실무자는 효과적인 임상 추론 기술을 가지고있어 적절하고 안전한 임상 결정을 내리고 실습 오류를 피해야합니다. 제대로 개발되지 않은 임상 추론 기술은 특히 중환자 및 응급실에서 환자의 안전성과 지연 치료 또는 치료를 손상시킬 수 있습니다. 시뮬레이션 기반 교육은 시뮬레이션 후의 반사 학습 대화를 사용하여 환자의 안전을 유지하면서 임상 추론 기술을 개발하기위한 브리핑 방법으로 사용합니다. 그러나 임상 추론의 다차원 적 특성,인지 과부하의 잠재적 위험 및 고급 및 주니어 시뮬레이션 참가자에 의한 분석적 (가설) 및 비 분석적 (직관적) 임상 추론 프로세스의 차별적 사용으로 인해 시뮬레이션 후 시뮬레이션 후 그룹 반사 학습 대화에 참여하여 임상 추론을 최적화하기위한 경험, 능력, 정보의 양과 관련된 요인, 사례 복잡성을 고려하십시오. 우리의 목표는 임상 추론 최적화의 달성에 영향을 미치는 여러 요인을 고려하는 시뮬레이션 후 반사 학습 대화 모델의 개발을 설명하는 것입니다.
의사, 간호사, 연구원, 교육자 및 환자 담당자로 구성된 공동 디자인 실무 그룹 (n = 18)은 연속 워크샵을 통해 협력하여 시뮬레이션을 제기하기 위해 시뮬레이션 후 반사 학습 대화 모델을 공동 개발했습니다. 공동 디자인 실무 그룹은 이론적 및 개념적 프로세스 및 다중 단계 피어 검토를 통해 모델을 개발했습니다. 플러스/마이너스 평가 연구와 블룸의 분류의 병렬 통합은 시뮬레이션 활동에 참여하면서 시뮬레이션 참가자의 임상 추론을 최적화하는 것으로 여겨집니다. CVI (Content Adividity Index) 및 CVR (Content Adividity Ratio) 방법을 사용하여 모델의 얼굴 유효성 및 컨텐츠 유효성을 설정했습니다.
시뮬레이션 후 반사 반사 학습 대화 모델이 개발되고 테스트되었습니다. 이 모델은 작업 예제 및 스크립팅 지침에 의해 지원됩니다. 모델의 얼굴과 내용 유효성을 평가하고 확인했습니다.
새로운 공동 디자인 모델은 다양한 모델링 참가자의 기술과 기능, 정보의 흐름 및 양, 모델링 사례의 복잡성을 고려하여 만들어졌습니다. 이러한 요소는 그룹 시뮬레이션 활동에 참여할 때 임상 추론을 최적화하는 것으로 생각됩니다.
임상 추론은 건강 관리의 임상 실습의 기초로 간주되며 [1, 2] 임상 역량의 중요한 요소 [1, 3, 4]. 실무자들이 직면 한 각 임상 상황에 대해 가장 적절한 중재를 식별하고 구현하는 데 사용하는 반사 과정이다 [5, 6]. 임상 추론은 공식적이고 비공식적 인 사고 전략을 사용하여 환자에 대한 정보를 수집하고 분석하고 해당 정보의 중요성을 평가하며 대체 행동 과정의 가치를 결정하는 복잡한인지 과정으로 설명됩니다 [7, 8]. 그것은 적시에 올바른 환자에게 올바른 행동을 취하기 위해 단서를 모으고, 정보를 처리하며, 환자의 문제를 이해하는 능력에 달려 있습니다 [9, 10].
모든 의료 서비스 제공자는 높은 불확실성 조건에서 복잡한 결정을 내릴 필요성에 직면 해 있습니다 [11]. 중요한 치료 및 응급 치료 실무에서, 생명을 구하고 환자 안전을 보장하는 데 즉각적인 대응과 개입이 중요한 경우 임상 상황과 비상 사태가 발생합니다 [12]. 임상 적 추론 기술과 중환자 실무에서의 능력은 더 높은 임상 오류, 치료 지연 [13] 및 환자 안전 위험 [14,15,16]과 관련이 있습니다. 실용적인 오류를 피하기 위해 실무자는 유능하고 안전하고 적절한 결정을 내릴 수있는 효과적인 임상 추론 기술을 가져야합니다 [16, 17, 18]. 비 분석적 (직관적 인) 추론 프로세스는 전문 실무자들이 선호하는 빠른 프로세스입니다. 대조적으로, 분석적 (가설 공학적) 추론 과정은 본질적으로 느리고 의도적이며 경험이 적은 실무자들이 자주 사용한다 [2, 19, 20]. 의료 임상 환경의 복잡성과 실습 오류의 잠재적 위험 [14,15,16]을 고려할 때 시뮬레이션 기반 교육 (SBE)은 종종 실무자에게 역량 및 임상 추론 기술을 개발할 수있는 기회를 제공하는 데 사용됩니다. 환자 안전을 유지하면서 안전한 환경과 다양한 도전적인 사례에 대한 노출 [21, 22, 23, 24].
Health in Health (SSH) 협회 (SSH)는 시뮬레이션을“사람들이 실무, 훈련, 평가, 테스트, 테스트 또는 인간 시스템에 대한 이해를 얻기 위해 실제 사건의 표현을 경험하는 상황이나 환경을 만드는 기술로 정의합니다. 행동." [23] 잘 구조화 된 시뮬레이션 세션은 참가자에게 임상 상황을 시뮬레이션하는 동시에 안전 위험을 줄이고 대상 학습 기회를 통해 임상 추론을 실천하는 시나리오에 몰입 할 수있는 기회를 제공합니다 [21,24,26,27,28]. SBE는 현장 임상 경험을 향상시켜 실제 환자 치료 환경에서 경험하지 못한 임상 경험에 학생들을 노출시킵니다 [24, 29]. 이것은 위협적이지 않고 비난받지 않고 감독하며 안전하며 저 위험 학습 환경입니다. 그것은 지식, 임상 기술, 능력, 비판적 사고 및 임상 추론의 발달을 촉진하고 [22,29,30,31] 의료 전문가가 상황의 정서적 스트레스를 극복함으로써 학습 능력을 향상시킬 수 있도록 도울 수 있습니다 [22, 27, 28]. . , 30, 32].
SBE를 통해 임상 추론 및 의사 결정 기술의 효과적인 개발을 지원하려면 시뮬레이션 후 브리핑 프로세스의 설계, 템플릿 및 구조에주의를 기울여야합니다 [24, 33, 34, 35]. 시뮬레이션 후 반사 학습 대화 (RLC)는 참가자들이 팀워크의 맥락에서 동료 지원 및 그룹 생각의 힘을 반영, 행동을 설명하고 활용하는 데 도움이되는 브리핑 기술로 사용되었습니다 [32, 33, 36]. 그룹 RLC의 사용은 특히 다양한 능력 및 선임 수준의 참가자와 관련하여 저개발 임상 추론의 잠재적 위험을 전달합니다. 이중 프로세스 모델은 임상 추론의 다차원 적 특성과 노인 실무자의 성향에 대한 차이를 분석 (가설 공학적) 추론 프로세스와 주니어 실무자를 사용하여 비 분석적 (직관적) 추론 프로세스를 사용합니다 [34, 37]. ]. 이러한 이중 추론 프로세스에는 최적의 추론 프로세스를 다른 상황에 적응시키는 데 어려움이 있으며, 동일한 모델링 그룹에 선배 및 주니어 참가자가있을 때 분석 및 비 분석 방법을 효과적으로 사용하는 방법은 불분명하고 논란의 여지가 있습니다. 다양한 능력과 경험 수준을 가진 고등학교 및 중학교 학생들은 다양한 복잡성의 시뮬레이션 시나리오에 참여합니다 [34, 37]. 임상 추론의 다차원 적 특성은 특히 실무자들이 다양한 사례 복잡성과 수준을 갖는 그룹 SBE에 참여할 때 개발 된 임상 추론 및인지 과부하의 잠재적 위험과 관련이있다 [38]. RLC를 사용하는 다수의 브리핑 모델이 있지만, 이러한 모델 중 어느 것도 임상 추론 기술 개발, 경험, 역량, 흐름 및 정보의 양을 고려하여 특정 초점으로 설계되지 않았다는 점에 유의해야합니다. 복잡성 요인 모델링 [38]. ]. , 39]. 이 모든 것은 임상 추론을 최적화하기위한 다양한 기여와 영향 요인을 고려하는 구조화 된 모델의 개발을 요구하는 동시에, 사후 시뮬레이션 RLC를보고 방법으로 통합해야합니다. 우리는 시뮬레이션 후 RLC의 공동 설계 및 개발을위한 이론적으로나 개념적으로 주도 된 프로세스를 설명합니다. 최적화 된 임상 추론 개발을 달성하기위한 광범위한 촉진 및 영향 요인을 고려하여 SBE에 참여하는 동안 임상 추론 기술을 최적화하기 위해 모델이 개발되었습니다.
RLC 시뮬레이션 후 모델은 기존 모델과 임상 추론, 반사 학습, 교육 및 시뮬레이션 이론을 기반으로 공동으로 개발되었습니다. 이 모델을 공동으로 개발하기 위해, 공동 작업 그룹 (n = 18)이 10 명의 중환자 간호사, 1 명의 강렬한 사람 및 다양한 수준, 경험 및 성별을 가진 이전에 입원 한 환자의 3 명의 대표로 구성되었습니다. 1 명의 집중 치료실, 2 명의 연구 조교 및 2 명의 선임 간호사 교육자. 이 공동 디자인 혁신은 의료 분야의 실제 경험을 가진 이해 관계자 간의 동료 협력, 제안 된 모델 개발에 관여하는 의료 전문가 또는 환자와 같은 다른 이해 관계자 [40,41,42]를 통해 설계 및 개발되었습니다. 이 프로그램의 궁극적 인 목표는 환자 치료와 안전을 향상시키는 것이기 때문에 공동 디자인 프로세스에 환자 대표를 포함 시키면 프로세스에 가치를 더할 수 있습니다 [43].
실무 그룹은 모델의 구조, 프로세스 및 내용을 개발하기 위해 6 개의 2-4 시간 워크샵을 수행했습니다. 워크숍에는 토론, 연습 및 시뮬레이션이 포함됩니다. 모델의 요소는 다양한 증거 기반 리소스, 모델, 이론 및 프레임 워크를 기반으로합니다. 여기에는 구성주의 학습 이론 [44], 듀얼 루프 개념 [37], 임상 추론 루프 [10], 감상적 탐구 (AI) 방법 [45],보고 플러스/델타 방법 [46]이 포함됩니다. 이 모델은 임상 및 시뮬레이션 교육을위한 International Nurses Association의 Inacsl 브리핑 프로세스 표준을 기반으로 공동으로 개발되었으며 [36], 자기 설명 모델을 만들기 위해 작업 예제와 결합되었습니다. 이 모델은 시뮬레이션 후 반사 학습 대화 준비, 반사 학습 대화의 시작, 분석/반사 및 브리핑의 4 단계로 개발되었습니다 (그림 1). 각 단계의 세부 사항은 아래에서 설명합니다.
이 모델의 준비 단계는 심리적으로 참가자들에게 다음 단계를 준비하고 심리적 안전을 보장하면서 적극적인 참여와 투자를 늘리도록 설계되었습니다 [36, 47]. 이 단계에는 목적과 목표에 대한 소개가 포함됩니다. RLC의 예상 기간; RLC 동안 진행자 및 참가자의 기대; 사이트 방향 및 시뮬레이션 설정; 학습 환경의 기밀 유지 및 심리적 안전성을 높이고 향상시킵니다. 공동 디자인 실무 그룹의 다음 대표 응답은 RLC 모델의 사전 개발 단계에서 고려되었습니다. 참가자 7 :“1 차 간호사 실무자로서 시나리오의 맥락없이 시뮬레이션에 참여하고 노인이 참석했다면 심리적 안전이 있다고 생각하지 않는 한, 시뮬레이션 후 대화에 참여하는 것을 피할 것입니다. 존경받는. 그리고 시뮬레이션 후 대화에 참여하는 것을 피할 것입니다. "보호를 받으면 결과가 없을 것입니다." 참가자 4 :“저는 초점을 맞추고 기본 규칙을 조기에 설정하면 시뮬레이션 후 학습자에게 도움이 될 것이라고 생각합니다. 반사 학습 대화에 적극적으로 참여합니다.”
RLC 모델의 초기 단계에는 참가자의 감정을 탐색하고, 기본 프로세스를 설명하고, 시나리오를 진단하고, 참가자의 긍정적이고 부정적인 경험을 나열하지만 분석하지는 않습니다. 이 단계의 모델은 후보자들이 자기 및 과제 지향을 장려하고 심층 분석 및 심층적 인 반사를 정신적으로 준비하기 위해 만들어졌습니다 [24, 36]. 목표는인지 과부하의 잠재적 위험을 줄이는 것입니다 [48], 특히 모델링 주제에 익숙하지 않고 기술/주제에 대한 이전의 임상 경험이없는 사람들의 경우 [49]. 참가자에게 시뮬레이션 된 사례를 간단히 설명하고 진단 권장 사항을 작성하도록 요청하면 촉진자가 그룹의 학생들이 확장 된 분석/반사 단계로 넘어 가기 전에 사례에 대한 기본적이고 일반적인 이해를 갖도록하는 데 도움이됩니다. 또한,이 단계의 참가자를 시뮬레이션 된 시나리오에서 자신의 감정을 공유하도록 초대하면 상황의 정서적 스트레스를 극복하여 학습을 향상시킬 수 있습니다 [24, 36]. 감정적 문제를 해결하면 RLC 촉진자가 참가자의 감정이 개인 및 그룹 성과에 어떤 영향을 미치는지 이해하는 데 도움이되며, 이는 반사/분석 단계에서 비판적으로 논의 할 수 있습니다. 플러스/델타 방법은 반사/분석 단계를위한 준비 및 결정적인 단계 로서이 모델 의이 단계에 내장되어있다 [46]. Plus/Delta 접근법을 사용하여 참가자와 학생 모두 시뮬레이션의 관찰, 감정 및 경험을 처리/나열 할 수 있으며, 이는 모델의 반사/분석 단계에서 시점별로 논의 할 수 있습니다 [46]. 이것은 참가자들이 임상 추론을 최적화하기위한 표적화되고 우선 순위가 좋은 학습 기회를 통해 메타인지 상태를 달성하는 데 도움이 될 것입니다 [24, 48, 49]. RLC 모델의 초기 개발 중에 공동 디자인 실무 그룹의 다음 대표 응답이 고려되었습니다. 참가자 2 :“이전에 ICU에 입원 한 환자로서 우리는 시뮬레이션 된 학생들의 감정과 감정을 고려해야한다고 생각합니다. 입원하는 동안 특히 중요한 치료 실무자들 사이에서 높은 수준의 스트레스와 불안을 관찰했기 때문에이 문제를 제기합니다. 그리고 비상 상황. 이 모델은 경험을 시뮬레이션하는 것과 관련된 스트레스와 감정을 고려해야합니다.” 참가자 16 :“교사로서 저는 Plus/Delta 접근법을 사용하여 학생들이 시뮬레이션 시나리오에서 직면 한 좋은 것들과 요구를 언급함으로써 적극적으로 참여하도록 권장됩니다. 개선을위한 영역.”
모델의 이전 단계는 중요하지만 분석/반사 단계는 임상 추론 최적화를 달성하는 데 가장 중요합니다. 임상 경험, 역량 및 모델링 된 주제의 영향을 기반으로 고급 분석/합성 및 심층 분석을 제공하도록 설계되었습니다. RLC 프로세스 및 구조; 인지 과부하를 피하기 위해 제공된 정보의 양; 반사 질문의 효과적인 사용. 학습자 중심 및 적극적인 학습을 달성하는 방법. 이 시점에서 시뮬레이션 주제에 대한 임상 경험과 친숙 함은 다양한 수준의 경험과 능력을 수용하기 위해 세 부분으로 나뉩니다. 첫 번째 : 이전 임상 전문 경험이 없음/시뮬레이션 주제에 대한 이전 노출, 두 번째 : 임상 전문 경험, 지식 및 기술// 없음. 모델링 주제에 대한 이전 노출. 셋째 : 임상 전문 경험, 지식 및 기술. 모델링 주제에 대한 전문/이전 노출. 이 분류는 같은 그룹 내에서 다른 경험과 능력 수준을 가진 사람들의 요구를 수용하기 위해 수행되어 경험이 풍부한 실무자들이 경험이 풍부한 실무자들이 비 분석적 추론 기술을 사용하는 경향과 함께 분석적 추론을 사용하는 경향의 균형을 유지합니다 [19, 20, 34]. , 37]. RLC 프로세스는 임상 추론주기 [10], 반사 모델링 프레임 워크 [47] 및 체험 학습 이론 [50]을 중심으로 구성되었다. 이것은 해석, 분화, 의사 소통, 추론 및 합성의 여러 프로세스를 통해 달성됩니다.
인지 과부하를 피하기 위해, 참가자가 자신감을 얻기 위해 참가자가 반영, 분석 및 종합 할 수있는 충분한 시간과 기회를 갖춘 학습자 중심 및 반사적 인 말하기 과정을 홍보하는 것이 고려되었습니다. RLC 동안의인지 과정은 이중 루프 프레임 워크 [37] 및인지 부하 이론 [48]을 기반으로 통합, 확인, 형성 및 통합 프로세스를 통해 해결됩니다. 경험이 풍부하고 경험이없는 참가자를 모두 고려하여 구조화 된 대화 과정을 갖추고 반사에 충분한 시간을 허용하면 특히 다양한 이전 경험, 노출 및 능력 수준을 갖춘 복잡한 시뮬레이션에서인지 부하의 잠재적 위험이 줄어 듭니다. 장면 후. 모델의 반사적 질문 기술은 블룸의 분류 학적 모델 [51]과 감사의 문의 (AI) 방법 [45]을 기반으로하며, 모델링 된 촉진자는 단계별, 소크라테스 및 반사적 방식으로 주제에 접근합니다. 지식 기반 질문부터 시작하여 질문을하십시오. 그리고 추론과 관련된 기술과 문제 해결. 이 질문 기술은인지 과부하의 위험이 줄어든 적극적인 참가자 참여와 진보적 사고를 장려함으로써 임상 추론의 최적화를 향상시킬 것입니다. RLC 모델 개발의 분석/반사 단계에서 공동 디자인 실무 그룹의 다음 대표 응답이 고려되었습니다. 참가자 13 :“인지 과부하를 피하려면 시뮬레이션 후 학습 대화에 참여할 때 정보의 양과 흐름을 고려해야합니다. . 지식. 대화와 기술을 시작한 다음 더 높은 수준의 지식과 기술로 이동하여 메타인지를 달성합니다.” 참가자 9 :“감사하는 질문 (AI) 기술을 사용한 의문의 방법과 Bloom의 분류 모델을 사용한 반사적 질문은 적극적인 학습과 학습자 중심성을 촉진하면서인지 과부하의 위험을 줄일 것이라고 믿습니다. " 모델의 브리핑 단계는 RLC 동안 제기 된 학습 지점을 요약하고 학습 목표가 실현되도록하는 것을 목표로합니다. 참가자 8 :“학습자와 촉진자 모두 실습 할 때 고려해야 할 가장 중요한 주요 아이디어와 주요 측면에 동의하는 것이 매우 중요합니다.”
윤리적 승인은 프로토콜 수 (MRC-01-22-117) 및 (HSK/PGR/UH/04728)에 따라 얻었습니다. 이 모델은 3 가지 전문 중환자 시뮬레이션 시뮬레이션 과정에서 테스트하여 모델의 유용성과 실용성을 평가했습니다. 이 모델의 얼굴 유효성은 외관, 문법 및 프로세스와 관련된 문제를 해결하기 위해 공동 디자인 실무 그룹 (n = 18)과 교육 이사 (n = 6) 역할을하는 교육 전문가에 의해 평가되었습니다. 얼굴의 유효성 이후, 콘텐츠 유효성은 미국 간호사 자격 증명 센터 (ANCC)의 인증을 받고 교육 기획자로 근무한 선임 간호사 교육자 (n = 6)와 10 년 이상 교육을받은 (n = 6)에 의해 결정되었습니다. 교육 경험. 업무 경험 평가는 교육 책임자에 의해 수행되었습니다 (n = 6). 모델링 경험. 컨텐츠 유효성은 CVR (Content Validity Ratio) 및 CVI (Content Adividity Index)를 사용하여 결정되었습니다. LawShe 방법 [52]은 CVI를 추정하는 데 사용되었으며 Waltz 및 Bausell [53]의 방법을 사용하여 CVR을 추정했습니다. CVR 프로젝트는 필요하고 유용하지만 필요하거나 선택 사항이 필요하지 않습니다. CVI는 관련성, 단순성 및 선명도에 따라 4 점 척도로 점수를 매겼으며, 1 = 관련이없고, 2 = 다소 관련성이 있고, 3 = 관련성이 있고, 4 = 매우 관련성이 있습니다. 얼굴과 내용의 유효성을 확인한 후 실제 워크샵 외에도 모델을 사용할 교사를 위해 오리엔테이션 및 오리엔테이션 세션이 수행되었습니다.
작업 그룹은 중환자 실에 SBE에 참여하는 동안 임상 추론 기술을 최적화하기 위해 시뮬레이션 후 RLC 모델을 개발하고 테스트 할 수있었습니다 (그림 1, 2 및 3). CVR = 1.00, CVI = 1.00, 적절한 얼굴과 내용의 유효성을 반영한다 [52, 53].
이 모델은 그룹 SBE를 위해 만들어졌으며, 여기서 흥미롭고 도전적인 시나리오가 동일하거나 다른 수준의 경험, 지식 및 선배를 가진 참가자에게 사용됩니다. RLC 개념 모델은 INACSL Flight Simulation Analysis 표준 [36]에 따라 개발되었으며, 예제를 포함하여 학습자 중심 및 자기 설명입니다 (그림 1, 2 및 3). 이 모델은 모델링 표준을 충족시키기 위해 의도적으로 개발되고 4 단계로 나뉘어졌습니다. 브리핑부터 시작, 반사 분석/합성, 정보 및 요약으로 끝납니다. 인지 과부하의 잠재적 위험을 피하기 위해 모델의 각 단계는 의도적으로 다음 단계의 전제 조건으로 설계되었습니다 [34].
RLC 참여에 대한 노인 및 그룹 조화 요인의 영향은 이전에 연구되지 않았다 [38]. 시뮬레이션 실습에서 이중 루프 및인지 과부하 이론의 실질적인 개념을 고려하여 [34, 37], 동일한 시뮬레이션 그룹에서 참가자의 다른 경험과 능력 수준을 가진 그룹 SBE에 참여하는 것이 어려운 일이라는 것을 고려하는 것이 중요합니다. 고등학교와 중학교 학생들 모두의 빠르고 느린인지 과정을 동시에 사용하는 것뿐만 아니라 정보 볼륨, 흐름 및 학습 구조를 무시하면인지 과부하가 발생할 위험이 있습니다 [18, 38, 46]. 이러한 요인들은 저개발 및/또는 차선책의 추론을 피하기 위해 RLC 모델을 개발할 때 고려되었다 [18, 38]. 상이한 수준의 선임과 역량을 갖는 RLC를 수행하면 선임 참가자들 사이에 우세한 영향을 미친다는 점을 고려하는 것이 중요합니다. 이는 고급 참가자가 기본 개념을 배우는 경향이 있기 때문에, 젊은 참가자가 메타인지를 달성하고 더 높은 수준의 사고 및 추론 과정에 들어가는 데 중요한 기본 개념을 배우는 경향이 있기 때문입니다 [38, 47]. RLC 모델은 감사의 조사와 델타 접근법을 통해 선임 및 주니어 간호사를 참여 시키도록 설계되었습니다 [45, 46, 51]. 이러한 방법을 사용하여 다양한 능력과 경험 수준을 가진 시니어 및 주니어 참가자의 견해는 항목별로 제시되며 브리핑 중재자 및 공동 모더레이터에 의해 반사적으로 논의 될 것입니다 [45, 51]. 시뮬레이션 참가자의 입력 외에도 브리핑 촉진자는 모든 집단 관찰이 각 학습 순간을 포괄적으로 다루도록하여 임상 추론을 최적화하기 위해 메타인지를 향상시킬 수 있도록 입력을 추가합니다 [10].
RLC 모델을 사용한 정보 흐름 및 학습 구조는 체계적이고 다중 단계 프로세스를 통해 해결됩니다. 이것은 브리핑 촉진자를 돕고 다음 단계로 넘어 가기 전에 각 참가자가 각 단계에서 명확하고 자신있게 말할 수 있도록하기위한 것입니다. 중재자는 모든 참가자가 참여하는 반사 토론을 시작하고 다양한 노인 및 능력 수준의 참가자가 다음 토론 지점의 모범 사례에 동의하는 지점에 도달 할 수 있습니다 [38]. 이 접근법을 사용하면 경험이 풍부하고 유능한 참가자가 자신의 기여/관찰을 공유하는 데 도움이되는 반면, 경험이 적고 유능한 참가자의 기여/관찰은 평가되고 논의 될 것입니다 [38]. 그러나이 목표를 달성하기 위해 촉진자들은 토론의 균형을 맞추고 선임 및 주니어 참가자들에게 동등한 기회를 제공하는 도전에 직면해야합니다. 이를 위해, 모델 조사 방법론은 Bloom의 분류 학적 모델을 사용하여 의도적으로 개발되었으며,이 모델은 평가 조사와 부가/델타 방법을 결합한다 [45, 46, 51]. 이러한 기술을 사용하고 초점 질문/반사 토론에 대한 지식과 이해로 시작하여 경험이 적은 참가자가 토론에 참여하고 적극적으로 참여하도록 장려 할 것입니다. 그 후 촉진자는 점차적으로 질문/토론의 평가 및 합성 수준으로 점차적으로 이동합니다. 두 당사자는 선배와 주니어 참가자에게 임상 기술 또는 시뮬레이션 시나리오에 대한 이전 경험과 경험을 바탕으로 참여할 수있는 기회를 제공해야합니다. 이 접근법은 숙련 된 참가자가 적극적으로 참여하고 경험이 풍부한 참가자가 공유하는 경험과 브리핑 촉진자의 의견을 활용하는 데 도움이 될 것입니다. 반면 에이 모델은 참가자 능력과 경험 수준이 다른 SBE뿐만 아니라 비슷한 경험과 능력 수준을 가진 SBE 그룹 참가자를 위해 설계되었습니다. 이 모델은 지식과 이해에 중점을두고 학습 목표를 달성하기 위해 합성 및 평가에 중점을 두는 것에서 그룹의 매끄럽고 체계적인 움직임을 촉진하도록 설계되었습니다. 모델 구조 및 프로세스는 서로 다른 능력과 경험 수준의 모델링 그룹에 적합하도록 설계되었습니다.
또한, RLC와 함께 의료 서비스의 SBE는 실무자의 임상 추론과 역량을 개발하는 데 사용되지만 [22,30,38], 특히인지 과부하의 사례 복잡성 및 잠재적 위험과 관련하여 관련 요인이 고려되어야합니다. 참가자가 SBE 시나리오와 관련이있을 때, 즉각적인 개입과 중요한 의사 결정이 필요한 매우 복잡하고 비판적으로 아픈 환자를 시뮬레이션했습니다 [2,18,37,38,47,48]. 이를 위해 SBE에 참여할 때 분석 및 비 분석 추론 시스템을 동시에 전환하고 나이가 많고 젊은 모두를 허용하는 증거 기반 접근법을 확립하는 경험이 많고 경험이 적은 참가자가 동시에 전환하는 경향을 고려하는 것이 중요합니다. 학생들은 학습 과정에 적극적으로 참여합니다. 따라서,이 모델은 제시된 시뮬레이션 된 사례의 복잡성에 관계없이, 촉진자는 선임 및 주니어 참가자 모두에 대한 지식과 배경 이해의 측면이 먼저 다루어지고 점차적으로 반사적으로 개발되도록해야합니다. 분석을 용이하게합니다. 합성 및 이해. 평가 측면. 이것은 어린 학생들이 배운 것을 구축하고 통합하는 데 도움이 될 것이며, 나이가 많은 학생들이 새로운 지식을 종합하고 개발하는 데 도움이 될 것입니다. 이는 각 참가자의 이전 경험과 능력을 고려하여 추론 프로세스에 대한 요구 사항을 충족시키고, 고등학교 및 중학교 학생들이 분석 및 비 분석적 추론 시스템 사이를 동시에 이동하는 경향을 해결하는 일반적인 형식을 갖습니다. 임상 추론의 최적화 보장.
또한 시뮬레이션 촉진기/브리핑자는 시뮬레이션 브리핑 기술을 마스터하는 데 어려움이있을 수 있습니다. 인지 브리핑 스크립트의 사용은 스크립트를 사용하지 않는 사람들에 비해 촉진자의 지식 습득 및 행동 기술을 향상시키는 데 효과적이라고 생각됩니다 [54]. 시나리오는 교사의 모델링 작업을 촉진하고 브리핑 기술을 향상시킬 수있는인지 도구입니다. 특히 브리핑 경험을 여전히 통합하는 교사들에게는 [55]. 더 큰 유용성을 달성하고 사용자 친화적 인 모델을 개발하십시오. (그림 2 및 그림 3).
Plus/Delta, Thealkiative Survey 및 Bloom의 분류 설문 조사 방법의 병렬 통합은 아직 이용 가능한 시뮬레이션 분석 및 가이드 반사 모델에서 다루지 않았습니다. 이러한 방법의 통합은 RLC 모델의 혁신을 강조하며,이 방법은 임상 추론 및 학습자 중심의 최적화를 달성하기 위해 단일 형식으로 통합됩니다. 의료 교육자들은 RLC 모델을 사용하여 모델링 그룹 SBE의 혜택을 받아 참가자의 임상 추론 능력을 개선하고 최적화 할 수 있습니다. 이 모델의 시나리오는 교육자들이 반사 브리핑 과정을 마스터하고 자신의 기술을 강화하여 자신감 있고 유능한 브리핑 촉진자가 될 수 있습니다.
SBE에는 마네킹 기반 SBE, 작업 시뮬레이터, 환자 시뮬레이터, 표준화 된 환자, 가상 및 증강 현실을 포함한 여러 가지 양식 및 기술을 포함 할 수 있습니다. 보고가 중요한 모델링 기준 중 하나라는 점을 고려할 때 시뮬레이션 된 RLC 모델은 이러한 모드를 사용할 때보고 모델로 사용할 수 있습니다. 또한이 모델은 간호 훈련을 위해 개발되었지만 전문가 간의 건강 관리 SBE에 사용할 가능성이 있으며, 전문가 간 교육을위한 RLC 모델을 테스트하기위한 향후 연구 이니셔티브의 필요성을 강조합니다.
SBE 중환자 실에서 간호를위한 시뮬레이션 후 RLC 모델의 개발 및 평가. 모델의 향후 평가/검증은 다른 의료 분야 및 전문가 간 SBE에서 사용할 모델의 일반화 가능성을 높이기 위해 권장됩니다.
이 모델은 이론과 개념을 기반으로 공동 작업 그룹에 의해 개발되었습니다. 모델의 유효성과 일반화 성을 향상시키기 위해 비교 연구를위한 강화 된 신뢰성 측정의 사용이 향후 고려 될 수 있습니다.
실무 오류를 최소화하기 위해 실무자는 안전하고 적절한 임상 의사 결정을 보장하기 위해 효과적인 임상 추론 기술을 가지고 있어야합니다. SBE RLC를 브리핑 기술로 사용하면 임상 추론을 개발하는 데 필요한 지식과 실용적인 기술의 개발을 촉진합니다. 그러나 사전 경험 및 노출, 능력 변화, 능력 및 정보의 흐름 및 시뮬레이션 시나리오의 복잡성과 관련된 임상 추론의 다차원 적 특성은 임상 추론이 활발하게 활성화 될 수있는 시뮬레이션 후 RLC 모델 개발의 중요성을 강조합니다. 효과적으로 구현되었습니다. 기술. 이러한 요인을 무시하면 저개발 및 차선책의 임상 추론이 발생할 수 있습니다. RLC 모델은 그룹 시뮬레이션 활동에 참여할 때 임상 추론을 최적화하기 위해 이러한 요소를 해결하기 위해 개발되었습니다. 이 목표를 달성하기 위해이 모델은 동시에 플러스/마이너스 평가 조사 및 블룸의 분류법 사용을 통합합니다.
현재 연구 중에 사용 및/또는 분석 된 데이터 세트는 합리적인 요청에 따라 해당 저자로부터 제공됩니다.
Daniel M, Rencic J, Durning SJ, Holmbo E, Santen SA, Lang W, Ratcliffe T, Gordon D, Heist B, Lubarski S, Estrada KA. 임상 추론 평가 방법 : 검토 및 실습 권장 사항. 의학 아카데미. 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. 건강 직업의 임상 추론에 대한 문헌 비교 : 범위 검토. BMC 의학 교육. 2020; 20 (1) : 1–1.
게레로 JG. 간호 실무 추론 모델 : 간호의 임상 추론, 의사 결정 및 판단의 예술과 과학. 간호사의 일기를 열십시오. 2019; 9 (2) : 79–88.
Almomani E, Alraouch T, Saada O, Al Nsour A, Kamble M, Samuel J, Atallah K, Mustafa E. 비판적 치료의 임상 학습 및 교육 방법으로서의 반사 학습 대화. 카타르 의학 저널. 2020; 2019; 1 (1) : 64.
Mamed S., van Gogh T., Sampaio AM, De Faria RM, Maria JP, Schmidt HG 학생들의 진단 기술은 임상 사례에 대한 실습의 어떤 혜택을 얻습니까? 동일하고 새로운 장애의 향후 진단에 대한 구조적 반사의 효과. 의학 아카데미. 2014; 89 (1) : 121–7.
Tutticci N, Theobald KA, Ramsbotham J, Johnston S. 시뮬레이션에서 관찰자 역할 및 임상 추론 탐색 : 스코어링 검토. 간호사 교육 실습 2022 1 월 20 : 103301.
Edwards I, Jones M, Carr J, Braunack-Meyer A, Jensen GM. 물리 치료의 임상 추론 전략. 물리 치료. 2004; 84 (4) : 312–30.
Kuiper R, Pesut D, Kautz D. 의대생의 임상 추론 기술의 자기 조절 촉진. 열기 저널 간호사 2009; 3 : 76.
Levett-Jones T, Hoffman K, Dempsey J, Jeon SY, Noble D, Norton KA, Roche J, Hickey N. 임상 추론의“5 권”: AT-를 식별하고 관리하는 임상 능력 간호 학생을 개선하기위한 교육 모델. 위험 환자. 오늘 간호 교육. 2010; 30 (6) : 515–20.
Brentnall J, Thackray D, Judd B. 배치 및 시뮬레이션 설정에서 의대생의 임상 추론 평가 : 체계적인 검토. 국제 환경 연구 저널, 공중 보건. 2022; 19 (2) : 936.
Chamberlain D, Pollock W, Critical Care 간호를위한 Fulbrook P. ACCCN 표준 : 체계적인 검토, 증거 개발 및 평가. 응급 호주. 2018; 31 (5) : 292–302.
Cunha LD, Pestana-Santos M, Lomba L, Reis Santos M. 저해 후 치료의 임상 추론의 불확실성 : 복잡한 의료 환경에서 불확실성 모델을 기반으로 한 통합 검토. J 수술 전 간호사. 2022; 35 (2) : E32–40.
Rivaz M, Tavakolinia M, Momennasab M. 중환자 간호사의 전문 실무 환경과 간호 결과와의 연관성 : 구조 방정식 모델링 연구. Scand J Caring Sci. 2021; 35 (2) : 609–15.
Suvardianto H, Astuti VV, 역량. 간호 및 중환자 실무 교환 간호 부서 (JSCC)의 학생 간호사를위한 저널 교환. Strada 잡지 Ilmia Kesehatan. 2020; 9 (2) : 686–93.
Liev B, Dejen Tilahun A, Kasyu T. 중환자 실시 간호사 간의 물리적 평가와 관련된 지식, 태도 및 요인 : 다기관 단면 연구. 중요한 치료에서의 연구 실무. 2020; 9145105.
Sullivan J., Hugill K., A. Elraush Ta, Mathias J., Alkhetimi Mo 중동 국가의 문화적 맥락에서 간호사와 조산사를위한 역량 프레임 워크의 조종사 구현. 간호사 교육 실습. 2021; 51 : 102969.
Wang MS, Thor E, Hudson JN. 스크립트 일관성 테스트에서 응답 프로세스의 유효성 테스트 : 생각-고정적인 접근법. 국제 의학 교육 저널. 2020; 11 : 127.
강 H, 강 하이. 시뮬레이션 교육이 임상 추론 기술, 임상 능력 및 교육 만족에 미치는 영향. 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. Covid-19와 같은 전염병 발생에 대한 반응을 준비하고 개선하기 위해 모델링을 사용하여 : 노르웨이, 덴마크 및 영국의 실용적인 팁과 자원. 고급 모델링. 2020; 5 (1) : 1–0.
Liose L, Lopreiato J, 설립자 D, Chang TP, Robertson JM, Anderson M, Diaz DA, Spain AE, 편집자. (어소시에이트 편집자) 및 용어 및 개념 실무 그룹, 의료 모델링 사전 - 제 2 판. Rockville, MD : 의료 연구 및 품질 기관. 2020 년 1 월 : 20-0019.
Brooks A, Brachman S, Capralos B, Nakajima A, Tyerman J, Jain L, Salvetti F, Gardner R, Minehart R, Bertagni B. 의료 시뮬레이션을위한 증강 현실. 포괄적 인 웰빙을위한 가상 환자 기술의 최신 발전. 게임 화 및 시뮬레이션. 2020; 196 : 103–40.
Alamrani MH, Alammal KA, Alqahtani SS, Salem OA 시뮬레이션과 전통적인 교수법이 비판적 사고 기술에 미치는 영향과 간호 학생의 자신감을 비교합니다. J 간호 연구 센터. 2018; 26 (3) : 152–7.
Kiernan LK 시뮬레이션 기술을 사용한 능력과 신뢰도를 평가합니다. 케어. 2018; 48 (10) : 45.
시간 후 : 1 월 8 일 -2024 년