Aplicación de un modelo de formación combinada y por etapas basado en la "plataforma en la nube de la educación de...

Área de la Ciencia:

• Educación en enfermería
• Informática de la salud
• Tecnología educativa

Sus antecedentes:

• Los modelos tradicionales de formación de enfermería son cada vez más inadecuados debido a la inflexibilidad y la retroalimentación tardía.
• Los avances en la computación en la nube y el IoT ofrecen oportunidades para la reforma educativa en enfermería.
• Los sistemas de NECP son prometedores en la educación médica para la gestión de recursos y el aprendizaje adaptable.

Objetivo del estudio:

• Evaluar la eficacia de un modelo de formación por fases para enfermeras integrado en el NECP.
• Evaluar las mejoras en la comprensión teórica, las competencias prácticas, la autopercepción profesional y la toma de decisiones clínicas.
• Examinar el potencial del NECP para perfeccionar las metodologías de la educación de enfermería.

Principales métodos:

• Un ensayo controlado cuasi-experimental no aleatorizado que compara un grupo basado en el NECP (n=56) con un grupo de formación tradicional (n=56).
• Se utilizó el emparejamiento de la puntuación de propensión para abordar los desequilibrios basales entre los grupos.
• ANCOVA se empleó para analizar las diferencias en el conocimiento teórico, las habilidades operativas, la identidad profesional y el razonamiento clínico.

Principales resultados:

• El grupo NECP demostró puntuaciones significativamente más altas en conocimientos teóricos (88,70 frente a 75,55, P<.05).
• El grupo experimental también mostró mejoras significativas en las habilidades operativas (94,27 vs 90,95, P<.05), la identidad profesional (73,18 vs 62,54, P<.05), y el razonamiento clínico (60,95 vs 51,09, P<.05).
• La integración del NECP con la formación por etapas demostró ser eficaz para mejorar las múltiples competencias de enfermería.

Conclusiones:

• El modelo de formación por fases integrado en el NECP es eficaz para mejorar varios aspectos de la competencia de las enfermeras.
• El sesgo de selección potencial en el diseño no aleatorio requiere una consideración cuidadosa.
• Se recomiendan estudios longitudinales multicéntricos para validar la generalizabilidad y el impacto a largo plazo.