使用的标准心电图解读教育干预。 这通常包括传统的课堂讲座、印刷教育材料以及标准演示幻灯片，不包含人工智能的交互或自适应功能。 该组将与干预组完成相同的前测和后测评估，以便为比较新技术增强方法的有效性提供基准。

其他：传统心电图教育计划

该干预措施代表了护理人员的标准教育方法。 它包括传统的课堂讲座以及静态教育材料的使用，例如印刷手册和PowerPoint演示文稿。

内容涵盖与干预组相同的心电图解读理论和实践原则，但未使用人工智能或交互式临床场景。 课程由讲师在传统学习环境中进行，侧重于被动知识获取和标准化临床示例。

心电图判读知识评分

一套旨在评估护理人员理论和实践知识的综合性评估工具：包含15道专门设计的多选题，用于评估护士在心电图解读基本原理方面的认知知识水平，例如基本波形成分分析、心率计算、常见心律失常识别、房室传导异常评估以及危及生命的心律评估。 每答对一题得1分，总分最高为15分。 评分范围从最低0分到最高15分，分数越高表明心电图解读知识水平越高。

心电图判读护理决策量表

这是一项包含8个项目的自我报告工具，旨在评估护理人员在心电图解读方面的临床判断和信心。 每个项目采用5点李克特量表评分，范围从1（非常不同意）到5（非常同意）。

评分与解释：

最小值和最大值：总分范围从最低8分到最高40分。

高能力（30-40分）：表示在心律解读方面具有较高的临床判断和专业信心。

中等能力（19-29分）：表示临床判断能力中等；护士可能需要监督或进一步指导。

低能力（8-18分）：表示信心不足，临床判断存在较高错误风险。

总分越高代表结果越好，表明在心血管护理方面具有更强的临床能力和更安全的决策能力。

心电图解读与临床任务通用自我效能感量表

一个包含10个条目的心理测量量表，用于评估护理人员在各种条件下对执行心电图解读及相关临床任务能力的感知信心和自我信念。

评分系统：

每个条目按4点李克特量表评分：

1. 完全不真实
2. 几乎不真实
3. 中等真实
4. 完全真实

总分解读（范围10-40）：

高自我效能（31-40）：表示在应对心血管护理挑战方面具有强烈的感知能力和高度自我信念。

中等自我效能（21-30）：表示在应对临床需求方面具有中等信心。

低自我效能（10-20）：表示对应对心电图解读专业挑战的能力信念较低。

总分越高表示结果越好，代表护理人员感知能力更强、自我效能更高。

护士对人工智能辅助心电图判读学习的感知与满意度

这一质性结果评估参与者对专门为心电图解读设计的人工智能辅助学习平台的接受度、感知有用性、可用性和满意度。

数据收集与分析：

方法：将通过焦点小组讨论收集数据，以探索护理人员的实际经验和反馈。

分析方法：将使用主题分析法对结果进行分析，以识别与干预相关的重复模式、主题和子主题。

基于病例情景的护理临床决策评分

使用一个由10个临床案例情景组成的专业评估工具进行测量。每个情景呈现与心血管护理相关的特定患者场景，要求参与者通过多项选择题分析心电图结果并选择最合适的护理干预措施。

该工具评估护理人员将理论知识应用于实际临床情境的能力，分数范围从最低0分到最高10分，分数越高表示结果越好。在10个情景中获得更高的总分表明在心电图解读方面具有更优秀的临床决策能力和更佳的专业判断力。