임상의는 적절하고 안전한 임상 결정을 내리고 진료 오류를 방지하기 위해 효과적인 임상 추론 능력을 갖추어야 합니다. 임상 추론 능력이 미흡하면 환자의 안전이 위협받고 치료가 지연될 수 있으며, 특히 중환자실이나 응급실에서 이러한 문제가 두드러집니다. 시뮬레이션 기반 교육은 시뮬레이션 후 성찰적 학습 대화를 디브리핑 방법으로 활용하여 환자 안전을 유지하면서 임상 추론 능력을 개발합니다. 그러나 임상 추론의 다차원적 특성, 인지 과부하의 잠재적 위험, 그리고 숙련된 시뮬레이션 참가자와 초보 참가자가 분석적(가설 연역적) 및 비분석적(직관적) 임상 추론 과정을 다르게 사용하는 점을 고려할 때, 시뮬레이션 후 그룹 성찰적 학습 대화를 디브리핑 방법으로 활용하여 임상 추론을 최적화하기 위해서는 참가자의 경험, 능력, 정보의 흐름과 양, 사례의 복잡성 등의 요소를 고려하는 것이 중요합니다. 본 연구의 목표는 임상 추론 최적화에 영향을 미치는 다양한 요인을 고려한 시뮬레이션 후 성찰적 학습 대화 모델 개발을 설명하는 것입니다.
의사, 간호사, 연구원, 교육자 및 환자 대표로 구성된 공동 설계 워킹 그룹(N=18)은 일련의 워크숍을 통해 시뮬레이션 후 성찰적 학습 대화 모델을 공동 개발하여 시뮬레이션에 대한 디브리핑을 진행했습니다. 이 모델은 이론적, 개념적 과정과 다단계 동료 검토를 거쳐 개발되었습니다. 플러스/마이너스 평가 연구와 블룸의 분류학을 병행하여 통합함으로써 시뮬레이션 참여자의 임상 추론 능력을 최적화할 수 있을 것으로 기대됩니다. 내용 타당도 지수(CVI)와 내용 타당도 비율(CVR) 방법을 사용하여 모델의 표면 타당도와 내용 타당도를 검증했습니다.
시뮬레이션 후 성찰적 학습 대화 모델을 개발하고 검증했습니다. 이 모델은 예시와 스크립트 작성 지침을 통해 뒷받침됩니다. 모델의 표면 타당도와 내용 타당도를 평가하고 확인했습니다.
새로운 공동 설계 모델은 다양한 모델링 참여자의 기술 및 역량, 정보의 흐름과 양, 그리고 모델링 사례의 복잡성을 고려하여 개발되었습니다. 이러한 요소들은 그룹 시뮬레이션 활동 참여 시 임상 추론을 최적화하는 데 도움이 될 것으로 생각됩니다.
임상 추론은 의료 분야의 임상 실무의 기초[1, 2]이자 임상 역량의 중요한 요소[1, 3, 4]로 여겨집니다. 이는 의료 종사자가 마주하는 각 임상 상황에 가장 적절한 중재를 파악하고 실행하기 위해 사용하는 성찰적 과정입니다[5, 6]. 임상 추론은 환자에 대한 정보를 수집 및 분석하고, 해당 정보의 중요성을 평가하며, 대안적 조치의 가치를 판단하기 위해 형식적 및 비형식적 사고 전략을 사용하는 복잡한 인지 과정으로 설명됩니다[7, 8]. 이는 적절한 시기에 적절한 이유로 적절한 환자에게 적절한 조치를 취하기 위해 단서를 수집하고, 정보를 처리하고, 환자의 문제를 이해하는 능력에 달려 있습니다[9, 10].
모든 의료 서비스 제공자는 불확실성이 높은 상황에서 복잡한 결정을 내려야 하는 필요성에 직면합니다[11]. 중환자 치료 및 응급 치료 현장에서는 생명을 구하고 환자의 안전을 확보하기 위해 즉각적인 대응과 개입이 중요한 임상 상황과 응급 상황이 발생합니다[12]. 중환자 치료 현장에서의 미흡한 임상 추론 능력과 역량은 임상 오류 발생률 증가, 치료 지연[13], 환자 안전 위험 증가[14,15,16]와 관련이 있습니다. 실질적인 오류를 방지하기 위해 의료진은 안전하고 적절한 결정을 내릴 수 있는 역량과 효과적인 임상 추론 능력을 갖추어야 합니다[16, 17, 18]. 비분석적(직관적) 추론 과정은 전문 의료진이 선호하는 빠른 과정입니다. 반면, 분석적(가설 연역적) 추론 과정은 본질적으로 느리고 신중하며 경험이 부족한 의료진이 더 자주 사용합니다[2, 19, 20]. 의료 임상 환경의 복잡성과 실습 오류의 잠재적 위험을 고려할 때[14,15,16], 시뮬레이션 기반 교육(SBE)은 종종 실무자에게 역량 및 임상 추론 기술을 개발할 기회를 제공하고 안전한 환경을 조성하며 환자 안전을 유지하면서 다양한 어려운 사례에 노출되도록 하는 데 사용됩니다[21, 22, 23, 24].
의료 시뮬레이션 학회(SSH)는 시뮬레이션을 “실제 상황을 재현한 시나리오를 통해 사람들이 실습, 훈련, 평가, 시험 또는 인간 시스템이나 행동에 대한 이해를 얻을 수 있도록 하는 기술”로 정의합니다.[23] 잘 구성된 시뮬레이션 세션은 참가자들에게 안전 위험을 줄이면서 임상 상황을 시뮬레이션하는 시나리오에 몰입할 기회를 제공하고[24,25], 목표 지향적인 학습 기회를 통해 임상 추론을 연습할 수 있도록 합니다.[21,24,26,27,28] 시뮬레이션 기반 교육(SBE)은 학생들이 실제 환자 치료 환경에서 경험하지 못했을 수 있는 임상 경험을 접하게 함으로써 현장 임상 경험을 향상시킵니다.[24, 29] 이는 위협적이지 않고, 비난받지 않으며, 감독되고, 안전하며, 위험 부담이 적은 학습 환경입니다. SBE는 지식, 임상 기술, 능력, 비판적 사고 및 임상 추론의 발전을 촉진하고[22,29,30,31], 의료 전문가들이 상황의 정서적 스트레스를 극복하여 학습 능력을 향상시키는 데 도움을 줄 수 있습니다.[22, 27, 28] , 30, 32].
시뮬레이션 기반 교육(SBE)을 통해 임상 추론 및 의사결정 기술의 효과적인 개발을 지원하기 위해서는 시뮬레이션 후 디브리핑 과정의 설계, 템플릿 및 구조에 주의를 기울여야 합니다[24, 33, 34, 35]. 시뮬레이션 후 성찰적 학습 대화(RLC)는 참가자들이 자신의 행동을 되돌아보고 설명하며 팀워크 맥락에서 동료 지원과 집단 사고의 힘을 활용할 수 있도록 돕는 디브리핑 기법으로 사용되었습니다[32, 33, 36]. 그룹 RLC를 사용하는 것은 특히 참가자의 다양한 능력과 경력 수준을 고려할 때 임상 추론 능력이 제대로 발달하지 못할 위험이 있습니다. 이중 과정 모델은 임상 추론의 다차원적 특성과 숙련된 의료진이 분석적(가설 연역적) 추론 과정을 사용하는 경향과 초급 의료진이 비분석적(직관적) 추론 과정을 사용하는 경향의 차이를 설명합니다[34, 37]. 이러한 이중 추론 과정은 최적의 추론 과정을 다양한 상황에 적용하는 과제를 수반하며, 동일한 모델링 그룹에 숙련자와 비숙련자가 함께 참여할 때 분석적 방법과 비분석적 방법을 효과적으로 사용하는 방법은 불분명하고 논란의 여지가 있습니다. 다양한 능력과 경험 수준을 가진 고등학생과 중학생이 다양한 복잡성의 시뮬레이션 시나리오에 참여합니다[34, 37]. 임상 추론의 다차원적 특성은 특히 실무자들이 다양한 사례 복잡성과 경력 수준을 가진 그룹 SBE에 참여할 때 임상 추론 능력의 미발달 및 인지 과부하의 잠재적 위험과 관련이 있습니다[38]. RLC를 사용하는 여러 디브리핑 모델이 있지만, 이러한 모델 중 어느 것도 경험, 역량, 정보의 흐름과 양, 모델링 복잡성 요소를 고려하여 임상 추론 기술 개발에 특별히 초점을 맞춰 설계되지 않았다는 점에 유의해야 합니다[38, 39]. 이 모든 것을 위해서는 임상 추론을 최적화하기 위해 다양한 기여 요인과 영향 요인을 고려하는 구조화된 모델을 개발하고, 시뮬레이션 후 RLC(Residual Learning Control)를 보고 방법으로 통합해야 합니다. 본 논문에서는 시뮬레이션 후 RLC의 공동 설계 및 개발을 위한 이론적, 개념적 접근 방식을 제시합니다. 시뮬레이션 기반 교육(SBE) 참여 중 임상 추론 능력을 최적화하기 위해 다양한 촉진 및 영향 요인을 고려한 모델을 개발했습니다.
RLC 시뮬레이션 후 모델은 임상 추론, 성찰적 학습, 교육 및 시뮬레이션에 대한 기존 모델과 이론을 기반으로 공동으로 개발되었습니다. 모델 공동 개발을 위해 중환자실 간호사 10명, 중환자 전문의 1명, 다양한 수준, 경험 및 성별의 입원 환자 대표 3명으로 구성된 협력 작업 그룹(N=18)이 구성되었습니다. 또한 중환자실 직원 1명, 연구 보조원 2명, 선임 간호 교육자 2명이 참여했습니다. 이러한 공동 설계 혁신은 제안된 모델 개발에 참여한 의료 전문가 또는 환자와 같은 기타 이해관계자 등 의료 현장 경험이 풍부한 이해관계자 간의 동료 협력을 통해 설계 및 개발되었습니다[40,41,42]. 공동 설계 과정에 환자 대표를 참여시키는 것은 프로그램의 궁극적인 목표가 환자 치료 및 안전 개선이라는 점에서 과정의 가치를 더욱 높일 수 있습니다[43].
실무 그룹은 모델의 구조, 프로세스 및 내용을 개발하기 위해 2~4시간짜리 워크숍을 6회 진행했습니다. 워크숍은 토론, 실습 및 시뮬레이션으로 구성됩니다. 모델의 요소는 다양한 근거 기반 자료, 모델, 이론 및 프레임워크를 기반으로 합니다. 여기에는 구성주의 학습 이론[44], 이중 루프 개념[37], 임상 추론 루프[10], 긍정적 탐구(AI) 방법[45], 보고 플러스/델타 방법[46] 등이 포함됩니다. 이 모델은 국제간호협회(INACSL)의 임상 및 시뮬레이션 교육을 위한 디브리핑 프로세스 표준[36]을 기반으로 공동으로 개발되었으며, 예시를 통해 쉽게 이해할 수 있도록 구성되었습니다. 모델은 시뮬레이션 후 성찰적 학습 대화 준비, 성찰적 학습 대화 시작, 분석/성찰, 디브리핑의 네 단계로 개발되었습니다(그림 1). 각 단계에 대한 자세한 내용은 아래에서 설명합니다.
모델의 준비 단계는 참가자들이 다음 단계에 대한 심리적 준비를 갖추고, 심리적 안전을 보장하면서 적극적인 참여와 몰입도를 높이도록 설계되었습니다[36, 47]. 이 단계에는 목적 및 목표 소개, RLC 예상 소요 시간, RLC 진행 중 진행자와 참가자의 기대 사항, 현장 오리엔테이션 및 시뮬레이션 설정, 학습 환경에서의 기밀 유지, 그리고 심리적 안전 증진 및 강화가 포함됩니다. RLC 모델의 사전 개발 단계에서 공동 설계 워킹 그룹의 대표적인 응답은 다음과 같습니다. 참가자 7: "일차 진료 간호사로서, 시나리오 맥락 없이 노인들이 있는 시뮬레이션에 참여한다면, 심리적 안전이 존중받고 있다고 느끼지 않는 한 시뮬레이션 후 대화에 참여하지 않을 것 같습니다. 보호받으면 아무런 불이익도 없을 것입니다." 참가자 4: "초기에 집중하고 기본 규칙을 정하는 것이 시뮬레이션 후 학습자에게 도움이 될 것이라고 생각합니다. 성찰적 학습 대화에 적극적으로 참여하게 될 것입니다."
RLC 모델의 초기 단계는 참가자의 감정 탐색, 근본적인 과정 설명, 시나리오 진단, 참가자의 긍정적 및 부정적 경험 목록 작성 등을 포함하지만 분석은 포함하지 않습니다. 이 단계의 모델은 참가자들이 자기중심적이고 과제 지향적인 태도를 갖도록 유도하고, 심층 분석 및 성찰을 위한 정신적 준비를 하도록 돕기 위해 설계되었습니다[24, 36]. 목표는 인지 과부하의 잠재적 위험을 줄이는 것입니다[48]. 특히 모델링 주제에 익숙하지 않거나 해당 기술/주제에 대한 임상 경험이 없는 참가자에게 더욱 중요합니다[49]. 참가자에게 시뮬레이션 사례를 간략하게 설명하고 진단 권고를 하도록 요청함으로써 진행자는 참가자들이 심층 분석/성찰 단계로 넘어가기 전에 사례에 대한 기본적이고 일반적인 이해를 갖도록 할 수 있습니다. 또한, 이 단계에서 참가자들이 시뮬레이션 시나리오에 대한 자신의 감정을 공유하도록 함으로써 상황의 정서적 스트레스를 극복하고 학습 효과를 높일 수 있습니다[24, 36]. 감정적 문제를 다루는 것은 RLC 진행자가 참가자의 감정이 개인 및 그룹 성과에 어떻게 영향을 미치는지 이해하는 데 도움이 되며, 이는 성찰/분석 단계에서 심도 있게 논의될 수 있습니다. 플러스/델타 방법은 모델의 이 단계에 성찰/분석 단계를 위한 준비 및 결정 단계로 통합되어 있습니다[46]. 플러스/델타 접근 방식을 사용하면 참가자와 학생 모두 시뮬레이션에 대한 관찰, 감정 및 경험을 처리/목록화할 수 있으며, 이는 모델의 성찰/분석 단계에서 항목별로 논의될 수 있습니다[46]. 이는 참가자들이 임상 추론을 최적화하기 위한 목표 지향적이고 우선순위가 지정된 학습 기회를 통해 메타인지 상태에 도달하는 데 도움이 될 것입니다[24, 48, 49]. 다음은 RLC 모델의 초기 개발 과정에서 공동 설계 작업 그룹의 대표적인 응답입니다. 참가자 2: “저는 중환자실에 입원했던 경험이 있는 환자로서, 모의 훈련에 참여하는 학생들의 감정과 정서를 고려해야 한다고 생각합니다. 제가 이 문제를 제기하는 이유는 입원 당시 중환자실 의료진, 특히 응급 상황 의료진 사이에서 높은 수준의 스트레스와 불안감을 목격했기 때문입니다. 이 모델은 실제 경험을 시뮬레이션할 때 발생하는 스트레스와 감정을 반드시 고려해야 합니다.” 참가자 16: “저는 교사로서, 학생들이 시뮬레이션 시나리오에서 좋았던 점과 개선이 필요했던 점을 언급하며 적극적으로 참여하도록 장려하는 플러스/델타 접근법을 사용하는 것이 매우 중요하다고 생각합니다.”
모델의 이전 단계들도 중요하지만, 임상 추론 최적화를 달성하는 데 있어 분석/성찰 단계가 가장 중요합니다. 이 단계는 임상 경험, 역량, 모델링된 주제의 영향, RLC 프로세스 및 구조, 인지 과부하를 방지하기 위한 정보 제공량, 성찰적 질문의 효과적인 활용, 학습자 중심의 능동적 학습을 위한 방법 등을 기반으로 고급 분석/종합 및 심층 분석을 제공하도록 설계되었습니다. 이 단계에서는 임상 경험과 시뮬레이션 주제에 대한 숙련도를 세 가지 수준으로 나누어 다양한 경험과 능력을 수용합니다. 첫째, 임상 전문 경험 없음/시뮬레이션 주제 경험 없음, 둘째, 임상 전문 경험, 지식 및 기술 보유/모델링 주제 경험 없음, 셋째, 임상 전문 경험, 지식 및 기술 보유/모델링 주제 경험 있음. 이러한 분류는 동일 그룹 내에서 경험과 능력 수준이 다른 사람들의 요구를 수용하여, 경험이 부족한 실무자가 분석적 추론을 사용하는 경향과 경험이 많은 실무자가 비분석적 추론 기술을 사용하는 경향 사이의 균형을 맞추기 위한 것입니다[19, 20, 34]. , 37]. RLC 프로세스는 임상 추론 주기[10], 반사적 모델링 프레임워크[47], 경험 학습 이론[50]을 중심으로 구성되었습니다. 이는 해석, 차별화, 소통, 추론 및 종합의 여러 프로세스를 통해 달성됩니다.
인지 과부하를 방지하기 위해, 참가자들이 충분한 시간과 기회를 갖고 성찰, 분석, 종합을 통해 자신감을 얻을 수 있도록 학습자 중심적이고 성찰적인 말하기 과정을 장려하는 것이 고려되었습니다. RLC(Reflection Learning Control) 동안의 인지 과정은 이중 루프 프레임워크[37]와 인지 부하 이론[48]에 기반한 통합, 확인, 형성, 강화 과정을 통해 다루어집니다. 경험이 있는 참가자와 경험이 없는 참가자 모두를 고려하여 구조화된 대화 과정을 마련하고 충분한 성찰 시간을 제공함으로써, 특히 참가자들의 사전 경험, 노출 정도, 능력 수준이 다양한 복잡한 시뮬레이션에서 인지 부하의 잠재적 위험을 줄일 수 있습니다. 장면 이후, 모델의 성찰적 질문 기법은 블룸의 분류 체계[51]와 긍정적 탐구(AI) 방법[45]에 기반하며, 모델링된 진행자는 소크라테스식의 단계별 성찰적 방식으로 주제에 접근합니다. 지식 기반 질문부터 시작하여 추론과 관련된 기술 및 문제를 다루는 질문을 합니다. 이 질문 기법은 인지 과부하 위험을 줄이면서 참여자의 적극적인 참여와 점진적 사고를 장려하여 임상 추론 최적화를 향상시킬 것입니다. RLC 모델 개발의 분석/성찰 단계에서는 공동 설계 워킹 그룹의 대표적인 답변들을 다음과 같이 고려했습니다. 참여자 13: “인지 과부하를 피하려면 시뮬레이션 후 학습 대화에서 정보의 양과 흐름을 고려해야 하며, 이를 위해서는 학생들이 충분한 성찰 시간을 갖고 기초부터 시작하는 것이 중요하다고 생각합니다. 지식은 대화와 기술의 시작점이 되고, 더 높은 수준의 지식과 기술로 나아가 메타인지를 달성하게 합니다.” 참여자 9: “긍정적 탐구(Appreciative Inquiry, AI) 기법을 활용한 질문 방식과 블룸의 분류 체계를 활용한 성찰적 질문 방식은 인지 과부하 위험을 줄이면서 능동적인 학습과 학습자 중심성을 촉진할 것이라고 확신합니다.” 모델의 디브리핑 단계는 RLC 과정에서 제기된 학습 내용을 요약하고 학습 목표가 달성되었는지 확인하는 것을 목표로 합니다. 참가자 8: "학습자와 진행자 모두 실습으로 넘어갈 때 고려해야 할 가장 중요한 핵심 아이디어와 핵심 측면에 대해 의견 일치를 보는 것이 매우 중요합니다."
윤리위원회 승인은 프로토콜 번호 (MRC-01-22-117) 및 (HSK/PGR/UH/04728)로 획득되었습니다. 모델의 유용성과 실용성을 평가하기 위해 세 차례의 전문 중환자실 시뮬레이션 교육 과정에서 모델을 테스트했습니다. 모델의 표면 타당도는 공동 설계 실무 그룹(N=18)과 교육 책임자 역할을 맡은 교육 전문가(N=6)가 외관, 문법 및 과정 관련 문제를 수정하는 데 사용했습니다. 표면 타당도 검증 후, 내용 타당도는 미국간호사자격인증센터(ANCC) 인증을 받은 교육 기획자(N=6)와 10년 이상의 교육 및 강의 경력을 가진 교육 전문가(N=6)가 평가했습니다. 내용 타당도는 내용 타당도 비율(CVR)과 내용 타당도 지수(CVI)를 사용하여 측정했습니다. Lawshe 방법[52]을 사용하여 CVI를 추정하고 Waltz와 Bausell 방법[53]을 사용하여 CVR을 추정했습니다. CVR 프로젝트는 필요하고 유용하지만 필수적이거나 선택적인 것은 아닙니다. CVI는 관련성, 단순성, 명확성을 기준으로 4점 척도로 평가되며, 1점은 관련성 없음, 2점은 다소 관련성 있음, 3점은 관련성 있음, 4점은 매우 관련성 있음입니다. 표면 타당도와 내용 타당도를 검증한 후, 실습 워크숍 외에도 모델을 사용할 교사들을 대상으로 오리엔테이션 및 교육 세션을 진행했습니다.
작업 그룹은 중환자실에서 SBE 참여 중 임상 추론 기술을 최적화하기 위해 시뮬레이션 후 RLC 모델을 개발하고 테스트할 수 있었습니다(그림 1, 2, 3). CVR = 1.00, CVI = 1.00은 적절한 표면 타당도와 내용 타당도를 반영합니다[52, 53].
이 모델은 경험, 지식, 경력 수준이 같거나 다른 참가자들에게 흥미롭고 도전적인 시나리오를 제공하는 그룹 SBE를 위해 개발되었습니다. RLC 개념 모델은 INACSL 비행 시뮬레이션 분석 표준[36]에 따라 개발되었으며, 학습자 중심적이고 자체 설명이 가능하며, 예시 문제(그림 1, 2, 3)를 포함하고 있습니다. 이 모델은 모델링 표준을 충족하기 위해 의도적으로 개발되었으며, 브리핑으로 시작하여 성찰적 분석/종합, 정보 및 요약의 네 단계로 구성됩니다. 인지 과부하의 잠재적 위험을 방지하기 위해 모델의 각 단계는 다음 단계의 필수 조건으로 설계되었습니다[34].
경력과 집단 조화 요인이 RLC 참여에 미치는 영향은 이전에는 연구된 바가 없습니다[38]. 시뮬레이션 실습에서 이중 루프 및 인지 과부하 이론의 실제적인 개념을 고려할 때[34, 37], 동일한 시뮬레이션 그룹 내에서 경험과 능력 수준이 다른 참가자들이 그룹 SBE에 참여하는 것은 어려운 과제입니다. 정보량, 학습 흐름 및 구조를 간과하고, 고등학생과 중학생 모두 빠른 인지 과정과 느린 인지 과정을 동시에 사용하는 것은 인지 과부하의 위험을 초래할 수 있습니다[18, 38, 46]. 이러한 요인들은 미발달되거나 최적화되지 않은 임상 추론을 방지하기 위해 RLC 모델 개발 시 고려되었습니다[18, 38]. 경력과 역량 수준이 다른 참가자들이 RLC를 진행할 경우, 고참 참가자들 사이에서 지배 효과가 발생할 수 있다는 점을 유념해야 합니다. 이는 고참 참가자들이 저참 참가자들이 메타인지를 달성하고 고차원적 사고 및 추론 과정에 진입하는 데 필수적인 기본 개념 학습을 회피하는 경향이 있기 때문입니다[38, 47]. RLC 모델은 긍정적 탐구와 델타 접근법을 통해 선임 및 주니어 간호사의 참여를 유도하도록 설계되었습니다[45, 46, 51]. 이러한 방법을 사용하여 다양한 능력과 경험 수준을 가진 선임 및 주니어 참가자의 견해가 항목별로 제시되고 디브리핑 진행자 및 공동 진행자가 성찰적으로 논의합니다[45, 51]. 시뮬레이션 참가자의 의견 외에도 디브리핑 진행자는 자신의 의견을 추가하여 모든 집단적 관찰이 각 학습 순간을 포괄적으로 다루도록 함으로써 메타인지를 향상시키고 임상 추론을 최적화합니다[10].
RLC 모델을 활용한 정보 흐름 및 학습 구조는 체계적이고 다단계적인 과정을 통해 다루어집니다. 이는 디브리핑 진행자를 지원하고 각 참가자가 다음 단계로 넘어가기 전에 각 단계에서 명확하고 자신감 있게 발언할 수 있도록 하기 위함입니다. 진행자는 모든 참가자가 참여하는 성찰적 토론을 시작하고, 다양한 경력과 능력 수준의 참가자들이 다음 단계로 넘어가기 전에 각 토론 주제에 대한 최적의 방안에 합의하는 지점에 도달할 수 있도록 합니다[38]. 이러한 접근 방식을 통해 경험이 풍부하고 역량이 뛰어난 참가자는 자신의 기여/관찰 내용을 공유할 수 있으며, 경험이 부족하거나 역량이 떨어지는 참가자의 기여/관찰 내용은 평가 및 논의될 수 있습니다[38]. 그러나 이러한 목표를 달성하기 위해서는 진행자가 토론의 균형을 맞추고 경력이 많은 참가자와 적은 참가자에게 동등한 기회를 제공하는 과제에 직면해야 합니다. 이를 위해 블룸의 분류 체계를 활용하여 평가 설문 조사와 가산/델타 방법을 결합한 설문 조사 방법론이 의도적으로 개발되었습니다[45, 46, 51]. 이러한 기법들을 활용하고 핵심 질문/성찰적 토론에 대한 지식과 이해를 바탕으로 시작하면 경험이 부족한 참가자들도 토론에 적극적으로 참여할 수 있습니다. 이후 진행자는 점진적으로 질문/토론에 대한 더 높은 수준의 평가 및 종합 단계로 나아가게 되며, 이 과정에서 양측은 경험 수준에 따라 상급자와 하급자 모두에게 동등한 참여 기회를 제공해야 합니다. 이러한 접근 방식은 경험이 부족한 참가자들이 적극적으로 참여하고, 경험 많은 참가자들이 공유하는 경험과 디브리핑 진행자의 의견을 통해 도움을 받을 수 있도록 합니다. 또한, 이 모델은 참가자의 능력과 경험 수준이 다른 SBE 그룹뿐만 아니라 경험과 능력 수준이 비슷한 SBE 그룹에도 적용할 수 있도록 설계되었습니다. 이 모델은 학습 목표 달성을 위해 지식과 이해에 집중하는 단계에서 종합 및 평가 단계로 원활하고 체계적으로 나아갈 수 있도록 그룹 활동을 지원하도록 고안되었습니다. 모델의 구조와 과정은 능력과 경험 수준이 다르거나 같은 그룹을 모두 모델링할 수 있도록 설계되었습니다.
또한, 의료 분야에서 RLC와 결합된 SBE는 임상 추론 및 실무 역량 개발을 위해 사용되지만[22,30,38], 특히 참가자들이 즉각적인 개입과 중요한 의사결정이 필요한 매우 복잡하고 위중한 환자를 시뮬레이션하는 SBE 시나리오의 경우 사례의 복잡성과 인지 과부하의 잠재적 위험과 관련된 요소를 고려해야 합니다[2,18,37,38,47,48]. 이를 위해, 경험이 풍부한 참가자와 경험이 부족한 참가자 모두 SBE 참여 시 분석적 추론 시스템과 비분석적 추론 시스템을 동시에 전환하는 경향을 고려하고, 경험이 많은 학생과 적은 학생 모두가 학습 과정에 적극적으로 참여할 수 있도록 근거 기반 접근 방식을 확립하는 것이 중요합니다. 따라서, 본 모델은 제시된 시뮬레이션 사례의 복잡성과 관계없이, 진행자가 경험이 풍부한 참가자와 경험이 부족한 참가자 모두의 지식 및 배경 이해 수준을 먼저 다룬 후, 점진적이고 성찰적으로 분석, 종합 및 이해, 평가 측면을 촉진하도록 설계되었습니다. 이는 저학년 학생들이 학습한 내용을 다지고 강화하는 데 도움을 주고, 고학년 학생들이 새로운 지식을 종합하고 발전시키는 데 도움을 줄 것입니다. 또한, 각 참가자의 사전 경험과 능력을 고려하여 추론 과정에 필요한 요건을 충족시키고, 고등학생과 중학생이 분석적 추론과 비분석적 추론 체계를 동시에 오가는 경향을 반영하는 일반적인 형식을 통해 임상 추론 능력을 최적화할 것입니다.
또한 시뮬레이션 진행자/디브리퍼는 시뮬레이션 디브리핑 기술을 숙달하는 데 어려움을 겪을 수 있습니다. 인지 디브리핑 스크립트를 사용하는 것은 스크립트를 사용하지 않는 경우에 비해 진행자의 지식 습득 및 행동 기술 향상에 효과적인 것으로 여겨집니다[54]. 시나리오는 교사의 모델링 작업을 촉진하고 디브리핑 기술을 향상시키는 데 도움이 되는 인지 도구이며, 특히 디브리핑 경험을 아직 다듬고 있는 교사에게 유용합니다[55]. 더 높은 사용성을 달성하고 사용자 친화적인 모델을 개발할 수 있습니다. (그림 2 및 그림 3).
현재 사용 가능한 시뮬레이션 분석 및 성찰 유도 모델에서는 플러스/델타 기법, 긍정적 설문 조사, 블룸의 분류 체계 설문 조사 방법의 병렬적 통합이 아직 다뤄지지 않았습니다. 이러한 방법들의 통합은 RLC 모델의 혁신성을 부각시키는데, 이 모델은 임상 추론 최적화와 학습자 중심성을 달성하기 위해 이러한 방법들을 단일 형식으로 통합했습니다. 의학 교육자들은 RLC 모델을 활용한 그룹 시뮬레이션 기반 교육(SBE) 모델링을 통해 참가자들의 임상 추론 능력을 향상시키고 최적화할 수 있습니다. 이 모델의 시나리오는 교육자들이 성찰적 디브리핑 과정을 숙달하고, 자신감 있고 유능한 디브리핑 진행자가 될 수 있도록 역량을 강화하는 데 도움을 줄 수 있습니다.
시뮬레이션 기반 교육(SBE)은 마네킹 기반 SBE, 작업 시뮬레이터, 환자 시뮬레이터, 표준화 환자, 가상 현실 및 증강 현실을 포함하되 이에 국한되지 않는 다양한 방식과 기법을 포괄할 수 있습니다. 보고는 중요한 모델링 기준 중 하나이므로, 시뮬레이션 기반 RLC 모델은 이러한 방식을 사용할 때 보고 모델로 활용될 수 있습니다. 더욱이, 이 모델은 간호학 분야를 위해 개발되었지만, 다학제 의료 SBE에도 활용될 가능성이 있으므로, 향후 다학제 교육을 위한 RLC 모델의 유효성을 검증하는 연구가 필요합니다.
SBE 중환자실 간호에 대한 시뮬레이션 후 RLC 모델 개발 및 평가. 향후 모델의 일반화 가능성을 높이기 위해 다른 의료 분야 및 다학제 SBE 환경에서의 활용을 위한 추가 평가/검증이 권장됩니다.
본 모델은 이론과 개념을 바탕으로 공동 연구팀에 의해 개발되었습니다. 모델의 타당성과 일반화 가능성을 향상시키기 위해 향후 비교 연구를 위한 신뢰도 측정 방법의 활용을 고려할 수 있습니다.
임상 오류를 최소화하기 위해 의료진은 안전하고 적절한 임상 의사결정을 내릴 수 있도록 효과적인 임상 추론 능력을 갖추어야 합니다. SBE RLC를 디브리핑 기법으로 활용하면 임상 추론 능력 개발에 필요한 지식과 실무 능력을 향상시킬 수 있습니다. 그러나 임상 추론은 경험과 노출 정도, 능력 변화, 정보의 양과 흐름, 시뮬레이션 시나리오의 복잡성 등 다양한 요인과 관련되어 있기 때문에 시뮬레이션 후 RLC 모델을 개발하여 임상 추론 능력을 적극적이고 효과적으로 적용하는 것이 중요합니다. 이러한 요인들을 간과하면 임상 추론 능력이 저해되거나 최적화되지 못할 수 있습니다. 본 RLC 모델은 그룹 시뮬레이션 활동 참여 시 임상 추론 능력을 최적화하기 위해 이러한 요인들을 고려하여 개발되었습니다. 이를 위해 본 모델은 긍정적/부정적 평가 탐구와 블룸의 분류 체계를 동시에 통합합니다.
본 연구에서 사용 및/또는 분석된 데이터 세트는 합리적인 요청이 있을 경우 해당 저자에게서 제공받을 수 있습니다.
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 실천 권장 사항. 의학 과학 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. 의료 전문가 간 임상 추론에 대한 문헌 비교: 범위 검토. BMC Medical Education. 2020;20(1):1–1.
Guerrero JG. 간호 실무 추론 모델: 간호에서의 임상 추론, 의사 결정 및 판단의 예술과 과학. 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. 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 연습을 통해 학생들의 진단 기술은 어떻게 향상되는가? 동일 및 새로운 장애에 대한 미래 진단에 대한 구조화된 성찰의 효과. 의학과학원. 2014;89(1):121–7.
Tutticci N, Theobald KA, Ramsbotham J, Johnston S. 시뮬레이션에서 관찰자 역할과 임상 추론 탐구: 범위 검토. 간호 교육 실습 2022년 1월 20일: 103301.
Edwards I, Jones M, Carr J, Braunack-Meyer A, Jensen GM. 물리치료의 임상 추론 전략. 물리치료. 2004;84(4):312–30.
Kuiper R, Pesut D, Kautz D. 의대생의 임상 추론 능력 자기 조절 촉진. Open Journal Nurse 2009;3:76.
Levett-Jones T, Hoffman K, Dempsey J, Jeon SY, Noble D, Norton KA, Roche J, Hickey N. 임상 추론의 "다섯 가지 권리": 위험 환자를 식별하고 관리하는 간호 학생의 임상 역량 향상을 위한 교육 모델. 간호 교육 오늘날. 2010;30(6):515–20.
Brentnall J, Thackray D, Judd B. 실습 및 시뮬레이션 환경에서 의대생의 임상 추론 평가: 체계적 검토. 국제 환경 연구, 공중 보건 저널. 2022;19(2):936.
Chamberlain D, Pollock W, Fulbrook P. ACCCN 중환자 간호 표준: 체계적 검토, 증거 개발 및 평가. Emergency Australia. 2018;31(5):292–302.
Cunha LD, Pestana-Santos M, Lomba L, Reis Santos M. 마취 후 간호의 임상 추론의 불확실성: 복잡한 의료 환경의 불확실성 모델을 기반으로 한 통합 검토. J Perioperative Nurse. 2022;35(2):e32–40.
Rivaz M, Tavakolinia M, Momennasab M. 중환자실 간호사의 전문 실무 환경과 간호 결과와의 연관성: 구조방정식 모델링 연구. Scand J Caring Sci. 2021;35(2):609–15.
Suvardianto H, Astuti VV, 역량. 중환자실 간호학생을 위한 간호 및 중환자 간호 실습 저널 교환(JSCC). STRADA MAGAZINE Ilmia Kesehatan. 2020;9(2):686–93.
Liev B, Dejen Tilahun A, Kasyu T. 중환자실 간호사의 신체 평가와 관련된 지식, 태도 및 요인: 다기관 횡단 연구. 중환자 치료 연구 실무. 2020;9145105.
Sullivan J., Hugill K., A. Elraush TA, Mathias J., Alkhetimi MO 중동 국가의 문화적 맥락에서 간호사 및 조산사를 위한 역량 프레임워크의 시범 구현. 간호 교육 실천. 2021;51:102969.
Wang MS, Thor E, Hudson JN. 스크립트 일관성 테스트에서 응답 과정의 유효성 검증: 사고 과정 구술 접근법. 국제 의학 교육 저널. 2020;11:127.
강 H, 강 HY. 시뮬레이션 교육이 임상 추론 능력, 임상 역량 및 교육 만족도에 미치는 영향. 한국학술산업협력학회지. 2020;21(8):107–14.
Diekmann P, Thorgeirsen K, Kvindesland SA, Thomas L, Bushell W, Langley Ersdal H. COVID-19와 같은 감염병 발생에 대한 대응을 준비하고 개선하기 위한 모델링 사용: 노르웨이, 덴마크 및 영국에서 얻은 실용적인 팁과 자료. 고급 모델링. 2020;5(1):1–0.
Liose L, Lopreiato J, Founder D, Chang TP, Robertson JM, Anderson M, Diaz DA, Spain AE, 편집자. (부편집자) 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. 증강 현실을 활용한 의료 시뮬레이션. 포괄적 웰빙을 위한 가상 환자 기술의 최신 발전. 게임화 및 시뮬레이션. 2020;196:103–40.
Alamrani MH, Alammal KA, Alqahtani SS, Salem OA 간호 학생의 비판적 사고 능력과 자신감에 대한 시뮬레이션과 전통적인 교육 방법의 효과 비교. 간호 연구 센터 저널. 2018;26(3):152–7.
Kiernan LK 시뮬레이션 기법을 사용하여 능력과 자신감을 평가합니다. Care. 2018;48(10):45.
게시 시간: 2024년 1월 8일