为当地雇佣的医生共同创建和提供基于模拟的学习模型:SIMBA-LED研究的发现

科学领域:

• 医学教育 医学教育
• 基于模拟的学习
• 医疗保健劳动力发展工作人员

背景情况:

• 当地雇佣的医生 (LED) 对医疗保健至关重要,但往往缺乏结构化的教育支持.
• 通过即时通讯对床边应用程序 (SIMBA) 进行模拟是增强临床信心的经过验证的模型.
• 这项研究侧重于在急性医疗环境中适应SIMBA用于LED.

研究的目的:

• 开发和评估一个专门为当地雇佣的医生 (LED) 量身定制的SIMBA计划.
• 评估定制的SIMBA程序对LED在急性医疗场景中的信心的影响.
• 确定SIMBA对于LED专业发展的可接受性和有效性.

主要方法:

• 在七个月的时间里 (2023年7月-2024年1月) 采用了一系列的横截面研究设计.
• 干预涉及11个在线SIMBA会议,通过利益相关者和参与者采访提供信息.
• 会议前后的调查评估了信心和可接受性,采访的专题分析和威尔科克森签名等级测试对定量数据进行了评估.

主要成果:

• 辛巴表现出很高的可接受性,100%的案例被发现适用,87%的人更喜欢它而不是传统的方法.
• 参与者的信心总体上升了32.4%,在模拟 (46.2%至84.8%) 和非模拟 (41.5%至66.5%) 场景中都有显著的收益.
• 改善的主要领域包括患者管理 (84.8%),患者护理 (71.7%) 和基于实践的学习 (69.6%).

结论:

• 一个定制的SIMBA程序有效地提高了LED在急性医疗情况下的信心和能力.
• 对于LED来说,SIMBA程序非常可接受,为他们的专业成长提供了有价值的工具.
• 将SIMBA集成到LED培训途径中可以改善医疗保健服务和患者的治疗结果.