Lääkäreillä on oltava tehokkaat kliinisen päättelyn taidot tehdä asianmukaisia, turvallisia kliinisiä päätöksiä ja välttää käytännön virheitä.Huonosti kehittyneet kliiniset päättelytaidot voivat vaarantaa potilasturvallisuuden ja viivästyttää hoitoa erityisesti teho- ja ensiapuosastoilla.Simulaatioon perustuva koulutus käyttää simulaation jälkeisiä reflektiivisiä oppimiskeskusteluja selvitysmenetelmänä kliinisten päättelytaitojen kehittämiseksi potilasturvallisuuden ylläpitämiseksi.Kliinisen päättelyn moniulotteisen luonteen, kognitiivisen ylikuormituksen mahdollisen riskin ja edistyneiden ja nuorempien simulaatioiden osallistujien analyyttisten (hypoteettinen-deduktiivisten) ja ei-analyyttisten (intuitiivisten) kliinisen päättelyn prosessien erilaisen käytön vuoksi on kuitenkin tärkeää harkita kokemusta, kykyjä, tiedonkulkuun ja määrään liittyviä tekijöitä sekä tapauksen monimutkaisuutta kliinisen päättelyn optimoimiseksi osallistumalla ryhmäreflektiivisiin oppimiskeskusteluihin simulaation jälkeen selvitysmenetelmänä.Tavoitteenamme on kuvata simulaation jälkeisen reflektoivan oppimisdialogin mallin kehitystä, jossa otetaan huomioon useita kliinisen päättelyn optimoinnin saavuttamiseen vaikuttavia tekijöitä.
Yhteissuunnittelutyöryhmä (N = 18), joka koostui lääkäreistä, sairaanhoitajista, tutkijoista, kouluttajista ja potilaiden edustajista, teki yhteistyötä peräkkäisten työpajojen kautta kehittääkseen yhdessä simulaation jälkeisen reflektoivan oppimisdialogin mallin simulaation selvittämiseksi.Yhteissuunnittelutyöryhmä kehitti mallin teoreettisen ja käsitteellisen prosessin sekä monivaiheisen vertaisarvioinnin kautta.Plus/miinus-arviointitutkimuksen ja Bloomin taksonomian rinnakkaisen integroinnin uskotaan optimoivan simulaatioon osallistujien kliinisen päättelyn osallistuessaan simulaatiotoimintoihin.Mallin kasvojen validiteetti ja sisällön validiteetti määritettiin sisällön validiteettiindeksin (CVI) ja sisällön validiteettisuhteen (CVR) menetelmillä.
Simulaation jälkeinen reflektoiva oppimisdialogimalli kehitettiin ja testattiin.Mallia tukevat työstetyt esimerkit ja komentosarjaopastus.Mallin ulkonäkö ja sisältö arvioitiin ja vahvistettiin.
Uusi yhteissuunnittelumalli luotiin ottamalla huomioon eri mallintamiseen osallistuneiden taidot ja kyvyt, tiedon virtaus ja määrä sekä mallinnustapausten monimutkaisuus.Näiden tekijöiden uskotaan optimoivan kliinistä päättelyä osallistuessaan ryhmäsimulaatiotoimintoihin.
Kliinistä päättelyä pidetään terveydenhuollon kliinisen käytännön perustana [1, 2] ja tärkeänä osana kliinistä osaamista [1, 3, 4].Se on reflektiivinen prosessi, jota lääkärit käyttävät tunnistaakseen ja toteuttaakseen sopivimman toimenpiteen kuhunkin kohtaamaansa kliiniseen tilanteeseen [5, 6].Kliinistä päättelyä kuvataan monimutkaiseksi kognitiiviseksi prosessiksi, joka käyttää muodollisia ja epävirallisia ajattelustrategioita kerätäkseen ja analysoidakseen tietoa potilaasta, arvioidakseen tämän tiedon tärkeyttä ja määrittääkseen vaihtoehtoisten toimintatapojen arvon [7, 8].Se riippuu kyvystä kerätä vihjeitä, käsitellä tietoa ja ymmärtää potilaan ongelma, jotta voidaan tehdä oikeat toimet oikealle potilaalle oikeaan aikaan ja oikeasta syystä [9, 10].
Kaikki terveydenhuollon tarjoajat joutuvat tekemään monimutkaisia päätöksiä erittäin epävarmoissa olosuhteissa [11].Tehohoidossa ja ensiapukäytännössä syntyy kliinisiä tilanteita ja hätätilanteita, joissa välitön reagointi ja puuttuminen ovat ratkaisevan tärkeitä ihmishenkien pelastamiseksi ja potilasturvallisuuden takaamiseksi [12].Huonot kliiniset päättelytaidot ja tehohoidon pätevyys liittyvät korkeampiin kliinisten virheiden määrään, hoidon tai hoidon viivästymiseen [13] ja potilasturvallisuuden riskeihin [14,15,16].Käytännön virheiden välttämiseksi ammatinharjoittajien on oltava päteviä ja heillä on oltava tehokkaat kliiniset päättelytaidot tehdäkseen turvallisia ja asianmukaisia päätöksiä [16, 17, 18].Ei-analyyttinen (intuitiivinen) päättelyprosessi on ammattiammattilaisten suosima nopea prosessi.Sitä vastoin analyyttiset (hypoteettis-deduktiiviset) päättelyprosessit ovat luonnostaan hitaampia, tietoisempia, ja vähemmän kokeneet harjoittajat käyttävät niitä useammin [2, 19, 20].Kun otetaan huomioon terveydenhuollon kliinisen ympäristön monimutkaisuus ja mahdollinen harjoitusvirheiden riski [14,15,16], simulaatiopohjaista koulutusta (SBE) käytetään usein tarjoamaan lääkäreille mahdollisuuksia kehittää pätevyyttä ja kliinisiä päättelytaitoja.turvallinen ympäristö ja altistuminen erilaisille haastaville tapauksille samalla kun säilytetään potilasturvallisuus [21, 22, 23, 24].
Society for Simulation in Health (SSH) määrittelee simulaation "teknologiaksi, joka luo tilanteen tai ympäristön, jossa ihmiset kokevat esityksiä tosielämän tapahtumista harjoitellakseen, kouluttautuakseen, arvioidakseen, testatakseen tai saadakseen ymmärrystä ihmisen järjestelmistä tai käyttäytyminen."[23] Hyvin jäsennellyt simulaatioistunnot tarjoavat osallistujille mahdollisuuden uppoutua skenaarioihin, jotka simuloivat kliinisiä tilanteita ja vähentävät samalla turvallisuusriskejä [24,25] ja harjoittavat kliinistä päättelyä kohdistettujen oppimismahdollisuuksien avulla [21,24,26,27,28]. SBE parantaa kenttäkliinisiä kokemuksia ja altistaa opiskelijat kliinisille kokemuksille, joita he eivät ehkä ole kokeneet todellisissa potilaiden hoitoympäristöissä [24, 29].Tämä on ei-uhkaava, syytön, valvottu, 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 aiheuttaman emotionaalisen stressin, mikä parantaa oppimiskykyä [22, 27, 28]. ., 30, 32].
Kliinisen päättelyn ja päätöksentekotaitojen tehokkaan kehittämisen tukemiseksi SBE:n avulla on kiinnitettävä huomiota simulaation jälkeisen selvitysprosessin suunnitteluun, malliin ja rakenteeseen [24, 33, 34, 35].Simulaatioiden jälkeisiä reflektiivisiä oppimiskeskusteluja (RLC) käytettiin selvitystekniikkana auttamaan osallistujia reflektoimaan, selittämään toimia ja hyödyntämään vertaistuen ja ryhmäajattelun voimaa ryhmätyön yhteydessä [32, 33, 36].RLC-ryhmien käyttöön liittyy mahdollinen riski alikehittyneestä kliinisestä päättelystä, erityisesti mitä tulee osallistujien vaihteleviin kykyihin ja vanhuuteen.Kaksoisprosessimalli kuvaa kliinisen päättelyn moniulotteisuutta ja eroja vanhempien lääkäreiden taipumuksissa käyttää analyyttisiä (hypoteettis-deduktiivisia) päättelyprosesseja ja nuorempien ammatinharjoittajien taipumuksia käyttää ei-analyyttisiä (intuitiivisia) päättelyprosesseja [34, 37].].Näihin kaksijakoisiin päättelyprosesseihin liittyy haaste mukauttaa optimaaliset päättelyprosessit erilaisiin tilanteisiin, ja on epäselvää ja kiistanalaista, kuinka tehokkaasti käyttää analyyttisiä ja ei-analyyttisiä menetelmiä, kun samassa mallinnusryhmässä on vanhempia ja junioreita.Lukion ja yläkoulun oppilaat, joilla on eri kykyjä ja kokemustasoja, osallistuvat vaihtelevan monimutkaisuuden simulaatioskenaarioihin [34, 37].Kliinisen päättelyn moniulotteisuus liittyy mahdolliseen alikehittyneen kliinisen päättelyn ja kognitiivisen ylikuormituksen riskiin, varsinkin kun lääkärit osallistuvat ryhmän SBE-tapauksiin, joissa tapausten monimutkaisuus ja virka-aste vaihtelevat [38].On tärkeää huomata, että vaikka on olemassa useita RLC:tä käyttäviä selvitysmalleja, yhtäkään näistä malleista ei ole suunniteltu erityisesti kliinisen päättelykykyjen kehittämiseen ottaen huomioon kokemus, pätevyys, tiedonkulku ja määrä sekä mallinnuksen monimutkaisuustekijät [38].]., 39].Kaikki tämä edellyttää strukturoidun mallin kehittämistä, jossa otetaan huomioon erilaiset panokset ja vaikuttavat tekijät kliinisen päättelyn optimoimiseksi, samalla kun simulaation jälkeinen RLC otetaan raportointimenetelmänä.Kuvaamme teoreettisesti ja käsitteellisesti ohjatun prosessin simulaation jälkeisen RLC:n yhteissuunnitteluun ja kehittämiseen.Malli kehitettiin kliinisen päättelyn optimoimiseksi SBE:hen osallistumisen aikana ottaen huomioon laaja valikoima helpottavia ja vaikuttavia tekijöitä optimoidun kliinisen päättelyn kehityksen saavuttamiseksi.
RLC-jälkisimulaatiomalli kehitettiin yhteistyössä olemassa olevien kliinisen päättelyn, reflektoivan oppimisen, koulutuksen ja simuloinnin malleihin ja teorioihin perustuen.Mallin yhteistä kehittämistä varten muodostettiin yhteistyötyöryhmä (N = 18), johon kuului 10 tehohoidon sairaanhoitajaa, yksi tehohoitaja ja kolme edustajaa aiemmin sairaalahoidossa olleista potilaista, joiden taso, kokemus ja sukupuoli vaihtelevat.Yksi tehohoitoyksikkö, 2 tutkimusavustajaa ja 2 vanhempi sairaanhoitajakouluttaja.Tämä yhteissuunnitteluinnovaatio on suunniteltu ja kehitetty vertaisyhteistyöllä sellaisten sidosryhmien välillä, joilla on todellista kokemusta terveydenhuollosta, joko ehdotetun mallin kehittämiseen osallistuvien terveydenhuollon ammattilaisten tai muiden sidosryhmien, kuten potilaiden, välillä [40,41,42].Potilaiden edustajien sisällyttäminen yhteissuunnitteluprosessiin voi lisätä prosessin arvoa, sillä ohjelman perimmäisenä tavoitteena on parantaa potilaiden hoitoa ja turvallisuutta [43].
Työryhmä toteutti kuusi 2-4 tunnin työpajaa mallin rakenteen, prosessien ja sisällön kehittämiseksi.Työpaja sisältää keskustelua, harjoitusta ja simulaatiota.Mallin elementit perustuvat erilaisiin näyttöön perustuviin resursseihin, malleihin, teorioihin ja viitekehykseen.Näitä ovat: konstruktivistinen oppimisteoria [44], kaksoissilmukan käsite [37], kliininen päättelysilmukka [10], arvostava tutkimus (AI) -menetelmä [45] ja raportointi plus/delta-menetelmä [46].Malli kehitettiin yhteistyössä Kansainvälisen sairaanhoitajaliiton INACSL:n kliinisen ja simulaatiokoulutuksen selvitysprosessistandardien [36] pohjalta, ja se yhdistettiin työstettujen esimerkkien kanssa itsestään selittävän mallin luomiseksi.Malli on kehitetty neljässä vaiheessa: reflektiiviseen oppimisdialogiin valmistautuminen simulaation jälkeen, reflektiivisen oppimisdialogin käynnistäminen, analyysi/reflektio ja selvitys (kuva 1).Kunkin vaiheen yksityiskohdat käsitellään alla.
Mallin valmisteluvaihe on suunniteltu valmistamaan osallistujia psykologisesti seuraavaan vaiheeseen ja lisäämään heidän aktiivista osallistumistaan ja investointejaan samalla kun varmistetaan psykologinen turvallisuus [36, 47].Tämä vaihe sisältää johdannon tarkoitukseen ja tavoitteisiin;RLC:n odotettu kesto;fasilitaattorin ja osallistujien odotukset RLC:n aikana;paikannus- ja simulointiasetukset;luottamuksellisuuden varmistaminen oppimisympäristössä sekä henkisen turvallisuuden lisääminen ja parantaminen.Seuraavat yhteissuunnittelutyöryhmän edustavat vastaukset otettiin huomioon RLC-mallin esikehitysvaiheessa.Osallistuja 7: "Jos osallistuisin perusterveydenhuollon sairaanhoitajana simulaatioon ilman skenaarion kontekstia ja iäkkäitä aikuisia olisi paikalla, välttelisin todennäköisesti osallistumasta simulaation jälkeiseen keskusteluun, ellei minusta tuntuisi, että psykologinen turvallisuuteni on kunnioitetaan.ja että välttelisin osallistumista keskusteluihin simulaation jälkeen."Olkaa suojassa, eikä siitä tule mitään seurauksia."Osallistuja 4: ”Uskon, että keskittyminen ja perussäännöt varhaisessa vaiheessa auttavat oppijoita simulaation jälkeen.Aktiivinen osallistuminen reflektiivisiin oppimiskeskusteluihin.”
RLC-mallin alkuvaiheisiin kuuluu osallistujan tunteiden tutkiminen, taustalla olevien prosessien kuvaaminen ja skenaarion diagnosointi sekä osallistujan positiivisten ja negatiivisten kokemusten listaus, mutta ei analyysi.Tässä vaiheessa malli luodaan kannustamaan ehdokkaita olemaan itse- ja tehtäväkeskeisiä sekä valmistautumaan henkisesti syvälliseen analyysiin ja syvälliseen reflektointiin [24, 36].Tavoitteena on vähentää mahdollista kognitiivisen ylikuormituksen riskiä [48], erityisesti niille, joille mallintamisen aihe on uusi ja joilla ei ole aikaisempaa kliinistä kokemusta taidosta/aiheesta [49].Osallistujien pyytäminen kuvaamaan lyhyesti simuloitua tapausta ja antamaan diagnostisia suosituksia auttaa ohjaajaa varmistamaan, että ryhmän opiskelijoilla on tapauksesta perus- ja yleinen käsitys ennen kuin siirrytään laajennettuun analyysi-/pohdintavaiheeseen.Lisäksi osallistujien kutsuminen jakamaan tunteitaan tässä vaiheessa simuloiduissa skenaarioissa auttaa heitä voittamaan tilanteen aiheuttaman emotionaalisen stressin, mikä tehostaa oppimista [24, 36].Emotionaalisten ongelmien käsitteleminen auttaa myös RLC-ohjaajaa ymmärtämään, kuinka osallistujien tunteet vaikuttavat yksilön ja ryhmän suorituskykyyn, ja tästä voidaan keskustella kriittisesti pohdiskelu-/analyysivaiheen aikana.Plus/Delta-menetelmä on sisäänrakennettu mallin tähän vaiheeseen valmistelevana ja ratkaisevana vaiheena reflektio-/analyysivaiheessa [46].Plus/Delta-lähestymistapaa käyttäen sekä osallistujat että opiskelijat voivat käsitellä/listata havaintojaan, tuntemuksiaan ja kokemuksiaan simulaatiosta, joista voidaan sitten keskustella kohta kohdalta mallin reflektio-/analyysivaiheessa [46].Tämä auttaa osallistujia saavuttamaan metakognitiivisen tilan kohdistettujen ja priorisoitujen oppimismahdollisuuksien avulla kliinisen päättelyn optimoimiseksi [24, 48, 49].Seuraavat yhteissuunnittelutyöryhmän edustavat vastaukset otettiin huomioon RLC-mallin alkukehityksen aikana.Osallistuja 2: ”Mielestäni meidän on aiemmin teho-osastolle otettuna potilaana otettava huomioon simuloitujen opiskelijoiden tunteet ja tunteet.Otan tämän asian esille, koska vastaanottoni aikana havaitsin korkeaa stressiä ja ahdistusta erityisesti tehohoidon ammattilaisten keskuudessa.ja hätätilanteissa.Tässä mallissa on otettava huomioon kokemuksen simulointiin liittyvä stressi ja tunteet.Osallistuja 16: ”Opettajana pidän erittäin tärkeänä Plus/Delta-lähestymistavan käyttöä, jotta oppilaita rohkaistaan osallistumaan aktiivisesti mainitsemalla simulaatioskenaarion aikana kohtaamiaan hyviä asioita ja tarpeita.Kehittämisalueita."
Vaikka mallin aiemmat vaiheet ovat kriittisiä, analyysi/reflektiovaihe on tärkein kliinisen päättelyn optimoinnin saavuttamiseksi.Se on suunniteltu tarjoamaan edistynyt analyysi/synteesi ja syvällinen analyysi, joka perustuu mallinnettujen aiheiden kliiniseen kokemukseen, osaamiseen ja vaikutukseen.RLC-prosessi ja rakenne;tarjotun tiedon määrä kognitiivisen ylikuormituksen välttämiseksi;heijastavien kysymysten tehokas käyttö.menetelmät oppijakeskeisen ja aktiivisen oppimisen saavuttamiseksi.Tässä vaiheessa kliininen kokemus ja simulaatioaiheiden tuntemus on jaettu kolmeen osaan kokemuksen ja kyvyn eri tasojen mukaan: ensimmäinen: ei aikaisempaa kliinistä ammattikokemusta / ei aikaisempaa altistumista simulaatioaiheille, toinen: kliininen ammatillinen kokemus, tiedot ja taidot/ ei mitään.aiempi altistuminen mallinnusaiheisiin.Kolmanneksi: Kliininen ammatillinen kokemus, tiedot ja taidot.Ammattimainen/aiempi altistuminen mallintamisen aiheisiin.Luokittelu on tehty vastaamaan ihmisten tarpeita, joilla on erilaisia kokemuksia ja kykytasoja samassa ryhmässä, mikä tasapainottaa vähemmän kokeneiden ammatinharjoittajien taipumusta käyttää analyyttistä päättelyä ja kokeneempien harjoittajien taipumusta käyttää ei-analyyttisiä päättelytaitoja [19, 20, 34]., 37].RLC-prosessi rakentui kliinisen päättelyn syklin [10], reflektiivisen mallinnuskehyksen [47] ja kokemuksellisen oppimisen teorian [50] ympärille.Tämä saavutetaan useiden prosessien avulla: tulkinnalla, eriyttämisellä, viestinnällä, päätelmillä ja synteesillä.
Kognitiivisen ylikuormituksen välttämiseksi harkittiin sellaisen oppijakeskeisen ja reflektoivan puheprosessin edistämistä, jossa osallistujille on riittävästi aikaa ja mahdollisuuksia reflektoida, analysoida ja syntetisoida itseluottamuksen saavuttamiseksi.RLC:n aikana tapahtuvia kognitiivisia prosesseja käsitellään konsolidointi-, vahvistus-, muotoilu- ja konsolidointiprosesseilla, jotka perustuvat kaksoissilmukkakehykseen [37] ja kognitiiviseen kuormitusteoriaan [48].Strukturoitu dialogiprosessi ja riittävän harkinta-ajan varaaminen ottaen huomioon sekä kokeneet että kokemattomat osallistujat vähentävät mahdollista kognitiivisen kuormituksen riskiä erityisesti monimutkaisissa simulaatioissa, joissa osallistujien aikaisemmat kokemukset, altistuminen ja kykytasot vaihtelevat.Kohtauksen jälkeen.Mallin reflektiivinen kyselytekniikka perustuu Bloomin taksonomiseen malliin [51] ja arvostavaan kyselyyn (AI) [45], joissa mallinnettu fasilitaattori lähestyy aihetta askel askeleelta, sokraattisella ja reflektoivalla tavalla.Esitä kysymyksiä, alkaen tietoon perustuvista kysymyksistä.ja päättelyyn liittyvien taitojen ja asioiden käsitteleminen.Tämä kyselytekniikka parantaa kliinisen päättelyn optimointia rohkaisemalla aktiivista osallistujaa ja progressiivista ajattelua pienemmällä kognitiivisen ylikuormituksen riskillä.Seuraavat yhteissuunnittelutyöryhmän edustavat vastaukset otettiin huomioon RLC-mallin kehittämisen analyysi/reflektiovaiheessa.Osallistuja 13: "Kognitiivisen ylikuormituksen välttämiseksi meidän on otettava huomioon tiedon määrä ja virtaus, kun osallistumme simulaation jälkeisiin oppimiskeskusteluihin, ja tätä varten mielestäni on tärkeää antaa opiskelijoille riittävästi aikaa pohtia ja aloittaa perusasioista. .Tietoa.aloittaa keskusteluja ja taitoja, sitten siirtyy korkeammalle tiedon ja taitojen tasolle saavuttaakseen metakognition."Osallistuja 9: "Uskon vahvasti, että kyselymenetelmät, joissa käytetään Appreciative Inquiry (AI) -tekniikoita ja reflektiivinen kysely Bloomin taksonomiamallilla, edistävät aktiivista oppimista ja oppijakeskeisyyttä samalla, kun ne vähentävät kognitiivisen ylikuormituksen riskiä."Mallin debriefing-vaiheen tavoitteena on tiivistää RLC:n aikana esiin tulleet oppimiskohdat ja varmistaa oppimistavoitteiden toteutuminen.Osallistuja 8: "On erittäin tärkeää, että sekä oppija että ohjaaja sopivat tärkeimmistä avainajatuksista ja keskeisistä näkökohdista, jotka on otettava huomioon siirryttäessä käytäntöön."
Eettinen hyväksyntä saatiin protokollanumeroilla (MRC-01-22-117) ja (HSK/PGR/UH/04728).Mallia testattiin kolmella ammattimaisen tehohoidon simulaatiokurssilla mallin käytettävyyden ja käytännöllisyyden arvioimiseksi.Mallin kasvojen validiteettia arvioivat yhteissuunnittelutyöryhmä (N = 18) ja koulutusjohtajina toimivat koulutusasiantuntijat (N = 6) ulkonäköön, kielioppiin ja prosessiin liittyvien ongelmien korjaamiseksi.Kasvojen validoinnin jälkeen sisällön validiteetin määrittelivät vanhempi sairaanhoitajakouluttaja (N = 6), jotka olivat American Nurses Credentialing Centerin (ANCC) sertifioimia ja jotka toimivat koulutussuunnittelijoina, ja (N = 6), joilla oli yli 10 vuoden koulutus ja opetuskokemus.Työkokemus Arvioinnin suorittivat koulutusjohtajat (N = 6).Kokemus mallintyöstä.Sisällön kelpoisuus määritettiin käyttämällä sisällön kelpoisuussuhdetta (Content Validity Ratio, CVR) ja sisällön kelpoisuusindeksiä (CVI).CVI:n arvioimiseen käytettiin Lawshen menetelmää [52] ja CVR:n arvioimiseen Waltzin ja Bausellin menetelmää [53].CVR-projektit ovat tarpeellisia, hyödyllisiä, mutta eivät välttämättömiä tai valinnaisia.CVI pisteytetään nelipisteasteikolla merkityksellisyyden, yksinkertaisuuden ja selkeyden perusteella: 1 = ei oleellinen, 2 = jokseenkin relevantti, 3 = relevantti ja 4 = erittäin relevantti.Kasvojen ja sisällön oikeellisuuden tarkistamisen jälkeen mallia käyttäville opettajille järjestettiin käytännön työpajojen lisäksi perehdytys- ja perehdytystunteja.
Työryhmä pystyi kehittämään ja testaamaan simulaation jälkeistä RLC-mallia kliinisen päättelykyvyn optimoimiseksi SBE:hen osallistumisen aikana tehohoitoyksiköissä (kuvat 1, 2 ja 3).CVR = 1,00, CVI = 1,00, mikä kuvastaa asianmukaista kasvojen ja sisällön validiteettia [52, 53].
Malli luotiin ryhmä SBE:lle, jossa käytetään jännittäviä ja haastavia skenaarioita osallistujille, joilla on sama tai eri tasoinen kokemus, tietämys ja työikä.RLC:n käsitteellinen malli on kehitetty INACSL:n lentosimulaatioanalyysistandardien [36] mukaisesti, ja se on oppijakeskeinen ja itsestään selvä, sisältäen työstettyjä esimerkkejä (kuvat 1, 2 ja 3).Malli on kehitetty määrätietoisesti ja jaettu neljään vaiheeseen mallintamisstandardien mukaisesti: alkaen tiedottamisesta, jota seurasi reflektiivinen analyysi/synteesi ja päättyen informaatioon ja yhteenvetoon.Kognitiivisen ylikuormituksen mahdollisen riskin välttämiseksi mallin jokainen vaihe suunnitellaan tarkoituksenmukaisesti seuraavan vaiheen edellytykseksi [34].
Vanhemmuuden ja ryhmän harmoniatekijöiden 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 osallistuminen ryhmä-SBE:hen eri kokemus- ja kykytasoilla saman simulaatioryhmän osallistujien kanssa on haaste.Tietomäärän, oppimisen virran ja rakenteen laiminlyönti sekä nopeiden ja hitaiden kognitiivisten prosessien samanaikainen käyttö sekä lukiolaisten että yläkoululaisten toimesta muodostavat mahdollisen kognitiivisen ylikuormituksen riskin [18, 38, 46].Nämä tekijät otettiin huomioon kehitettäessä RLC-mallia alikehittyneen ja/tai alioptimaalisen kliinisen päättelyn välttämiseksi [18, 38].On tärkeää ottaa huomioon, että RLC:n suorittaminen eri ikä- ja osaamistasoilla aiheuttaa dominanssivaikutuksen senioreiden keskuudessa.Tämä johtuu siitä, että edistyneet osallistujat pyrkivät välttämään peruskäsitteiden oppimista, mikä on tärkeää nuoremmille osallistujille metakognition saavuttamiseksi ja korkeamman tason ajattelun ja päättelyn prosesseihin pääsemiseksi [38, 47].RLC-malli on suunniteltu sitouttamaan vanhempia ja nuorempia sairaanhoitajia arvostavan tutkimuksen ja delta-lähestymistavan avulla [45, 46, 51].Näitä menetelmiä käyttämällä vanhempien ja nuorten osallistujien näkemykset, joilla on vaihtelevia kykyjä ja kokemustasoja, esitetään kohteelta, ja debriefing-moderaattori ja -moderaattorit keskustelevat niistä reflektoivasti [45, 51].Simulaation osallistujien panoksen lisäksi debriefing fasilitaattori lisää heidän panoksensa varmistaakseen, että kaikki kollektiiviset havainnot kattavat kattavasti jokaisen oppimishetken, mikä parantaa metakognitiota kliinisen päättelyn optimoimiseksi [10].
RLC-mallia käyttävää tiedonkulkua ja oppimisrakennetta käsitellään systemaattisella ja monivaiheisella prosessilla.Tämän tarkoituksena on auttaa selvityksen ohjaajia ja varmistaa, että jokainen osallistuja puhuu selkeästi ja luottavaisesti jokaisessa vaiheessa ennen siirtymistä seuraavaan vaiheeseen.Moderaattori voi käynnistää pohdiskelevia keskusteluja, joihin kaikki osallistujat osallistuvat, ja saavuttaa pisteen, jossa eri ikä- ja kykytasoiset osallistujat sopivat kunkin keskustelukohdan parhaista käytännöistä ennen kuin siirrytään seuraavaan [38].Tämän lähestymistavan käyttäminen auttaa kokeneita ja päteviä osallistujia jakamaan panoksensa/havaintojaan, kun taas vähemmän kokeneiden ja pätevien osallistujien panoksia/havaintoja arvioidaan ja niistä keskustellaan [38].Tämän tavoitteen saavuttamiseksi ohjaajien on kuitenkin kohdattava haaste tasapainottaa keskusteluja ja tarjota yhtäläiset mahdollisuudet senioreille ja junioreille.Tätä varten mallitutkimusmetodologiaa kehitettiin määrätietoisesti käyttämällä Bloomin taksonomista mallia, jossa yhdistyvät arvioiva tutkimus ja additiivinen/delta-menetelmä [45, 46, 51].Näiden tekniikoiden käyttäminen ja keskeisten kysymysten/reflektiivisten keskustelujen tiedosta ja ymmärtämisestä aloittaminen rohkaisee vähemmän kokeneita osallistujia osallistumaan ja osallistumaan aktiivisesti keskusteluun, minkä jälkeen ohjaaja siirtyy vähitellen korkeammalle tasolle arvioinnin ja kysymysten/keskustelujen synteesin tasosta. jossa molempien osapuolten on annettava senioreille ja junioreille osallistujille yhtäläinen mahdollisuus osallistua heidän aikaisemman kokemuksensa ja kokemuksensa perusteella kliinisistä taidoista tai simuloiduista skenaarioista.Tämä lähestymistapa auttaa vähemmän kokeneita osallistujia osallistumaan aktiivisesti ja hyötymään kokeneempien osallistujien jakamista kokemuksista sekä tiedotusohjaajan panoksesta.Toisaalta malli ei ole suunniteltu vain SBE:ille, joilla on erilaiset osallistujakyvyt ja kokemustasot, vaan myös SBE-ryhmän osallistujille, joilla on samanlainen kokemus ja taitotaso.Malli on suunniteltu helpottamaan ryhmän sujuvaa ja systemaattista siirtymistä tiedon ja ymmärryksen keskittymisestä synteesiin ja arviointiin oppimistavoitteiden saavuttamiseksi.Mallin rakenne ja prosessit on suunniteltu sopimaan eri- ja samantasoisille mallinnusryhmille.
Lisäksi vaikka SBE:tä terveydenhuollossa yhdessä RLC:n kanssa käytetään kehittämään kliinistä päättelyä ja pätevyyttä lääkäreissä [22,30,38], on kuitenkin otettava huomioon asiaankuuluvat tekijät, jotka liittyvät tapauksen monimutkaisuuteen ja mahdollisiin kognitiivisen ylikuormituksen riskeihin, erityisesti kun osallistujat osallistuivat SBE-skenaarioihin, jotka simuloivat erittäin monimutkaisia, kriittisesti sairaita potilaita, jotka vaativat välitöntä puuttumista 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 vanhemmat että nuoremmat. opiskelijat voivat osallistua aktiivisesti oppimisprosessiin.Malli on siis suunniteltu siten, että esitettävän simuloidun tapauksen monimutkaisuudesta riippumatta ohjaajan on varmistettava, että sekä vanhempien että nuorempien osallistujien tietämyksen ja taustaymmärryksen näkökohdat käsitellään ensin ja kehitetään sitten vähitellen ja refleksiivisesti. helpottaa analysointia.synteesi ja ymmärtäminen.arvioiva puoli.Tämä auttaa nuorempia oppilaita rakentamaan ja lujittamaan oppimaansa ja auttaa vanhempia oppilaita syntetisoimaan ja kehittämään uutta tietoa.Tämä täyttää päättelyprosessin vaatimukset ottaen huomioon kunkin osallistujan aiemman kokemuksen ja kyvyt, ja sillä on yleinen muoto, joka vastaa lukio- ja yläkoululaisten taipumusta siirtyä samanaikaisesti analyyttisten ja ei-analyyttisten päättelyjärjestelmien välillä. kliinisen päättelyn optimoinnin varmistaminen.
Lisäksi simulaatiofasilitaattoreiden/selvittäjien voi olla vaikeuksia hallita simulaatioselvitystaitoja.Kognitiivisten debriefing-skriptien käytön uskotaan parantavan fasilitaattoreiden tiedonhankintaa ja käyttäytymistaitoja tehokkaasti verrattuna niihin, jotka eivät käytä skriptejä [54].Skenaariot ovat kognitiivinen työkalu, joka voi helpottaa opettajien mallinnustyötä ja parantaa jälkiarviointitaitoja erityisesti niille opettajille, jotka vielä vahvistavat jälkiarviointikokemustaan [55].parantaa käytettävyyttä ja kehittää käyttäjäystävällisiä malleja.(Kuva 2 ja kuva 3).
Plus/delta-, arvostavakysely- ja Bloom's Taxonomy-kyselymenetelmien rinnakkaista integrointia ei ole vielä käsitelty tällä hetkellä saatavilla olevissa simulaatioanalyysissä ja ohjatuissa reflektiomalleissa.Näiden menetelmien integrointi korostaa RLC-mallin innovaatiota, jossa nämä menetelmät on integroitu yhteen muotoon kliinisen päättelyn ja oppijakeskeisyyden optimoimiseksi.Lääketieteen opettajat voivat hyötyä SBE-ryhmän mallintamisesta RLC-mallin avulla parantaakseen ja optimoidakseen osallistujien kliinisiä päättelykykyjä.Mallin skenaariot voivat auttaa opettajia hallitsemaan reflektoivan debriefingin prosessin ja vahvistamaan taitojaan tullakseen luotettaviksi ja päteviksi debriefing-ohjaajiksi.
SBE voi sisältää monia erilaisia modaliteetteja ja tekniikoita, mukaan lukien, mutta ei rajoittuen, mallinukkepohjainen SBE, tehtäväsimulaattorit, potilassimulaattorit, standardoidut potilaat, virtuaalinen ja lisätty todellisuus.Koska raportointi on yksi tärkeimmistä mallinnuskriteereistä, simuloitua RLC-mallia voidaan käyttää raportointimallina näitä tiloja käytettäessä.Lisäksi, vaikka malli on kehitetty sairaanhoitajan tieteenalaa varten, sillä on potentiaalia käytettäväksi ammattienvälisessä terveydenhuollon SBE:ssä, mikä korostaa tulevien tutkimushankkeiden tarvetta RLC-mallin testaamiseksi ammattienvälisessä koulutuksessa.
Simuloinnin jälkeisen RLC-mallin kehittäminen ja arviointi SBE-tehohoitoyksiköiden hoitoon.Mallin myöhempää arviointia/validointia suositellaan lisäämään mallin yleistettävyyttä käytettäväksi muilla terveydenhuollon tieteenaloilla ja ammattien välisessä SBE:ssä.
Mallin kehitti yhteinen työryhmä teorian ja konseptin pohjalta.Mallin validiteetin ja yleistettävyyden parantamiseksi voidaan jatkossa harkita tehostettujen luotettavuusmittareiden käyttöä vertailututkimuksissa.
Käytännön virheiden minimoimiseksi ammatinharjoittajilla on oltava tehokkaat kliinisen päättelyn taidot varmistaakseen turvallisen ja asianmukaisen kliinisen päätöksenteon.SBE RLC:n käyttäminen debriefing-tekniikkana edistää kliinisen päättelyn kehittämiseen tarvittavien tietojen ja käytännön taitojen kehittymistä.Kliinisen päättelyn moniulotteisuus, joka liittyy aikaisempaan kokemukseen ja altistumiseen, kyvyn, tiedon määrän ja virran muutoksiin sekä simulaatioskenaarioiden monimutkaisuuteen, korostaa kuitenkin, kuinka tärkeää on kehittää simulaation jälkeisiä RLC-malleja, joiden avulla kliinistä päättelyä voidaan aktiivisesti kehittää. ja toteutettu tehokkaasti.taidot.Näiden tekijöiden huomiotta jättäminen voi johtaa alikehittyneisiin ja epäoptimaalisiin kliinisiin perusteluihin.RLC-malli kehitettiin käsittelemään näitä tekijöitä kliinisen päättelyn optimoimiseksi osallistuttaessa ryhmäsimulaatiotoimintoihin.Tämän tavoitteen saavuttamiseksi malli yhdistää samanaikaisesti plus/miinus arvioivan tutkimuksen ja Bloomin taksonomian käytön.
Tämän tutkimuksen aikana käytetyt ja/tai analysoidut aineistot ovat saatavilla vastaavalta tekijältä 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: Tarkista ja harjoittele suosituksia.Lääketieteen akatemia.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. Kirjallisuuden vertailu terveysalan ammattien kliinisestä päättelystä : rajauskatsaus.BMC lääketieteen koulutus.2020;20(1):1–1.
Guerrero JG.Hoitotyön päättelymalli: Kliinisen päättelyn, päätöksenteon ja tuomion taide ja tiede hoitotyössä.Avaa hoitajan päiväkirja.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 reflektoinnin vaikutukset tuleviin samojen ja uusien sairauksien diagnoosiin.Lääketieteen akatemia.2014;89(1):121–7.
Tutticci N, Theobald KA, Ramsbotham J, Johnston S. Tarkkailijaroolien ja kliinisen päättelyn tutkiminen simulaatiossa: laajuuskatsaus.Sairaanhoitajan koulutusharjoittelu 2022 20.1.: 103301.
Edwards I, Jones M, Carr J, Braunack-Meyer A, Jensen GM.Kliiniset päättelystrategiat fysioterapiassa.Fysioterapia.2004;84(4):312–30.
Kuiper R, Pesut D, Kautz D. Kliinisen päättelykykyjen itsesääntelyn 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 pätevyyden parantamiseksi hoitotyön opiskelijoiden tunnistamisessa ja hallinnassa. riskipotilaita.Sairaanhoitajakoulutus tänään.2010;30(6):515–20.
Brentnall J, Thackray D, Judd B. Lääketieteen opiskelijoiden kliinisen päättelyn arvioiminen sijoitus- ja simulaatioasetuksissa: systemaattinen katsaus.International Journal of Environmental Research, kansanterveys.2022;19(2):936.
Chamberlain D, Pollock W, Fulbrook P. ACCCN Standards for Critical Care Nursing: Systemaattinen tarkastelu, todisteiden kehittäminen ja arviointi.Australian hätätilanne.2018;31(5):292–302.
Cunha LD, Pestana-Santos M, Lomba L, Reis Santos M. Epävarmuus kliinisessä päättelyssä postanestesian hoidossa: integroiva katsaus, joka perustuu epävarmuusmalleihin monimutkaisissa terveydenhuollon ympäristöissä.J Perioperatiivinen sairaanhoitaja.2022;35(2):e32–40.
Rivaz M, Tavakolinia M, Momennasab M. Tehoshoidon sairaanhoitajien ammattitoimintaympäristö ja sen yhteys hoitotyön tuloksiin: rakenneyhtälömallinnustutkimus.Scand J Caring Sci.2021;35(2):609–15.
Suvardianto H, Astuti VV, Pätevyys.Hoito- ja tehohoitokäytäntöjen lehtivaihto tehohoidon yksikön sairaanhoitajaopiskelijoille (JSCC).STRADA MAGAZINE Ilmia Kesehatan.2020;9(2):686–93.
Liev B, Dejen Tilahun A, Kasyu T. Fyysiseen arviointiin liittyvät tiedot, asenteet ja tekijät tehohoitoyksikön sairaanhoitajien keskuudessa: monikeskus poikkileikkaustutkimus.Tutkimuskäytäntö tehohoidossa.2020; 9145105.
Sullivan J., Hugill K., A. Elraush TA, Mathias J., Alkhetimi MO Sairaanhoitajien ja kätilöiden osaamiskehyksen pilottitoteutus Lähi-idän maan kulttuurikontekstissa.Sairaanhoitajakoulutuksen käytäntö.2021;51:102969.
Wang MS, Thor E, Hudson JN.Vastausprosessin validiteetin testaus skriptien johdonmukaisuustesteissä: Ajattele ääneen lähestymistapa.International Journal of Medical Education.2020; 11:127.
Kang H, Kang HY.Simulaatiokoulutuksen vaikutukset kliiniseen päättelykykyyn, kliiniseen osaamiseen ja koulutustyytyväisyyteen.J-Korean akateeminen ja teollinen yhteistyöjärjestö.2020;21(8):107–14.
Diekmann P, Thorgeirsen K, Kvindesland SA, Thomas L, Bushell W, Langley Ersdal H. Mallintamisen käyttäminen tartuntatautiepidemioiden, kuten COVID-19:n, vasteiden valmistelemiseen ja 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, Espanja AE, toimittajat.(Apulaistoimittaja) ja Terminology and Concepts Working Group, Dictionary of Healthcare Modeling – Toinen painos.Rockville, MD: Terveydenhuollon tutkimus- ja laatuvirasto.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 simulointiin.Viimeisimmät edistysaskeleet osallistavan hyvinvoinnin virtuaalipotilastekniikoissa.Pelillistäminen ja simulointi.2020; 196:103–40.
Alamrani MH, Alammal KA, Alqahtani SS, Salem OA Simuloinnin ja perinteisten opetusmenetelmien vaikutusten vertailu hoitotyön opiskelijoiden kriittiseen ajatteluun ja itseluottamukseen.J Hoitotyön tutkimuskeskus.2018;26(3):152–7.
Kiernan LK Arvioi kykyjä ja itseluottamusta simulaatiotekniikoilla.Hoito.2018;48(10):45.
Postitusaika: 08.01.2024