多変量解析を用いた医学生の診断推論スキル研修

背景:

• 医学教育は情報過多に直面しており、堅牢な診断推論スキルが必要です。
• 将来の臨床医を準備するためには、自己主導学習の統合が不可欠です。
• 多変量解析は、教室および自己主導学習に適応可能な診断トレーニングのための構造化されたアプローチを提供します。

研究 の 目的:

• 診断トレーニングのための構造化された方法として多変量解析を提案および評価すること。
• 臨床的意思決定を強化するために、データサイエンスの原則と診断推論を統合すること。
• 医学生の自己主導学習スキルを強化すること。

主な方法:

• ICPC-2命名法を用いた疾患、症状、兆候、危険因子の構造化データベースを開発しました。
• ガイド付きRスクリプティングを通じて、主成分分析（PCA）および階層的クラスター分析（HCA）を含む多変量解析技術を採用しました。
• 分析のためにバイプロットおよびデンドログラムを生成するために、臨床的特徴を入力して診断プロセスをシミュレートしました。

主要な成果:

• 多様な臨床プレゼンテーションにわたる診断シミュレーションを実施し、疾患データベースを実装しました。相関プロットとデンドログラムを生成し、疾患と症状の関係を視覚化し、関連する状態をクラスター化しました。一般的およびまれな診断を効果的に特定し、追加の診断要因の検討を促し、鑑別診断を拡大しました。

結論:

• 疾患データベースの構築と多変量解析の実行は、医学教育に価値があります。
• このアプローチは、疾患と症状の関係および診断上の課題についての学生の理解を深めます。
• この方法論は、診断推論の実践とデータ分析スキルを組み合わせ、医学カリキュラムの教育ツールとして機能する可能性があります。