Harjoittelijoiden on hallittava tehokkaat kliinisen päättelyn taidot voidakseen tehdä asianmukaisia ja turvallisia kliinisiä päätöksiä ja välttää käytännön virheitä. Huonosti kehittyneet kliinisen päättelyn taidot voivat vaarantaa potilasturvallisuuden ja viivästyttää hoitoa, erityisesti tehohoidossa ja ensiavussa. Simulaatiopohjaisessa koulutuksessa käytetään simulaation jälkeisiä reflektiivisiä oppimiskeskusteluja purkautumismenetelmänä kliinisen päättelyn taitojen kehittämiseksi samalla, kun potilasturvallisuus säilyy. Kliinisen päättelyn moniulotteisen luonteen, kognitiivisen ylikuormituksen mahdollisen riskin ja analyyttisten (hypoteettis-deduktiivisten) ja ei-analyyttisten (intuitiivisten) kliinisen päättelyn prosessien erilaisen käytön vuoksi edistyneiden ja nuorempien simulaatio-osallistujien välillä on kuitenkin tärkeää ottaa huomioon kokemus, kyvyt, tiedonkulkuun ja -määrään liittyvät tekijät sekä tapauksen monimutkaisuus kliinisen päättelyn optimoimiseksi osallistumalla ryhmäreflektiivisiin oppimiskeskusteluihin simulaation jälkeen purkautumismenetelmänä. Tavoitteenamme on kuvata simulaation jälkeisen reflektiivisen oppimisdialogin mallin kehittämistä, jossa otetaan huomioon useita tekijöitä, jotka vaikuttavat kliinisen päättelyn optimoinnin saavuttamiseen.
Lääkäreistä, sairaanhoitajista, tutkijoista, kouluttajista ja potilasedustajista koostuva yhteissuunnittelutyöryhmä (N = 18) teki yhteistyötä peräkkäisten työpajojen kautta kehittääkseen simulaation jälkeisen reflektiivisen oppimisdialogimallin simulaation purkamiseksi. Yhteissuunnittelutyöryhmä kehitti mallin teoreettisen ja käsitteellisen prosessin sekä monivaiheisen vertaisarvioinnin avulla. Plus/miinus-arviointitutkimuksen ja Bloomin taksonomian rinnakkaisen integroinnin uskotaan optimoivan simulaatioon osallistujien kliinistä päättelyä simulaatioaktiviteetteihin osallistumisen aikana. Sisällön validiteettiindeksin (CVI) ja sisällön validiteettisuhteen (CVR) menetelmiä käytettiin mallin kasvovaliditeetin ja sisällön validiteetin määrittämiseen.
Simulaation jälkeinen reflektiivisen oppimisen dialogimalli kehitettiin ja testattiin. Mallia tukevat käytännön esimerkit ja skriptausohjeet. Mallin ilmeinen ja sisällöllinen validiteetti arvioitiin ja varmistettiin.
Uusi yhteissuunnittelumalli luotiin ottaen huomioon eri mallinnusosallistujien taidot ja kyvyt, tiedonkulku ja -määrä sekä mallinnustapausten monimutkaisuus. Näiden tekijöiden uskotaan optimoivan kliinistä päättelyä ryhmäsimulaatiotoimintaan osallistuttaessa.
Kliinistä päättelyä pidetään terveydenhuollon kliinisen käytännön perustana [1, 2] ja tärkeänä osana kliinistä osaamista [1, 3, 4]. Se on reflektiivinen prosessi, jota ammattilaiset käyttävät tunnistaakseen ja toteuttaakseen sopivimman intervention jokaisessa kohtaamassaan kliinisessä tilanteessa [5, 6]. Kliinistä päättelyä kuvataan monimutkaiseksi kognitiiviseksi prosessiksi, joka käyttää muodollisia ja epämuodollisia ajattelustrategioita kerätäkseen ja analysoidakseen tietoa potilaasta, arvioidakseen tiedon tärkeyttä ja määrittääkseen vaihtoehtoisten toimintatapojen arvon [7, 8]. Se riippuu kyvystä kerätä vihjeitä, käsitellä tietoa ja ymmärtää potilaan ongelma, jotta voidaan ryhtyä oikeisiin toimiin oikean potilaan kohdalla oikeaan aikaan ja oikeasta syystä [9, 10].
Kaikki terveydenhuollon ammattilaiset kohtaavat tarpeen tehdä monimutkaisia päätöksiä epävarmoissa olosuhteissa [11]. Tehohoidossa ja ensihoidossa syntyy kliinisiä tilanteita ja hätätilanteita, joissa välitön reagointi ja interventiot ovat ratkaisevan tärkeitä ihmishenkien pelastamiseksi ja potilasturvallisuuden varmistamiseksi [12]. Huonot kliiniset päättelytaidot ja osaaminen tehohoidossa liittyvät korkeampaan kliinisten virheiden määrään, hoidon viivästymiseen [13] ja potilasturvallisuusriskeihin [14,15,16]. Käytännön virheiden välttämiseksi ammattilaisten on oltava päteviä ja heillä on oltava tehokkaat kliiniset päättelytaidot tehdäkseen turvallisia ja asianmukaisia päätöksiä [16, 17, 18]. Ei-analyyttinen (intuitiivinen) päättelyprosessi on nopea prosessi, jota ammattilaiset suosivat. Sitä vastoin analyyttiset (hypoteettis-deduktiiviset) päättelyprosessit ovat luonnostaan hitaampia, harkitumpia ja niitä käyttävät useammin vähemmän kokeneet ammattilaiset [2, 19, 20]. Terveydenhuollon kliinisen ympäristön monimutkaisuuden ja käytännön virheiden mahdollisen riskin vuoksi [14,15,16] simulaatiopohjaista koulutusta (SBE) käytetään usein tarjoamaan ammattilaisille mahdollisuuksia kehittää osaamistaan ja kliinisiä päättelytaitojaan. turvallinen ympäristö ja altistuminen erilaisille haastaville tapauksille potilasturvallisuuden säilyttäen [21, 22, 23, 24].
Terveydenhuollon simulaatioyhdistys (SSH) määrittelee simulaation "teknologiaksi, joka luo tilanteen tai ympäristön, jossa ihmiset kokevat tosielämän tapahtumien representaatioita harjoittelua, koulutusta, arviointia, testausta tai ihmisen järjestelmien tai käyttäytymisen ymmärtämistä varten." [23] Hyvin jäsennellyt simulaatiosessiot tarjoavat osallistujille mahdollisuuden uppoutua skenaarioihin, jotka simuloivat kliinisiä tilanteita samalla, kun ne vähentävät turvallisuusriskejä [24,25], ja harjoitella kliinistä päättelyä kohdennettujen oppimismahdollisuuksien kautta [21,24,26,27,28]. SBE parantaa kliinisiä kenttäkokemuksia altistamalla opiskelijat kliinisille kokemuksille, joita he eivät välttämättä ole kokeneet todellisissa potilashoitoympäristöissä [24, 29]. Tämä on uhkaamaton, syyllistämätön, ohjattu, turvallinen ja vähäriskinen oppimisympäristö. Se edistää tiedon, kliinisten taitojen, kykyjen, kriittisen ajattelun ja kliinisen päättelyn kehittymistä [22,29,30,31] ja voi auttaa terveydenhuollon ammattilaisia voittamaan tilanteen emotionaalisen stressin, mikä parantaa oppimiskykyä [22, 27, 28]. , 30, 32].
Kliinisen päättelyn ja päätöksentekotaitojen tehokkaan kehityksen tukemiseksi SBE:n avulla on kiinnitettävä huomiota simulaation jälkeisen purkuprosessin suunnitteluun, malliin ja rakenteeseen [24, 33, 34, 35]. Simulaation jälkeisiä reflektiivisiä oppimiskeskusteluja (RLC) käytettiin purkutekniikkana auttamaan osallistujia reflektiivisesti, selittämään toimia ja hyödyntämään vertaistuen ja ryhmäajattelun voimaa tiimityön kontekstissa [32, 33, 36]. Ryhmä-RLC:iden käyttöön liittyy mahdollinen riski alikehittyneestä kliinisestä päättelystä, erityisesti osallistujien vaihtelevien kykyjen ja kokemustason suhteen. Kaksoisprosessimalli kuvaa kliinisen päättelyn moniulotteista luonnetta ja eroja kokeneiden ammattilaisten taipumuksessa käyttää analyyttisiä (hypoteettis-deduktiivisia) päättelyprosesseja ja nuorempien ammattilaisten taipumuksessa käyttää ei-analyyttisiä (intuitiivisia) päättelyprosesseja [34, 37]. ]. Näihin kaksoispäättelyprosesseihin liittyy haaste optimaalisten päättelyprosessien mukauttamisessa erilaisiin tilanteisiin, ja on epäselvää ja kiistanalaista, miten analyyttisiä ja ei-analyyttisiä menetelmiä käytetään tehokkaasti, kun samassa mallinnusryhmässä on sekä seniori- että junioreita. Eri kykyjä ja kokemustasoja omaavat lukiolaiset ja yläkoululaiset osallistuvat vaihtelevan monimutkaisiin simulaatioskenaarioihin [34, 37]. Kliinisen päättelyn moniulotteinen luonne liittyy mahdolliseen alikehittyneen kliinisen päättelyn ja kognitiivisen ylikuormituksen riskiin, erityisesti silloin, kun ammattilaiset osallistuvat ryhmäkohtaisiin SBE-harjoituksiin, joissa tapausten monimutkaisuus ja kokemustaso vaihtelevat [38]. On tärkeää huomata, että vaikka RLC:tä käyttäviä debriefing-malleja on useita, yhtäkään näistä malleista ei ole suunniteltu erityisesti kliinisen päättelytaitojen kehittämiseen keskittyen ottaen huomioon kokemuksen, osaamisen, tiedonkulun ja -määrän sekä mallinnuksen monimutkaisuustekijät [38]. ]. , 39]. Kaikki tämä edellyttää strukturoidun mallin kehittämistä, joka ottaa huomioon erilaiset tekijät ja vaikuttavat tekijät kliinisen päättelyn optimoimiseksi ja sisällyttää samalla simulaation jälkeisen RLC:n raportointimenetelmäksi. Kuvaamme teoreettisesti ja käsitteellisesti ohjatun prosessin simulaation jälkeisen kliinisen päättelyn yhteistyöhön perustuvan suunnittelun ja kehittämisen suorittamiseksi. Kehitettiin malli kliinisen päättelytaitojen optimoimiseksi SBE-harjoituksiin osallistumisen aikana ottaen huomioon laajan kirjon helpottavia ja vaikuttavia tekijöitä optimaalisen kliinisen päättelyn kehityksen saavuttamiseksi.
RLC-simulaation jälkeinen malli kehitettiin yhteistyössä olemassa olevien kliinisen päättelyn, reflektiivisen oppimisen, koulutuksen ja simulaation mallien ja teorioiden pohjalta. Mallin yhteistä kehittämistä varten muodostettiin yhteistyöhön perustuva työryhmä (N = 18), johon kuului 10 tehohoidon sairaanhoitajaa, yksi tehohoitaja ja kolme aiemmin sairaalahoidossa olleiden potilaiden edustajaa, joilla oli eri tasoisia, kokemuksia ja sukupuolia. Mukana oli myös yksi tehohoitoyksikkö, kaksi tutkimusassistenttia ja kaksi vanhempaa sairaanhoitajakouluttajaa. Tämä yhteissuunnitteluinnovaatio suunnitellaan ja kehitetään vertaisyhteistyössä sidosryhmien kanssa, joilla on todellista kokemusta terveydenhuollosta. Nämä sidosryhmät voivat olla joko ehdotetun mallin kehittämiseen osallistuneita terveydenhuollon ammattilaisia tai muita sidosryhmiä, kuten potilaita [40,41,42]. Potilasedustajien mukaan ottaminen yhteissuunnitteluprosessiin voi tuoda lisäarvoa prosessiin, sillä ohjelman perimmäisenä tavoitteena on parantaa potilashoitoa ja -turvallisuutta [43].
Työryhmä piti kuusi 2–4 tunnin työpajaa mallin rakenteen, prosessien ja sisällön kehittämiseksi. Työpaja sisältää keskustelua, harjoittelua ja simulaatiota. Mallin elementit perustuvat useisiin näyttöön perustuviin resursseihin, malleihin, teorioihin ja viitekehyksiin. Näitä ovat: konstruktivistinen oppimisteoria [44], kaksoissilmukkakonsepti [37], kliinisen päättelyn silmukka [10], arvostava kysely (AI) -menetelmä [45] ja raportointi plus/delta-menetelmä [46]. Malli kehitettiin yhteistyössä International Nurses Associationin INACSL-purkuprosessistandardien pohjalta kliinistä ja simulaatiokoulutusta varten [36], ja se yhdistettiin työesimerkkeihin itsestään selvän mallin luomiseksi. Malli kehitettiin neljässä vaiheessa: valmistautuminen reflektiiviseen oppimisdialogiin simulaation jälkeen, reflektiivisen oppimisdialogin aloittaminen, analyysi/reflektio ja purku (kuva 1). Kunkin vaiheen yksityiskohdat käsitellään alla.
Mallin valmisteluvaiheen tarkoituksena on valmistaa osallistujia psykologisesti seuraavaan vaiheeseen ja lisätä heidän aktiivista osallistumistaan ja panostustaan samalla varmistaen psykologisen turvallisuuden [36, 47]. Tämä vaihe sisältää johdannon oppimisympäristön tarkoitukseen ja tavoitteisiin; odotetun keston; fasilitaattorin ja osallistujien odotukset oppimisympäristön aikana; perehdytyksen ja simulaation järjestelyt; luottamuksellisuuden varmistamisen oppimisympäristössä sekä psykologisen turvallisuuden lisäämisen ja parantamisen. Seuraavia yhteissuunnittelutyöryhmän edustavia vastauksia tarkasteltiin oppimisympäristön mallin esikehitysvaiheessa. Osallistuja 7: ”Jos perusterveydenhuollon sairaanhoitajana osallistuisin simulaatioon ilman skenaarion kontekstia ja läsnä olisi ikääntyneitä, todennäköisesti välttäisin osallistumista simulaation jälkeiseen keskusteluun, ellei psykologista turvallisuuttani kunnioiteta. Ja että välttäisin osallistumista simulaation jälkeisiin keskusteluihin. ”Ole suojattu, niin ei ole seurauksia.” Osallistuja 4: ”Uskon, että keskittyminen ja perussääntöjen luominen varhain auttavat oppijoita simulaation jälkeen. Aktiivinen osallistuminen reflektiivisiin oppimiskeskusteluihin.”
RLC-mallin alkuvaiheisiin kuuluu osallistujan tunteiden tutkiminen, taustalla olevien prosessien kuvailu ja skenaarion diagnosointi sekä osallistujan positiivisten ja negatiivisten kokemusten listaaminen, mutta ei analyysia. Tässä vaiheessa malli luodaan kannustamaan ehdokkaita itse- ja tehtäväkeskeisyyteen sekä henkiseen valmistautumiseen syvälliseen analyysiin ja syvälliseen reflektioon [24, 36]. Tavoitteena on vähentää kognitiivisen ylikuormituksen mahdollista riskiä [48], erityisesti niillä, joille mallinnus on uusi aihe eikä heillä ole aiempaa kliinistä kokemusta taidosta/aiheesta [49]. Pyytämällä osallistujia kuvailemaan lyhyesti simuloitua tapausta ja antamaan diagnostisia suosituksia, fasilitaattoria varmistetaan, että ryhmän opiskelijoilla on perus- ja yleiskäsitys tapauksesta ennen siirtymistä laajennettuun analyysi-/reflektiovaiheeseen. Lisäksi osallistujien pyytäminen tässä vaiheessa jakamaan tunteitaan simuloiduissa skenaarioissa auttaa heitä voittamaan tilanteen emotionaalisen stressin ja siten tehostaa oppimista [24, 36]. Tunneongelmien käsittely auttaa myös RLC-ohjaajaa ymmärtämään, miten osallistujien tunteet vaikuttavat yksilön ja ryhmän suoriutumiseen, ja tästä voidaan keskustella kriittisesti reflektio-/analyysivaiheen aikana. Plus/Delta-menetelmä on sisäänrakennettu tähän mallin vaiheeseen reflektio-/analyysivaiheen valmistelevana ja ratkaisevana askeleena [46]. Plus/Delta-lähestymistavan avulla sekä osallistujat että opiskelijat voivat käsitellä/listata simulaatiosta saamiaan havaintoja, tunteita ja kokemuksia, joita voidaan sitten keskustella kohta kohdalta mallin reflektio-/analyysivaiheen aikana [46]. Tämä auttaa osallistujia saavuttamaan metakognitiivisen tilan kohdennettujen ja priorisoitujen oppimismahdollisuuksien avulla kliinisen päättelyn optimoimiseksi [24, 48, 49]. Seuraavia yhteissuunnittelutyöryhmän edustavia vastauksia otettiin huomioon RLC-mallin alkuvaiheen kehitysvaiheessa. Osallistuja 2: ”Mielestäni potilaana, joka on aiemmin ollut teho-osastolla, meidän on otettava huomioon simuloitujen opiskelijoiden tunteet ja tuntemukset. Nostan tämän asian esiin, koska havaitsin omalla osastollani korkeita stressi- ja ahdistustasoja, erityisesti tehohoidon ammattilaisten keskuudessa. ja hätätilanteissa. Tämän mallin on otettava huomioon kokemuksen simulointiin liittyvä stressi ja tunteet.” Osallistuja 16: ”Opettajana pidän Plus/Delta-lähestymistavan käyttöä erittäin tärkeänä, jotta opiskelijoita kannustetaan osallistumaan aktiivisesti mainitsemalla simulaatioskenaarion aikana kohtaamiaan hyviä asioita ja tarpeita. Parannuskohteita.”
Vaikka mallin aiemmat vaiheet ovat kriittisiä, analyysi-/reflektiovaihe on tärkein kliinisen päättelyn optimoinnin saavuttamiseksi. Se on suunniteltu tarjoamaan edistynyttä analyysia/synteesiä ja syvällistä analyysia kliinisen kokemuksen, osaamisen ja mallinnettujen aiheiden vaikutuksen perusteella; RLC-prosessi ja -rakenne; tarjotun tiedon määrä kognitiivisen ylikuormituksen välttämiseksi; reflektiivisten kysymysten tehokas käyttö. Menetelmät oppijakeskeisen ja aktiivisen oppimisen saavuttamiseksi. Tässä vaiheessa kliininen kokemus ja simulaatioaiheiden tuntemus jaetaan kolmeen osaan eri kokemus- ja kykytasojen huomioon ottamiseksi: ensimmäinen: ei aiempaa kliinistä työkokemusta/ei aiempaa altistumista simulaatioaiheille, toinen: kliininen työkokemus, tiedot ja taidot/ei mitään. aiempaa altistumista mallinnusaiheille. Kolmas: Kliininen työkokemus, tiedot ja taidot. Ammatillinen/aiempi altistuminen mallinnusaiheille. Luokittelu tehdään vastaamaan saman ryhmän sisällä eri kokemus- ja kykytasoilla olevien ihmisten tarpeita, tasapainottaen siten vähemmän kokeneiden ammattilaisten taipumusta käyttää analyyttistä päättelyä kokeneempien ammattilaisten taipumusta käyttää ei-analyyttistä päättelyä [19, 20, 34]. , 37]. RLC-prosessi rakennettiin kliinisen päättelysyklin [10], reflektiivisen mallinnuskehyksen [47] ja kokemuksellisen oppimisen teorian [50] ympärille. Tämä saavutetaan useiden prosessien avulla: tulkinnan, erottelun, kommunikaation, päättelyn ja synteesin.
Kognitiivisen ylikuormituksen välttämiseksi harkittiin oppijakeskeisen ja reflektiivisen puhumisprosessin edistämistä, jossa osallistujille annetaan riittävästi aikaa ja mahdollisuuksia reflektoida, analysoida ja syntetisoida itseluottamuksen saavuttamiseksi. RLC:n aikana tapahtuvia kognitiivisia prosesseja käsitellään konsolidointi-, vahvistus-, muotoilu- ja konsolidointiprosessien avulla, jotka perustuvat kaksoissilmukkakehykseen [37] ja kognitiiviseen kuormitusteoriaan [48]. Strukturoitu dialogiprosessi ja riittävän reflektioajan varaaminen, ottaen huomioon sekä kokeneet että kokemattomat osallistujat, vähentää kognitiivisen kuormituksen mahdollista riskiä, erityisesti monimutkaisissa simulaatioissa, joissa osallistujien aiemmat kokemukset, altistukset ja kykytasot vaihtelevat. Kohtauksen jälkeen. Mallin reflektiivinen kysymystekniikka perustuu Bloomin taksonomiseen malliin [51] ja arvostavan tutkimuksen (AI) menetelmiin [45], joissa mallinnettu fasilitaattori lähestyy kohdetta askel askeleelta, sokraattisella ja reflektiivisellä tavalla. Esitä kysymyksiä, alkaen tietoon perustuvista kysymyksistä, ja käsittele päättelyyn liittyviä taitoja ja kysymyksiä. Tämä kysymystekniikka parantaa kliinisen päättelyn optimointia kannustamalla osallistujien aktiivista osallistumista ja progressiivista ajattelua pienemmällä kognitiivisen ylikuormituksen riskillä. Seuraavia yhteissuunnittelutyöryhmän edustavia vastauksia tarkasteltiin RLC-mallin kehittämisen analyysi-/reflektiovaiheessa. Osallistuja 13: ”Kognitiivisen ylikuormituksen välttämiseksi meidän on otettava huomioon tiedon määrä ja kulku simulaation jälkeisissä oppimiskeskusteluissa. Tätä varten mielestäni on tärkeää antaa opiskelijoille riittävästi aikaa reflektoida ja aloittaa perusasioista. Tieto aloittaa keskustelut ja taidot, ja sitten siirtyy korkeammille tiedon ja taitojen tasoille metakognition saavuttamiseksi.” Osallistuja 9: ”Uskon vahvasti, että arvostavan tutkimuksen (AI) tekniikoita käyttävät kyselymenetelmät ja Bloomin taksonomiamallia käyttävät reflektiiviset kyselymenetelmät edistävät aktiivista oppimista ja oppijakeskeisyyttä samalla vähentäen kognitiivisen ylikuormituksen riskiä.” Mallin purkuvaiheen tavoitteena on tiivistää RLC:n aikana esiin nousseet oppimiskohdat ja varmistaa, että oppimistavoitteita saavutetaan. Osallistuja 8: ”On erittäin tärkeää, että sekä oppija että fasilitaattori ovat yhtä mieltä tärkeimmistä keskeisistä ideoista ja näkökohdista, jotka on otettava huomioon käytäntöön siirryttäessä.”
Eettinen hyväksyntä saatiin protokollanumeroilla (MRC-01-22-117) ja (HSK/PGR/UH/04728). Mallia testattiin kolmella ammatillisella tehohoidon simulaatiokurssilla mallin käytettävyyden ja käytännöllisyyden arvioimiseksi. Mallin ilmeisen validiteetin arvioivat yhteissuunnittelutyöryhmä (N = 18) ja koulutusjohtajina toimivat koulutusasiantuntijat (N = 6) korjatakseen ulkoasuun, kielioppiin ja prosessiin liittyviä ongelmia. Ilmeisen validiteetin jälkeen sisällön validiteetin määrittivät American Nurses Credentialing Centerin (ANCC) sertifioimat ja koulutussuunnittelijoina toimivat vanhemmat sairaanhoitajakouluttajat (N = 6), joilla oli yli 10 vuoden koulutus- ja opetuskokemus (N = 6). Työkokemus Arvioinnin suorittivat koulutusjohtajat (N = 6). Mallintamiskokemus. Sisällön validiteetti määritettiin käyttämällä Content Validity Ratio (CVR) ja Content Validity Index (CVI). CVI:n arvioinnissa käytettiin Lawshen menetelmää [52] ja CVR:n arvioinnissa Waltzin ja Bausellin [53] menetelmää. CVR-projektit ovat välttämättömiä, hyödyllisiä, mutta eivät välttämättömiä tai valinnaisia. CVI pisteytetään neliportaisella asteikolla relevanssin, yksinkertaisuuden ja selkeyden perusteella, jossa 1 = ei relevantti, 2 = jokseenkin relevantti, 3 = relevantti ja 4 = erittäin relevantti. Sisällön ja ulkoasun validiteetin varmentamisen jälkeen käytännön työpajojen lisäksi mallia käyttäville opettajille järjestettiin perehdytys- ja perehdytystilaisuuksia.
Työryhmä kehitti ja testasi simulaation jälkeistä RLC-mallia kliinisen päättelytaitojen optimoimiseksi tehohoitoyksiköissä tapahtuvan SBE-harjoittelun aikana (kuvat 1, 2 ja 3). CVR = 1,00, CVI = 1,00, mikä heijastaa asianmukaista ulkoasun ja sisällön validiteettia [52, 53].
Malli luotiin ryhmäsimulaatioharjoituksiin (SBE), joissa käytetään jännittäviä ja haastavia skenaarioita osallistujille, joilla on sama tai eri taso kokemusta, tietoa ja tutkintoa. RLC-käsitteellinen malli kehitettiin INACSL:n lentosimulaatioanalyysistandardien [36] mukaisesti, ja se on oppijakeskeinen ja itsestään selvä, sisältäen käytännön esimerkkejä (kuvat 1, 2 ja 3). Malli kehitettiin tarkoituksella ja jaettiin neljään vaiheeseen mallinnusstandardien täyttämiseksi: alkaen tiedottamisesta, jota seuraa reflektiivinen analyysi/synteesi ja päättyen tiedon ja yhteenvedon jakamiseen. Kognitiivisen ylikuormituksen välttämiseksi jokainen mallin vaihe on tarkoituksella suunniteltu seuraavan vaiheen edellytykseksi [34].
Senioriteetti- ja ryhmäharmoniatekijöiden vaikutusta RLC:hen osallistumiseen ei ole aiemmin tutkittu [38]. Kun otetaan huomioon kaksoissilmukan ja kognitiivisen ylikuormituksen teorian käytännön käsitteet simulaatiokäytännössä [34, 37], on tärkeää ottaa huomioon, että ryhmä-SBE:hen osallistuminen saman simulaatioryhmän osallistujien erilaisten kokemusten ja kykytasojen kanssa on haasteellista. Tiedon määrän, oppimisen kulun ja rakenteen laiminlyönti sekä nopeiden ja hitaiden kognitiivisten prosessien samanaikainen käyttö sekä lukiolaisten että yläkoululaisten keskuudessa aiheuttaa potentiaalisen kognitiivisen ylikuormituksen riskin [18, 38, 46]. Nämä tekijät otettiin huomioon RLC-mallia kehitettäessä, jotta vältetään alikehittynyt ja/tai optimaalinen kliininen päättely [18, 38]. On tärkeää ottaa huomioon, että RLC:n suorittaminen eri senioriteetti- ja osaamistasoilla aiheuttaa dominointivaikutuksen seniorien osallistujien keskuudessa. Tämä johtuu siitä, että edistyneemmillä osallistujilla on taipumus välttää peruskäsitteiden oppimista, mikä on ratkaisevan tärkeää nuoremmille osallistujille metakognition saavuttamiseksi ja korkeamman tason ajattelu- ja päättelyprosesseihin siirtymiseksi [38, 47]. RLC-malli on suunniteltu osallistamaan vanhempia ja nuorempia sairaanhoitajia arvostavan kyselyn ja delta-lähestymistavan avulla [45, 46, 51]. Näitä menetelmiä käyttämällä vanhempien ja nuorempien osallistujien, joilla on erilaiset kyvyt ja kokemustasot, näkemykset esitetään kohta kohdalta, ja purkutilaisuuden moderaattori ja yhteismoderaattorit keskustelevat niistä reflektiivisesti [45, 51]. Simulaatioon osallistujien panoksen lisäksi purkutilaisuuden fasilitaattori lisää heidän panoksensa varmistaakseen, että kaikki yhteiset havainnot kattavat kattavasti jokaisen oppimishetken, mikä parantaa metakognitiota kliinisen päättelyn optimoimiseksi [10].
RLC-mallin avulla tiedonkulkua ja oppimisrakennetta käsitellään systemaattisen ja monivaiheisen prosessin kautta. Tämän tarkoituksena on auttaa fasilitaattoreita purkamaan keskusteluja ja varmistaa, että jokainen osallistuja puhuu selkeästi ja itsevarmasti jokaisessa vaiheessa ennen siirtymistä seuraavaan vaiheeseen. Moderaattori pystyy aloittamaan reflektiivisiä keskusteluja, joihin kaikki osallistujat osallistuvat, ja saavuttamaan pisteen, jossa eri ikä- ja taitotasoilla olevat osallistujat sopivat parhaista käytännöistä kullekin keskustelukohtaan ennen siirtymistä seuraavaan [38]. Tämän lähestymistavan avulla kokeneet ja pätevät osallistujat voivat jakaa panoksensa/havaintonsa, kun taas vähemmän kokeneiden ja pätevien osallistujien panoksia/havaintoja arvioidaan ja niistä keskustellaan [38]. Tämän tavoitteen saavuttamiseksi fasilitaattoreiden on kuitenkin kohdattava haaste tasapainottaa keskusteluja ja tarjota yhtäläiset mahdollisuudet kokeneemmille ja nuoremmille osallistujille. Tätä varten mallikyselymenetelmä kehitettiin tarkoituksella käyttämällä Bloomin taksonomista mallia, joka yhdistää arvioivan kyselyn ja additiivisen/delta-menetelmän [45, 46, 51]. Näiden tekniikoiden käyttäminen ja keskeisten kysymysten/reflektiivisten keskustelujen tuntemuksella ja ymmärryksellä aloittaminen kannustaa vähemmän kokeneita osallistujia osallistumaan ja osallistumaan aktiivisesti keskusteluun, minkä jälkeen fasilitaattori siirtyy vähitellen korkeammalle kysymysten/keskustelujen arvioinnin ja synteesin tasolle, jossa molempien osapuolten on annettava sekä senioreille että junioreille osallistujille yhtäläinen mahdollisuus osallistua aiemman kokemuksensa ja kliinisten taitojensa tai simuloitujen skenaarioiden kokemuksensa perusteella. Tämä lähestymistapa auttaa vähemmän kokeneita osallistujia osallistumaan aktiivisesti ja hyötymään kokeneempien osallistujien jakamista kokemuksista sekä purkuohjaajan panoksesta. Toisaalta malli on suunniteltu paitsi erilaisilla kyvyillä ja kokemustasoilla varustetuille SBE-ryhmien osallistujille, myös samanlaisella kokemus- ja kykytasolla varustetuille SBE-ryhmien osallistujille. Malli on suunniteltu helpottamaan ryhmän sujuvaa ja systemaattista siirtymistä tietoon ja ymmärrykseen keskittymisestä synteesiin ja arviointiin keskittymiseen oppimistavoitteiden saavuttamiseksi. Mallin rakenne ja prosessit on suunniteltu sopimaan erilaisten ja yhtäläisten kykyjen ja kokemustasojen omaaville mallinnusryhmille.
Vaikka SBE:tä käytetään terveydenhuollossa yhdessä RLC:n kanssa kliinisen päättelyn ja osaamisen kehittämiseen ammattilaisilla [22,30,38], on kuitenkin otettava huomioon tapauksen monimutkaisuuteen ja kognitiivisen ylikuormituksen mahdollisiin riskeihin liittyvät asiaankuuluvat tekijät, erityisesti silloin, kun SBE-skenaarioihin osallistuneet simuloivat erittäin monimutkaisia, kriittisesti sairaita potilaita, jotka vaativat välitöntä interventiota ja kriittistä päätöksentekoa [2,18,37,38,47,48]. Tätä varten on tärkeää ottaa huomioon sekä kokeneiden että vähemmän kokeneiden osallistujien taipumus vaihtaa samanaikaisesti analyyttisten ja ei-analyyttisten päättelyjärjestelmien välillä SBE:hen osallistuessaan ja luoda näyttöön perustuva lähestymistapa, joka mahdollistaa sekä vanhempien että nuorempien opiskelijoiden aktiivisen osallistumisen oppimisprosessiin. Siksi malli on suunniteltu siten, että simuloidun tapauksen monimutkaisuudesta riippumatta fasilitaattorin on varmistettava, että sekä vanhempien että nuorempien osallistujien tietämyksen ja taustatiedon osa-alueet käsitellään ensin ja sitten niitä kehitetään vähitellen ja refleksinomaisesti analyysin, synteesin ja ymmärtämisen sekä arvioivan näkökulman helpottamiseksi. Tämä auttaa nuorempia opiskelijoita rakentamaan ja vahvistamaan oppimaansa ja vanhempia opiskelijoita syntetisoimaan ja kehittämään uutta tietoa. Tämä täyttää päättelyprosessin vaatimukset ottaen huomioon kunkin osallistujan aiemman kokemuksen ja kyvyt, ja sillä on yleinen muoto, joka ottaa huomioon lukiolaisten ja yläkoululaisten taipumuksen siirtyä samanaikaisesti analyyttisten ja ei-analyyttisten päättelyjärjestelmien välillä, varmistaen siten kliinisen päättelyn optimoinnin.
Lisäksi simulaatiofasilitaattoreilla/purkujen tekijöillä voi olla vaikeuksia hallita simulaatiopurkutaitoja. Kognitiivisten purkukäsikirjoitusten käytön uskotaan parantavan tehokkaasti fasilitaattoreiden tiedonhankintaa ja käyttäytymistaitoja verrattuna niihin, jotka eivät käytä käsikirjoituksia [54]. Skenaariot ovat kognitiivinen työkalu, joka voi helpottaa opettajien mallinnustyötä ja parantaa purkutaitoja, erityisesti opettajilla, jotka vielä vahvistavat purkukokemustaan [55]. saavuttaa paremman käytettävyyden ja kehittää käyttäjäystävällisiä malleja. (Kuva 2 ja kuva 3).
Plus/delta-, arvostava kysely ja Bloomin taksonomia -menetelmien rinnakkaisintegraatiota ei ole vielä käsitelty nykyisissä simulaatioanalyysi- ja ohjatun reflektion malleissa. Näiden menetelmien integrointi korostaa RLC-mallin innovatiivisuutta, jossa nämä menetelmät integroidaan yhteen muotoon kliinisen päättelyn ja oppijakeskeisyyden optimoimiseksi. Lääketieteen kouluttajat voivat hyötyä ryhmäkoulutuksen mallintamisesta RLC-mallin avulla osallistujien kliinisen päättelykyvyn parantamiseksi ja optimoimiseksi. Mallin skenaariot voivat auttaa kouluttajia hallitsemaan reflektiivisen debriefingin prosessin ja vahvistamaan taitojaan tullakseen itsevarmoiksi ja päteviksi debriefing-fasilitaattoreiksi.
SBE voi sisältää monia eri modaliteettia ja tekniikoita, mukaan lukien, mutta ei rajoittuen, mannekiinipohjaiset SBE:t, tehtäväsimulaattorit, potilassimulaattorit, standardoidut potilaat sekä virtuaali- ja lisätyn todellisuuden. Koska raportointi on yksi tärkeimmistä mallinnuskriteereistä, simuloitua RLC-mallia voidaan käyttää raportointimallina näitä tiloja käytettäessä. Lisäksi, vaikka malli kehitettiin hoitoalalle, sillä on potentiaalia käyttää moniammatillisessa terveydenhuollon SBE:ssä, mikä korostaa tulevien tutkimushankkeiden tarvetta RLC-mallin testaamiseksi moniammatillisessa koulutuksessa.
Simulaation jälkeisen RLC-mallin kehittäminen ja arviointi tehohoitoyksiköiden hoitotyötä varten. Mallin tulevaa arviointia/validointia suositellaan mallin yleistettävyyden parantamiseksi käytettäväksi muilla terveydenhuollon aloilla ja moniammatillisessa SBE-hoidossa.
Mallin kehitti yhteinen työryhmä teorian ja käsitteen pohjalta. Mallin validiteetin ja yleistettävyyden parantamiseksi vertailevissa tutkimuksissa voidaan tulevaisuudessa harkita parannettujen luotettavuusmittareiden käyttöä.
Harjoitusvirheiden minimoimiseksi ammattilaisten on hallittava tehokkaat kliinisen päättelyn taidot turvallisen ja asianmukaisen kliinisen päätöksenteon varmistamiseksi. SBE RLC:n käyttö purkutekniikkana edistää kliinisen päättelyn kehittämiseen tarvittavien tietojen ja käytännön taitojen kehittymistä. Kliinisen päättelyn moniulotteinen luonne, joka liittyy aiempaan kokemukseen ja altistumiseen, kykyjen muutoksiin, tiedon määrään ja kulkuun sekä simulaatioskenaarioiden monimutkaisuuteen, korostaa kuitenkin simulaation jälkeisten RLC-mallien kehittämisen tärkeyttä, joiden avulla kliinistä päättelyä voidaan toteuttaa aktiivisesti ja tehokkaasti. Näiden tekijöiden huomiotta jättäminen voi johtaa alikehittyneeseen ja optimaalista heikompaan kliiniseen päättelyyn. RLC-malli kehitettiin ottamaan huomioon nämä tekijät kliinisen päättelyn optimoimiseksi ryhmäsimulaatiotoimintaan osallistuttaessa. Tämän tavoitteen saavuttamiseksi malli integroi samanaikaisesti plus/miinus-arvioivan tutkimuksen ja Bloomin taksonomian käytön.
Tässä tutkimuksessa käytetyt ja/tai analysoidut aineistot ovat saatavilla vastaavalta kirjoittajalta kohtuullisesta pyynnöstä.
Daniel M, Rencic J, Durning SJ, Holmbo E, Santen SA, Lang W, Ratcliffe T, Gordon D, Heist B, Lubarski S, Estrada KA. Kliinisen päättelyn arviointimenetelmät: Katsaus ja käytännön suositukset. Academy of Medical Sciences. 2019;94(6):902–12.
Young ME, Thomas A., Lubarsky S., Gordon D., Gruppen LD, Rensich J., Ballard T., Holmboe E., Da Silva A., Ratcliffe T., Schuwirth L. Kirjallisuusvertailu kliinisestä päättelystä terveydenhuollon ammattien välillä: laajuuskatsaus. BMC Medical Education. 2020;20(1):1–1.
Guerrero JG. Hoitotyön käytännön päättelymalli: Kliinisen päättelyn, päätöksenteon ja harkintakyvyn taito ja tiede hoitotyössä. Open the nurse's journal. 2019;9(2):79–88.
Almomani E, Alraouch T, Saada O, Al Nsour A, Kamble M, Samuel J, Atallah K, Mustafa E. Reflective learning dialog as a kliininen oppimis- ja opetusmenetelmä tehohoidossa. Qatar Medical Journal. 2020; 2019; 1(1):64.
Mamed S., Van Gogh T., Sampaio AM, de Faria RM, Maria JP, Schmidt HG Miten opiskelijoiden diagnostiset taidot hyötyvät kliinisten tapausten harjoittelusta? Strukturoidun reflektion vaikutukset samojen ja uusien sairauksien tuleviin diagnooseihin. Academy of Medical Sciences. 2014;89(1):121–7.
Tutticci N, Theobald KA, Ramsbotham J, Johnston S. Tarkkailijaroolien ja kliinisen päättelyn tutkiminen simulaatiossa: laajuuskatsaus. Nurse Education Practice 2022 tammikuu 20: 103301.
Edwards I, Jones M, Carr J, Braunack-Meyer A, Jensen GM. Kliiniset päättelystrategiat fysioterapiassa. Physiotherapy. 2004;84(4):312–30.
Kuiper R, Pesut D, Kautz D. Kliinisen päättelytaitojen itsesäätelyn edistäminen lääketieteen opiskelijoilla. Open Journal Nurse 2009;3:76.
Levett-Jones T, Hoffman K, Dempsey J, Jeon SY, Noble D, Norton KA, Roche J, Hickey N. Kliinisen päättelyn "viisi oikeutta": Koulutusmalli hoitotyön opiskelijoiden kliinisen osaamisen parantamiseksi riskiryhmään kuuluvien potilaiden tunnistamisessa ja hoidossa. Nursing education today. 2010;30(6):515–20.
Brentnall J, Thackray D, Judd B. Lääketieteen opiskelijoiden kliinisen päättelyn arviointi harjoittelu- ja simulaatioympäristöissä: systemaattinen katsaus. International Journal of Environmental Research, Public Health. 2022;19(2):936.
Chamberlain D, Pollock W, Fulbrook P. ACCCN:n tehohoidon hoitotyön standardit: systemaattinen katsaus, näytön kehittäminen ja arviointi. Emergency Australia. 2018;31(5):292–302.
Cunha LD, Pestana-Santos M, Lomba L, Reis Santos M. Epävarmuus kliinisessä päättelyssä anestesian jälkeisessä hoidossa: integroiva katsaus epävarmuuden malleihin monimutkaisissa terveydenhuollon ympäristöissä. J Perioperative Nurse. 2022;35(2):e32–40.
Rivaz M, Tavakolinia M, Momennasab M. Tehohoidon sairaanhoitajien ammatillinen työskentely-ympäristö ja sen yhteys hoitotuloksiin: rakenneyhtälömallinnustutkimus. Scand J Caring Sci. 2021;35(2):609–15.
Suvardianto H, Astuti VV, Osaaminen. Hoitotyön ja tehohoidon käytäntöjen aikakauslehtien vaihto tehohoidon yksikön sairaanhoitajaopiskelijoille (JSCC). STRADA MAGAZINE Ilmia Kesehatan. 2020;9(2):686–93.
Liev B, Dejen Tilahun A, Kasyu T. Tehohoidon sairaanhoitajien fyysiseen arviointiin liittyvät tiedot, asenteet ja tekijät: monikeskustutkimus. Tutkimuskäytäntö tehohoidossa. 2020;9145105.
Sullivan J., Hugill K., A. Elraush TA, Mathias J., Alkhetimi MO Sairaanhoitajien ja kätilöiden osaamiskehyksen pilottihanke Lähi-idän maan kulttuurikontekstissa. Sairaanhoitajakoulutuksen käytäntö. 2021;51:102969.
Wang MS, Thor E, Hudson JN. Vastausprosessin validiteetin testaaminen skriptien johdonmukaisuustesteissä: ääneen ajatteleva lähestymistapa. International Journal of Medical Education. 2020;11:127.
Kang H, Kang HY. Simulaatiokoulutuksen vaikutukset kliinisen päättelyn taitoihin, kliiniseen osaamiseen ja koulutukseen liittyvään tyytyväisyyteen. J Korea Academic and Industrial Cooperation Association. 2020;21(8):107–14.
Diekmann P, Thorgeirsen K, Kvindesland SA, Thomas L, Bushell W, Langley Ersdal H. Mallinnuksen käyttö tartuntatautiepidemioiden, kuten COVID-19:n, valmisteluun ja reagoinnin parantamiseen: käytännön vinkkejä ja resursseja Norjasta, Tanskasta ja Isosta-Britanniasta. Edistynyt mallinnus. 2020;5(1):1–0.
Liose L, Lopreiato J, perustaja D, Chang TP, Robertson JM, Anderson M, Diaz DA, Spain AE, toimittajat. (Apulaistoimittaja) ja Terminology and Concepts Working Group, Dictionary of Healthcare Modeling – toinen painos. Rockville, MD: Agency for Healthcare Research and Quality. Tammikuu 2020: 20-0019.
Brooks A, Brachman S, Capralos B, Nakajima A, Tyerman J, Jain L, Salvetti F, Gardner R, Minehart R, Bertagni B. Lisätty todellisuus terveydenhuollon simuloinnissa. Uusimmat edistysaskeleet virtuaalisissa potilasteknologioissa osallistavan hyvinvoinnin edistämiseksi. Pelillistäminen ja simulointi. 2020;196:103–40.
Alamrani MH, Alammal KA, Alqahtani SS, Salem OA. Simulaation ja perinteisten opetusmenetelmien vaikutusten vertailu hoitotyön opiskelijoiden kriittisen ajattelun taitoihin ja itseluottamukseen. J Nursing Research Center. 2018;26(3):152–7.
Kiernan LK. Kykyjen ja itseluottamuksen arviointi simulaatiotekniikoiden avulla. Care. 2018;48(10):45.
Julkaisun aika: 08.01.2024