실무자는 적절하고 안전한 임상 결정을 내리고 실습 오류를 방지하기 위해 효과적인 임상 추론 기술을 보유해야 합니다.제대로 개발되지 않은 임상 추론 기술은 특히 중환자실과 응급실에서 환자의 안전을 위협하고 치료 또는 치료를 지연시킬 수 있습니다.시뮬레이션 기반 교육은 환자 안전을 유지하면서 임상 추론 기술을 개발하기 위한 디브리핑 방법으로 시뮬레이션 후 반영적 학습 대화를 사용합니다.그러나 임상 추론의 다차원적 특성, 인지 과부하의 잠재적 위험, 고급 및 주니어 시뮬레이션 참가자의 분석적(가설 연역적) 및 비분석적(직관적) 임상 추론 프로세스의 차등 사용으로 인해 다음을 수행하는 것이 중요합니다. 경험, 능력, 정보의 흐름 및 양과 관련된 요인, 사례 복잡성을 고려하여 디브리핑 방법으로 시뮬레이션 후 그룹 성찰 학습 대화에 참여함으로써 임상 추론을 최적화합니다.우리의 목표는 임상 추론 최적화의 달성에 영향을 미치는 여러 요소를 고려하는 시뮬레이션 후 반사 학습 대화 모델의 개발을 설명하는 것입니다.
의사, 간호사, 연구원, 교육자 및 환자 대표로 구성된 공동 설계 작업 그룹(N = 18)은 연속적인 워크숍을 통해 협력하여 시뮬레이션을 보고하기 위한 시뮬레이션 후 반사 학습 대화 모델을 공동 개발했습니다.공동 디자인 작업 그룹은 이론적, 개념적 프로세스와 다단계 동료 검토를 통해 모델을 개발했습니다.플러스/마이너스 평가 연구와 Bloom의 분류법의 병렬 통합은 시뮬레이션 활동에 참여하는 동안 시뮬레이션 참가자의 임상 추론을 최적화하는 것으로 믿어집니다.모델의 얼굴 타당성과 내용 타당성을 확립하기 위해 내용 타당도 지수(CVI)와 내용 타당도 비율(CVR) 방법을 사용했습니다.
시뮬레이션 후 반영적 학습 대화 모델이 개발되고 테스트되었습니다.이 모델은 작업된 예제와 스크립팅 지침을 통해 지원됩니다.모델의 얼굴 및 내용 타당성을 평가하고 확인했습니다.
새로운 공동 디자인 모델은 다양한 모델링 참여자의 기술과 역량, 정보의 흐름과 양, 모델링 사례의 복잡성을 고려하여 만들어졌습니다.이러한 요소는 그룹 시뮬레이션 활동에 참여할 때 임상 추론을 최적화하는 것으로 생각됩니다.
임상 추론은 의료 분야의 임상 실습의 기초[1, 2]이자 임상 역량의 중요한 요소로 간주됩니다[1, 3, 4].이는 실무자가 직면한 각 임상 상황에 가장 적합한 중재를 식별하고 구현하기 위해 사용하는 성찰 과정입니다[5, 6].임상 추론은 공식적 및 비공식적 사고 전략을 사용하여 환자에 대한 정보를 수집 및 분석하고, 해당 정보의 중요성을 평가하고, 대안적인 행동 과정의 가치를 결정하는 복잡한 인지 과정으로 설명됩니다[7, 8].적시에 적절한 이유에 따라 적절한 환자에게 올바른 조치를 취하기 위해서는 단서를 수집하고, 정보를 처리하고, 환자의 문제를 이해하는 능력에 달려 있습니다[9, 10].
모든 의료 서비스 제공자는 불확실성이 높은 상황에서 복잡한 결정을 내려야 하는 필요성에 직면해 있습니다[11].중환자 치료 및 응급 치료 실습에서는 생명을 구하고 환자 안전을 보장하기 위해 즉각적인 대응과 개입이 중요한 임상 상황과 응급 상황이 발생합니다[12].빈약한 임상 추론 기술과 중환자 진료 실무 역량은 더 높은 비율의 임상 오류, 치료 또는 치료 지연[13] 및 환자 안전에 대한 위험과 관련이 있습니다[14,15,16].실질적인 오류를 피하기 위해 실무자는 안전하고 적절한 결정을 내릴 수 있도록 유능하고 효과적인 임상 추론 기술을 갖추어야 합니다[16, 17, 18].비분석적(직관적) 추론 프로세스는 전문 실무자가 선호하는 빠른 프로세스입니다.대조적으로, 분석적(가설-연역적) 추론 프로세스는 본질적으로 더 느리고, 더 신중하며, 경험이 부족한 실무자들에 의해 더 자주 사용됩니다[2, 19, 20].의료 임상 환경의 복잡성과 실습 오류의 잠재적 위험을 고려할 때[14,15,16], 시뮬레이션 기반 교육(SBE)은 실무자에게 역량 및 임상 추론 기술을 개발할 수 있는 기회를 제공하는 데 종종 사용됩니다.환자의 안전을 유지하면서 안전한 환경과 다양한 어려운 사례에 노출됩니다 [21, 22, 23, 24].
SSH(Society for Simulation in Health)는 시뮬레이션을 "실습, 훈련, 평가, 테스트 또는 인간 시스템에 대한 이해를 얻기 위해 사람들이 실제 사건의 표현을 경험하는 상황이나 환경을 만드는 기술"로 정의합니다. 행동."[23] 잘 구조화된 시뮬레이션 세션은 참여자들에게 안전 위험을 줄이면서 임상 상황을 시뮬레이션하는 시나리오에 몰입할 수 있는 기회를 제공하고[24,25] 목표 학습 기회를 통해 임상 추론을 연습할 수 있는 기회를 제공합니다[21,24,26,27,28] SBE는 현장 임상 경험을 향상시켜 학생들에게 실제 환자 치료 환경에서 경험하지 못했던 임상 경험을 제공합니다[24, 29].이는 위협적이지 않고 비난이 없으며 감독되고 안전하며 위험이 낮은 학습 환경입니다.이는 지식, 임상 기술, 능력, 비판적 사고 및 임상 추론의 발달을 촉진하고[22,29,30,31] 의료 전문가가 상황의 정서적 스트레스를 극복하여 학습 능력을 향상시키는 데 도움이 될 수 있습니다[22, 27, 28] ., 30, 32].
SBE를 통한 임상 추론 및 의사결정 기술의 효과적인 개발을 지원하려면 시뮬레이션 후 디브리핑 프로세스의 설계, 템플릿 및 구조에 주의를 기울여야 합니다[24, 33, 34, 35].시뮬레이션 후 반사 학습 대화(RLC)는 참가자가 팀워크의 맥락에서 행동을 반영하고, 설명하고, 동료 지원 및 그룹 사고의 힘을 활용할 수 있도록 돕는 디브리핑 기술로 사용되었습니다[ 32, 33, 36].그룹 RLC의 사용은 특히 참가자의 다양한 능력 및 연공서열 수준과 관련하여 미숙한 임상 추론의 잠재적인 위험을 수반합니다.이중 프로세스 모델은 임상 추론의 다차원적 특성과 수석 실무자가 분석(가설 연역) 추론 프로세스를 사용하는 성향과 주니어 실무자가 비분석(직관) 추론 프로세스를 사용하는 경향의 차이를 설명합니다[34, 37].].이러한 이중 추론 프로세스에는 다양한 상황에 최적의 추론 프로세스를 적용하는 과제가 포함되며, 동일한 모델링 그룹에 선배와 후배 참가자가 있을 때 분석적 방법과 비분석적 방법을 효과적으로 사용하는 방법이 불분명하고 논란의 여지가 있습니다.다양한 능력과 경험 수준을 가진 고등학생과 중학생들이 다양한 복잡성의 시뮬레이션 시나리오에 참여합니다[34, 37].임상 추론의 다차원적 특성은 특히 실무자가 사례 복잡성과 연공서열 수준이 다양한 그룹 SBE에 참여할 때 미숙한 임상 추론 및 인지 과부하의 잠재적 위험과 관련이 있습니다[38].RLC를 사용하는 디브리핑 모델이 많이 있지만 이러한 모델 중 어느 것도 경험, 역량, 흐름 및 정보의 양을 고려하여 임상 추론 기술 개발에 특별히 초점을 맞춰 설계되지 않았다는 점에 유의하는 것이 중요합니다. 모델링 복잡성 요인 [38].]., 39].이 모든 것에는 임상 추론을 최적화하기 위해 다양한 기여와 영향 요인을 고려하는 동시에 시뮬레이션 후 RLC를 보고 방법으로 통합하는 구조화된 모델의 개발이 필요합니다.우리는 시뮬레이션 후 RLC의 공동 설계 및 개발을 위한 이론적, 개념적 프로세스를 설명합니다.최적화된 임상 추론 개발을 달성하기 위해 광범위한 촉진 및 영향 요인을 고려하여 SBE에 참여하는 동안 임상 추론 기술을 최적화하기 위한 모델이 개발되었습니다.
RLC 시뮬레이션 후 모델은 임상 추론, 성찰 학습, 교육 및 시뮬레이션에 대한 기존 모델과 이론을 기반으로 공동으로 개발되었습니다.모델을 공동 개발하기 위해 중환자실 간호사 10명, 중환자실 전문의 1명, 이전에 입원한 다양한 수준, 경험 및 성별의 환자 대표 3명으로 구성된 공동 작업 그룹(N = 18)이 구성되었습니다.중환자실 1개, 연구 보조원 2명, 수석 간호사 교육자 2명.이 공동 설계 혁신은 제안된 모델 개발에 참여한 의료 전문가 또는 환자와 같은 기타 이해관계자 등 의료 분야의 실제 경험이 있는 이해관계자 간의 동료 협업을 통해 설계 및 개발되었습니다[40,41,42].공동 설계 과정에 환자 대표를 포함시키는 것은 프로그램의 궁극적인 목표가 환자 치료와 안전을 향상시키는 것이기 때문에 과정에 더욱 가치를 더할 수 있습니다[43].
실무 그룹은 모델의 구조, 프로세스 및 내용을 개발하기 위해 6번의 2~4시간 워크숍을 실시했습니다.워크숍에는 토론, 연습, 시뮬레이션이 포함됩니다.모델의 요소는 다양한 증거 기반 리소스, 모델, 이론 및 프레임워크를 기반으로 합니다.여기에는 구성주의 학습 이론[44], 이중 루프 개념[37], 임상 추론 루프[10], 감상 탐구(AI) 방법[45] 및 보고 플러스/델타 방법[46]이 포함됩니다.이 모델은 임상 및 시뮬레이션 교육을 위한 국제 간호사 협회의 INACSL 디브리핑 프로세스 표준을 기반으로 공동으로 개발되었으며[36] 작업 사례와 결합되어 자명한 모델을 만들었습니다.모델은 시뮬레이션 후 성찰적 학습 대화 준비, 성찰적 학습 대화 시작, 분석/성찰 및 디브리핑의 4단계로 개발되었습니다(그림 1).각 단계의 세부사항은 아래에서 논의됩니다.
모델의 준비단계는 참가자들이 다음 단계를 위해 심리적으로 준비하고 심리적 안전을 보장하면서 적극적인 참여와 투자를 늘리도록 설계되었습니다 [36, 47].이 단계에는 목적과 목적에 대한 소개가 포함됩니다.RLC의 예상 기간;RLC 동안 진행자와 참가자의 기대;현장 방향 및 시뮬레이션 설정;학습 환경의 기밀성을 보장하고 심리적 안전을 강화합니다.RLC 모델의 사전 개발 단계에서 공동 설계 작업 그룹의 다음과 같은 대표적인 답변이 고려되었습니다.참가자 7: “일차 진료 간호사로서 시나리오의 맥락 없이 시뮬레이션에 참여하고 노인이 참석한 경우 심리적 안전이 위협받고 있다고 느끼지 않는 한 시뮬레이션 후 대화에 참여하지 않을 가능성이 높습니다. 존경합니다.그리고 시뮬레이션 후에는 대화에 참여하지 않을 것이라고 말했습니다."보호받으세요. 그러면 아무런 결과도 없을 것입니다."참가자 4: “초기부터 집중하고 기본 규칙을 확립하는 것이 시뮬레이션 이후 학습자에게 도움이 될 것이라고 믿습니다.성찰적 학습 대화에 적극적으로 참여합니다.”
RLC 모델의 초기 단계에는 참가자의 감정 탐색, 기본 프로세스 설명, 시나리오 진단, 참가자의 긍정적 및 부정적 경험 나열이 포함되지만 분석은 포함되지 않습니다.이 단계의 모델은 후보자가 자기 중심적이고 과업 지향적일 뿐만 아니라 심층 분석과 심층 성찰을 위한 정신적 준비를 갖추도록 장려하기 위해 만들어집니다[24, 36].목표는 특히 모델링 주제를 처음 접하고 해당 기술/주제에 대한 이전 임상 경험이 없는 사람들의 경우 인지 과부하[48]의 잠재적 위험을 줄이는 것입니다[49].참가자들에게 시뮬레이션된 사례를 간략하게 설명하고 진단 권장 사항을 제시하도록 요청하는 것은 진행자가 그룹의 학생들이 확장된 분석/반영 단계로 이동하기 전에 사례에 대한 기본적이고 일반적인 이해를 갖도록 하는 데 도움이 됩니다.또한 이 단계에서 참가자를 초대하여 시뮬레이션 시나리오에서 자신의 감정을 공유하면 상황의 정서적 스트레스를 극복하는 데 도움이 되어 학습을 향상시킬 수 있습니다[24, 36].정서적 문제를 해결하는 것은 RLC 진행자가 참가자의 감정이 개인 및 그룹 성과에 어떻게 영향을 미치는지 이해하는 데 도움이 되며 이는 성찰/분석 단계에서 비판적으로 논의될 수 있습니다.Plus/Delta 방법은 반영/분석 단계를 위한 준비적이고 결정적인 단계로 모델의 이 단계에 내장되어 있습니다[46].Plus/Delta 접근 방식을 사용하면 참가자와 학생 모두 시뮬레이션에 대한 관찰, 느낌 및 경험을 처리/목록화할 수 있으며, 이는 모델의 반영/분석 단계에서 하나씩 논의될 수 있습니다[46].이는 참가자가 임상 추론을 최적화하기 위한 목표화되고 우선순위가 지정된 학습 기회를 통해 메타인지 상태를 달성하는 데 도움이 될 것입니다[24, 48, 49].RLC 모델의 초기 개발 중에 공동 설계 작업 그룹의 다음과 같은 대표적인 답변이 고려되었습니다.참가자 2: “이전에 ICU에 입원한 환자로서 시뮬레이션된 학생들의 감정과 감정을 고려해야 한다고 생각합니다.제가 이 문제를 제기하는 이유는 제가 입원하는 동안 특히 중환자실 의사들 사이에서 높은 수준의 스트레스와 불안을 관찰했기 때문입니다.그리고 긴급 상황.이 모델은 경험 시뮬레이션과 관련된 스트레스와 감정을 고려해야 합니다.”참가자 16: “저는 교사로서 플러스/델타 접근법을 사용하여 학생들이 시뮬레이션 시나리오 중에 직면한 좋은 점과 필요 사항을 언급함으로써 적극적으로 참여하도록 격려하는 것이 매우 중요하다고 생각합니다.개선이 필요한 부분.”
모델의 이전 단계도 중요하지만 임상 추론의 최적화를 달성하려면 분석/반영 단계가 가장 중요합니다.임상 경험, 역량, 모델링된 주제의 영향을 기반으로 고급 분석/합성 및 심층 분석을 제공하도록 설계되었습니다.RLC 프로세스 및 구조;인지 과부하를 피하기 위해 제공되는 정보의 양;성찰 질문의 효과적인 사용.학습자 중심의 능동적 학습을 달성하기 위한 방법.이 시점에서 임상 경험과 시뮬레이션 주제에 대한 친숙도는 다양한 수준의 경험과 능력을 수용하기 위해 세 부분으로 나뉩니다. 첫째: 이전 임상 전문 경험 없음/시뮬레이션 주제에 대한 이전 노출 없음, 둘째: 임상 전문 경험, 지식 및 기술/ 없음.모델링 주제에 대한 이전 노출.셋째: 임상 전문 경험, 지식 및 기술.모델링 주제에 대한 전문적/이전 경험.분류는 동일한 그룹 내에서 서로 다른 경험과 능력 수준을 가진 사람들의 요구를 수용하여 경험이 적은 실무자가 분석 추론을 사용하는 경향과 경험이 많은 실무자가 비분석 추론 기술을 사용하는 경향의 균형을 맞추기 위해 수행됩니다 [19, 20, 34]., 37].RLC 프로세스는 임상 추론 주기[10], 성찰 모델링 프레임워크[47] 및 경험 학습 이론[50]을 중심으로 구성되었습니다.이는 해석, 차별화, 의사소통, 추론, 종합 등 다양한 프로세스를 통해 달성됩니다.
인지적 과부하를 피하기 위해 참가자들이 자신감을 얻기 위해 반성, 분석, 종합할 수 있는 충분한 시간과 기회를 갖춘 학습자 중심의 반성적 말하기 과정을 촉진하는 것이 고려되었습니다.RLC 중 인지 프로세스는 이중 루프 프레임워크[37] 및 인지 부하 이론[48]을 기반으로 하는 통합, 확인, 형성 및 통합 프로세스를 통해 해결됩니다.숙련된 참가자와 경험이 없는 참가자 모두를 고려하여 구조화된 대화 프로세스를 갖추고 성찰을 위한 충분한 시간을 허용하면 특히 참가자의 사전 경험, 노출 및 능력 수준이 다양한 복잡한 시뮬레이션에서 인지 부하의 잠재적 위험을 줄일 수 있습니다.현장 후.모델의 성찰적 질문 기법은 Bloom의 분류학적 모델[51]과 감사 탐구(AI) 방법[45]을 기반으로 하며, 여기서 모델화된 촉진자는 단계적으로, 소크라테스적이고, 성찰적인 방식으로 주제에 접근합니다.지식 기반 질문부터 시작하여 질문하세요.추론과 관련된 기술과 문제를 다루는 것입니다.이 질문 기술은 인지 과부하의 위험을 줄이면서 적극적인 참가자 참여와 진보적인 사고를 장려함으로써 임상 추론의 최적화를 향상시킵니다.RLC 모델 개발의 분석/반영 단계에서 공동 설계 작업 그룹의 다음과 같은 대표적인 답변이 고려되었습니다.참가자 13: “인지 과부하를 피하기 위해서는 시뮬레이션 후 학습 대화에 참여할 때 정보의 양과 흐름을 고려해야 하며, 그러기 위해서는 학생들에게 기본적인 것부터 성찰하고 시작할 수 있는 충분한 시간을 주는 것이 중요하다고 생각합니다. .지식.대화와 기술을 시작한 다음 메타인지를 달성하기 위해 더 높은 수준의 지식과 기술로 이동합니다.”참가자 9: "저는 감상 탐구(AI) 기술을 사용한 질문 방법과 Bloom의 분류 모델을 사용한 성찰적 질문이 인지 과부하의 위험 가능성을 줄이면서 능동적 학습과 학습자 중심성을 촉진할 것이라고 굳게 믿습니다."모델의 보고 단계는 RLC 중에 제기된 학습 포인트를 요약하고 학습 목표가 실현되도록 하는 것을 목표로 합니다.참가자 8: "실습에 들어갈 때 고려해야 할 가장 중요한 핵심 아이디어와 핵심 측면에 대해 학습자와 진행자 모두가 동의하는 것이 매우 중요합니다."
프로토콜 번호(MRC-01-22-117) 및 (HSK/PGR/UH/04728)에 따라 윤리적 승인을 얻었습니다.모델의 유용성과 실용성을 평가하기 위해 세 가지 전문 집중 치료 시뮬레이션 과정에서 모델을 테스트했습니다.모델의 얼굴 타당성은 외관, 문법 및 프로세스와 관련된 문제를 수정하기 위해 공동 디자인 작업 그룹(N = 18)과 교육 디렉터 역할을 하는 교육 전문가(N = 6)에 의해 평가되었습니다.안면타당도 이후 내용타당도는 ANCC(American Nurses Credentialing Center)에서 자격증을 취득하고 교육기획자로 활동한 수석간호사 교육자(N=6)와 10년 이상의 교육과 경력을 가진 (N=6)에 의해 결정되었다. 가르친 경험.업무 경험 평가는 교육 책임자(N = 6)에 의해 수행되었습니다.모델링 경험.콘텐츠 유효성은 CVR(콘텐츠 유효성 비율) 및 CVI(콘텐츠 유효성 지수)를 사용하여 결정되었습니다.CVI를 추정하기 위해 Lawshe 방법[52]을 사용하였고, CVR을 추정하기 위해 Waltz와 Bausell[53] 방법을 사용하였다.CVR 프로젝트는 필요하고 유용하지만 필요하거나 선택 사항은 아닙니다.CVI는 관련성, 단순성, 명확성을 기준으로 4점 척도로 점수가 매겨지며, 1 = 관련 없음, 2 = 다소 관련 있음, 3 = 관련 있음, 4 = 매우 관련 있음.얼굴과 내용의 타당성을 확인한 후, 실습 워크숍과 더불어 모델을 사용할 교사들을 대상으로 오리엔테이션 및 오리엔테이션 세션을 진행했습니다.
작업 그룹은 중환자실에서 SBE에 참여하는 동안 임상 추론 기술을 최적화하기 위해 시뮬레이션 후 RLC 모델을 개발하고 테스트할 수 있었습니다(그림 1, 2, 3).CVR = 1.00, CVI = 1.00, 적절한 얼굴 및 내용 유효성을 반영합니다[52, 53].
이 모델은 SBE 그룹을 위해 만들어졌으며, 동일하거나 다른 수준의 경험, 지식 및 연공서열을 가진 참가자를 위해 흥미롭고 도전적인 시나리오가 사용됩니다.RLC 개념 모델은 INACSL 비행 시뮬레이션 분석 표준[36]에 따라 개발되었으며 학습자 중심이며 작업 사례를 포함하여 자체 설명이 가능합니다(그림 1, 2 및 3).모델은 의도적으로 개발되었으며 모델링 표준을 충족하기 위해 브리핑으로 시작하여 성찰 분석/합성, 정보 및 요약으로 끝나는 4단계로 구분되었습니다.인지 과부하의 잠재적인 위험을 피하기 위해 모델의 각 단계는 다음 단계의 전제 조건으로 의도적으로 설계되었습니다[34].
RLC 참여에 대한 연공서열 및 그룹 조화 요인의 영향은 이전에 연구된 적이 없습니다.시뮬레이션 실습에서 이중 루프 및 인지 과부하 이론의 실제 개념을 고려할 때[34, 37], 동일한 시뮬레이션 그룹에 속한 참가자의 경험과 능력 수준이 다른 그룹 SBE에 참여하는 것이 도전이라는 점을 고려하는 것이 중요합니다.고등학생과 중학생 모두 정보의 양, 흐름 및 학습 구조를 무시하고 빠르고 느린 인지 과정을 동시에 사용하는 것은 인지 과부하의 잠재적인 위험을 초래합니다[18, 38, 46].미개발 및/또는 최적이 아닌 임상 추론을 피하기 위해 RLC 모델을 개발할 때 이러한 요소가 고려되었습니다 [18, 38].다양한 수준의 연공서열과 역량을 갖춘 RLC를 수행하면 고위 참가자들 사이에서 지배력 효과가 발생한다는 점을 고려하는 것이 중요합니다.이는 고급 참가자가 기본 개념 학습을 회피하는 경향이 있기 때문에 발생하며, 이는 젊은 참가자가 메타인지를 달성하고 더 높은 수준의 사고 및 추론 과정에 들어가는 데 중요합니다 [38, 47].RLC 모델은 감사하는 탐구와 델타 접근법을 통해 선배 및 후배 간호사를 참여시키도록 설계되었습니다[45, 46, 51].이러한 방법을 사용하여 다양한 능력과 경험 수준을 가진 선배 및 후배 참가자의 견해가 항목별로 제시되고 보고 진행자와 공동 진행자가 성찰적으로 논의합니다[45, 51].시뮬레이션 참가자의 입력 외에도 디브리핑 진행자는 모든 집단 관찰이 각 학습 순간을 포괄적으로 다룰 수 있도록 입력을 추가하여 메타인지를 향상시켜 임상 추론을 최적화합니다[10].
RLC 모델을 활용한 정보 흐름 및 학습 구조는 체계적이고 다단계 프로세스를 통해 해결됩니다.이는 보고 진행자를 지원하고 각 참가자가 다음 단계로 넘어가기 전에 각 단계에서 명확하고 자신 있게 말할 수 있도록 하기 위한 것입니다.진행자는 모든 참가자가 참여하는 반성적 토론을 시작할 수 있으며, 다음 단계로 넘어가기 전에 다양한 연공서열과 능력 수준의 참가자가 각 토론 지점에 대한 모범 사례에 동의하는 지점에 도달할 수 있습니다[38].이 접근 방식을 사용하면 경험이 많고 유능한 참가자가 자신의 기여/관찰을 공유하는 데 도움이 되는 반면, 경험이 적고 유능한 참가자의 기여/관찰은 평가되고 논의됩니다[38].그러나 이 목표를 달성하기 위해 진행자는 토론의 균형을 맞추고 선임 참가자와 후배 참가자에게 동등한 기회를 제공해야 하는 과제에 직면해야 합니다.이를 위해 평가 조사와 가산/델타 방법을 결합한 Bloom의 분류학 모델을 사용하여 모델 조사 방법론을 의도적으로 개발했습니다 [45, 46, 51].이러한 기술을 사용하고 초점 질문/성찰적 토론에 대한 지식과 이해부터 시작하면 경험이 부족한 참가자가 토론에 참여하고 적극적으로 참여하도록 장려할 수 있으며, 그 후 진행자는 점차 질문/토론의 평가 및 종합의 더 높은 수준으로 이동하게 됩니다. 양 당사자는 시니어와 주니어 참가자에게 이전 경험과 임상 기술 또는 시뮬레이션 시나리오에 대한 경험을 바탕으로 참여할 수 있는 동등한 기회를 제공해야 합니다.이 접근 방식은 경험이 적은 참가자가 적극적으로 참여하고 경험이 많은 참가자가 공유하는 경험과 디브리핑 진행자의 의견으로부터 이익을 얻는 데 도움이 됩니다.한편, 이 모델은 다양한 참가자 능력과 경험 수준을 가진 SBE뿐만 아니라 비슷한 경험과 능력 수준을 가진 SBE 그룹 참가자를 위해 설계되었습니다.이 모델은 지식과 이해 중심에서 학습 목표 달성을 위한 종합 및 평가 중심으로 그룹의 원활하고 체계적인 움직임을 촉진하도록 설계되었습니다.모델 구조와 프로세스는 서로 다르고 동등한 능력과 경험 수준을 가진 모델링 그룹에 적합하도록 설계되었습니다.
또한 RLC와 결합된 의료 분야의 SBE는 실무자의 임상 추론 및 역량을 개발하는 데 사용되지만[22,30,38], 사례 복잡성 및 인지 과부하의 잠재적 위험과 관련된 관련 요소를 고려해야 합니다. 참가자가 참여했을 때 SBE 시나리오는 즉각적인 개입과 중요한 의사 결정이 필요한 매우 복잡하고 중병 환자를 시뮬레이션했습니다 [2,18,37,38,47,48].이를 위해서는 SBE에 참여할 때 경험이 있는 참가자와 경험이 적은 참가자 모두가 분석적 추론 시스템과 비분석적 추론 시스템을 동시에 전환하는 경향을 고려하고, 나이가 많을수록 젊은 사람 모두를 허용하는 증거 기반 접근 방식을 확립하는 것이 중요합니다. 학생들이 학습 과정에 적극적으로 참여하도록 합니다.따라서 모델은 제시된 시뮬레이션 사례의 복잡성에 관계없이 진행자가 선배와 후배 참가자 모두의 지식과 배경 이해 측면을 먼저 다룬 다음 점진적이고 반사적으로 발전하도록 보장해야 하는 방식으로 설계되었습니다. 분석을 용이하게 합니다.종합과 이해.평가적인 측면.이는 어린 학생들이 배운 내용을 구축하고 통합하는 데 도움이 되며, 나이가 많은 학생들은 새로운 지식을 종합하고 개발하는 데 도움이 됩니다.이는 각 참가자의 사전 경험과 능력을 고려하여 추론 과정의 요구 사항을 충족하며, 분석적 추론 시스템과 비분석적 추론 시스템 사이를 동시에 이동하는 고등학생과 중학생의 경향을 다루는 일반적인 형식을 갖습니다. 임상 추론의 최적화를 보장합니다.
또한, 시뮬레이션 진행자/디브리퍼는 시뮬레이션 디브리핑 기술을 익히는 데 어려움을 겪을 수 있습니다.인지 디브리핑 스크립트의 사용은 스크립트를 사용하지 않는 사람에 비해 촉진자의 지식 습득 및 행동 기술을 향상시키는 데 효과적인 것으로 여겨집니다 [54].시나리오는 교사의 모델링 작업을 촉진하고 디브리핑 기술을 향상시킬 수 있는 인지 도구입니다. 특히 디브리핑 경험을 아직 통합하고 있는 교사의 경우 더욱 그렇습니다[55].더 큰 유용성을 달성하고 사용자 친화적인 모델을 개발합니다.(그림 2 및 그림 3).
플러스/델타, 감상 설문조사, Bloom의 분류학 설문조사 방법의 병렬 통합은 현재 사용 가능한 시뮬레이션 분석 및 안내 반영 모델에서 아직 다루어지지 않았습니다.이러한 방법의 통합은 임상 추론 및 학습자 중심의 최적화를 달성하기 위해 이러한 방법을 단일 형식으로 통합하는 RLC 모델의 혁신을 강조합니다.의료 교육자는 참가자의 임상 추론 능력을 향상하고 최적화하기 위해 RLC 모델을 사용하는 모델링 그룹 SBE의 이점을 누릴 수 있습니다.모델의 시나리오는 교육자가 반성적 보고 과정을 숙달하고 기술을 강화하여 자신감 있고 유능한 보고 촉진자가 되도록 도울 수 있습니다.
SBE에는 마네킹 기반 SBE, 작업 시뮬레이터, 환자 시뮬레이터, 표준화된 환자, 가상 및 증강 현실을 포함하되 이에 국한되지 않는 다양한 양식과 기술이 포함될 수 있습니다.보고가 중요한 모델링 기준 중 하나라는 점을 고려하면 이러한 모드를 사용할 때 시뮬레이션된 RLC 모델을 보고 모델로 사용할 수 있습니다.더욱이 이 모델은 간호학 분야를 위해 개발되었지만 전문가 간 의료 SBE에 사용할 가능성이 있으므로 전문가 간 교육을 위해 RLC 모델을 테스트하기 위한 향후 연구 이니셔티브의 필요성을 강조합니다.
SBE 중환자실의 간호를 위한 시뮬레이션 후 RLC 모델 개발 및 평가.다른 의료 분야 및 전문가 간 SBE에 사용하기 위해 모델의 일반화 가능성을 높이기 위해 모델의 향후 평가/검증이 권장됩니다.
이 모델은 이론과 개념을 바탕으로 공동 작업 그룹에 의해 개발되었습니다.모델의 타당성과 일반화 가능성을 향상시키기 위해 향후 비교 연구에 대한 향상된 신뢰성 척도의 사용이 고려될 수 있습니다.
실습 오류를 최소화하려면 실무자는 안전하고 적절한 임상 결정을 내릴 수 있는 효과적인 임상 추론 기술을 보유해야 합니다.SBE RLC를 보고 기술로 사용하면 임상 추론을 개발하는 데 필요한 지식과 실무 기술의 개발이 촉진됩니다.그러나 사전 경험과 노출, 능력의 변화, 정보의 양과 흐름, 시뮬레이션 시나리오의 복잡성과 관련된 임상 추론의 다차원적 특성은 임상 추론을 적극적으로 수행할 수 있는 시뮬레이션 후 RLC 모델 개발의 중요성을 강조합니다. 그리고 효과적으로 구현됩니다.기술.이러한 요인을 무시하면 임상 추론이 미개발되고 차선책이 될 수 있습니다.RLC 모델은 그룹 시뮬레이션 활동에 참여할 때 임상 추론을 최적화하기 위해 이러한 요소를 해결하기 위해 개발되었습니다.이 목표를 달성하기 위해 모델은 플러스/마이너스 평가 탐구와 Bloom의 분류법 사용을 동시에 통합합니다.
현재 연구 중에 사용 및/또는 분석된 데이터 세트는 합리적인 요청에 따라 해당 저자에게 제공됩니다.
다니엘 M, Rencic J, Durning SJ, Holmbo E, Santen SA, Lang W, Ratcliffe T, Gordon D, Heist B, Lubarski S, Estrada KA.임상적 추론을 평가하는 방법: 권장사항을 검토하고 실습합니다.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. 보건 전문가 간의 임상 추론에 관한 문헌 비교 : 범위 지정 검토.BMC 의료 교육.2020;20(1):1–1.
게레로 JG.간호 실무 추론 모델: 간호에서의 임상 추론, 의사 결정 및 판단의 예술과 과학.간호사 일지를 열어보세요.2019;9(2):79–88.
Almomani E, Alraouch T, Saada O, Al Nsour A, Kamble M, Samuel J, Atallah K, Mustafa E. 중환자 치료의 임상 학습 및 교육 방법으로서의 성찰 학습 대화.카타르 의학 저널.2020;2019;1(1):64.
Mamed S., Van Gogh T., Sampaio AM, de Faria RM, Maria JP, Schmidt HG 임상 사례 실습을 통해 학생들의 진단 기술이 어떻게 도움이 됩니까?동일한 장애와 새로운 장애에 대한 향후 진단에 대한 구조적 성찰의 효과.의학 아카데미.2014;89(1):121–7.
Tutticci N, Theobald KA, Ramsbotham J, Johnston S. 시뮬레이션에서 관찰자 역할 및 임상 추론 탐색: 범위 지정 검토.간호사 교육 실습 2022년 1월 20일: 103301.
Edwards I, Jones M, Carr J, Braunack-Meyer A, Jensen GM.물리치료의 임상추론 전략.물리치료.2004;84(4):312–30.
Kuiper R, Pesut D, Kautz D. 의대생의 임상 추론 기술에 대한 자기 규제 촉진.오픈 저널 간호사 2009;3:76.
Levett-Jones T, Hoffman K, Dempsey J, Jeon SY, Noble D, Norton KA, Roche J, Hickey N. 임상 추론의 "5가지 권리": 임상 역량 향상을 위한 교육 모델 간호 학생들이 다음을 식별하고 관리하는 데 있어 위험 환자.오늘은 간호교육.2010;30(6):515–20.
Brentnall J, Thackray D, Judd B. 배치 및 시뮬레이션 설정에서 의과대학생의 임상 추론 평가: 체계적인 검토.국제 환경 연구 저널, 공중 보건.2022;19(2):936.
Chamberlain D, Pollock W, Fulbrook P. 중환자 간호에 대한 ACCCN 표준: 체계적인 검토, 증거 개발 및 평가.긴급 호주.2018;31(5):292–302.
Cunha LD, Pestana-Santos M, Lomba L, Reis Santos M. 마취 후 치료의 임상 추론의 불확실성: 복잡한 의료 환경의 불확실성 모델을 기반으로 한 통합 검토.J 수술 전후 간호사.2022;35(2):e32–40.
Rivaz M, Tavakolinia M, Momennasab M. 중환자 간호사의 전문 실습 환경 및 간호 결과와의 연관성: 구조 방정식 모델링 연구.Scand J Caring Sci.2021;35(2):609–15.
Suvardianto H, Astuti VV, 역량.중환자실(JSCC)의 학생 간호사를 위한 간호 및 중환자 진료 저널 교환.STRADA 매거진 Ilmia Kesehatan.2020;9(2):686–93.
Liev B, Dejen Tilahun A, Kasyu T. 중환자실 간호사의 신체 평가와 관련된 지식, 태도 및 요인: 다기관 단면 연구.중환자 치료에 대한 연구 실습.2020;9145105.
Sullivan J., Hugill K., A. Elraush TA, Mathias J., Alkhetimi MO 중동 국가의 문화적 맥락에서 간호사와 조산사를 위한 역량 프레임워크의 파일럿 구현.간호사 교육실습.2021;51:102969.
왕 MS, 토르 E, 허드슨 JN.스크립트 일관성 테스트에서 응답 프로세스의 유효성 테스트: 생각하는 접근 방식.국제 의학 교육 저널.2020;11:127.
강H, 강HY.시뮬레이션 교육이 임상 추론 능력, 임상 역량 및 교육 만족도에 미치는 영향.J 한국산학협력협회.2020;21(8):107–14.
Diekmann P, Thorgeirsen K, Kvindesland SA, Thomas L, Bushell W, Langley Ersdal H. 모델링을 사용하여 코로나19와 같은 전염병 발생에 대한 대응 준비 및 개선: 노르웨이, 덴마크 및 영국의 실용적인 팁 및 리소스.고급 모델링.2020;5(1):1–0.
Liose L, Lopreiato J, 창립자 D, Chang TP, Robertson JM, Anderson M, Diaz DA, 스페인 AE, 편집자.(부 편집자) 및 용어 및 개념 실무 그룹, 의료 모델링 사전 – 제2판.Rockville, MD: 의료 연구 및 품질 기관.2020년 1월: 20-0019.
Brooks A, Brachman S, Capralos B, Nakajima A, Tyerman J, Jain L, Salvetti F, Gardner R, Minehart R, Bertagni B. 의료 시뮬레이션을 위한 증강 현실.포괄적인 웰빙을 위한 가상 환자 기술의 최신 발전.게임화 및 시뮬레이션.2020;196:103–40.
Alamrani MH, Alammal KA, Alqahtani SS, Salem OA 간호학생의 비판적 사고 능력과 자신감에 대한 시뮬레이션과 전통적인 교육 방법의 효과 비교.J간호연구센터.2018;26(3):152–7.
Kiernan LK 시뮬레이션 기술을 사용하여 능력과 자신감을 평가합니다.케어.2018;48(10):45.
게시 시간: 2024년 1월 8일