सिम्युलेटेड डिब्रीफिंगसाठी रिफ्लेक्टीव्ह लर्निंगचे संभाषणात्मक मॉडेल: सहयोगी डिझाइन आणि इनोव्हेशन प्रक्रिया |बीएमसी वैद्यकीय शिक्षण

योग्य, सुरक्षित क्लिनिकल निर्णय घेण्यासाठी आणि सराव त्रुटी टाळण्यासाठी प्रॅक्टिशनर्सकडे प्रभावी नैदानिक ​​तर्क कौशल्य असणे आवश्यक आहे.खराब विकसित क्लिनिकल तर्क कौशल्ये रुग्णांच्या सुरक्षिततेशी तडजोड करू शकतात आणि काळजी किंवा उपचारांना विलंब करू शकतात, विशेषत: गहन काळजी आणि आपत्कालीन विभागांमध्ये.सिम्युलेशन-आधारित प्रशिक्षण रुग्णाची सुरक्षितता राखून क्लिनिकल तर्क कौशल्ये विकसित करण्यासाठी डिब्रीफिंग पद्धत म्हणून सिम्युलेशन नंतर प्रतिबिंबित शिक्षण संभाषणांचा वापर करते.तथापि, क्लिनिकल तर्काच्या बहुआयामी स्वरूपामुळे, संज्ञानात्मक ओव्हरलोडचा संभाव्य जोखीम आणि प्रगत आणि कनिष्ठ सिम्युलेशन सहभागींद्वारे विश्लेषणात्मक (हाइपोथेटिक-डिडक्टिव) आणि गैर-विश्लेषणात्मक (अंतर्ज्ञानी) क्लिनिकल तर्क प्रक्रियेचा भिन्न वापर, हे महत्वाचे आहे. अनुभव, क्षमता, माहितीचा प्रवाह आणि खंड यांच्याशी संबंधित घटक आणि डिब्रीफिंग पद्धत म्हणून सिम्युलेशन नंतर समूह प्रतिबिंबित शिक्षण संभाषणांमध्ये गुंतून क्लिनिकल तर्क ऑप्टिमाइझ करण्यासाठी केसची जटिलता विचारात घ्या.आमचे ध्येय पोस्ट-सिम्युलेशन रिफ्लेक्टिव्ह लर्निंग डायलॉगच्या मॉडेलच्या विकासाचे वर्णन करणे हे आहे जे क्लिनिकल रिझनिंग ऑप्टिमायझेशनच्या यशावर परिणाम करणारे अनेक घटक विचारात घेते.
एक सह-डिझाइन वर्किंग ग्रुप (N = 18), ज्यामध्ये चिकित्सक, परिचारिका, संशोधक, शिक्षक आणि रुग्ण प्रतिनिधी यांचा समावेश आहे, सिम्युलेशनचे वर्णन करण्यासाठी पोस्ट-सिम्युलेशन रिफ्लेक्टीव्ह लर्निंग डायलॉग मॉडेल सह-विकसित करण्यासाठी लागोपाठ कार्यशाळांद्वारे सहकार्य केले.सह-डिझाइन वर्किंग ग्रुपने सैद्धांतिक आणि संकल्पनात्मक प्रक्रिया आणि मल्टी-फेज पीअर पुनरावलोकनाद्वारे मॉडेल विकसित केले.प्लस/मायनस असेसमेंट संशोधन आणि ब्लूमच्या वर्गीकरणाचे समांतर एकीकरण सिम्युलेशन क्रियाकलापांमध्ये सहभागी होताना सिम्युलेशन सहभागींच्या क्लिनिकल तर्काला अनुकूल करते असे मानले जाते.सामग्री वैधता निर्देशांक (CVI) आणि सामग्री वैधता प्रमाण (CVR) पद्धती चेहरा वैधता आणि मॉडेलची सामग्री वैधता स्थापित करण्यासाठी वापरली गेली.
पोस्ट-सिम्युलेशन रिफ्लेक्टिव्ह लर्निंग डायलॉग मॉडेल विकसित आणि चाचणी केली गेली.मॉडेल काम केलेल्या उदाहरणे आणि स्क्रिप्टिंग मार्गदर्शनाद्वारे समर्थित आहे.मॉडेलचा चेहरा आणि सामग्री वैधता मूल्यांकन आणि पुष्टी केली गेली.
नवीन सह-डिझाइन मॉडेल विविध मॉडेलिंग सहभागींची कौशल्ये आणि क्षमता, माहितीचा प्रवाह आणि खंड आणि मॉडेलिंग प्रकरणांची जटिलता लक्षात घेऊन तयार केले गेले.समूह सिम्युलेशन क्रियाकलापांमध्ये सहभागी होताना हे घटक क्लिनिकल तर्क अनुकूल करतात असे मानले जाते.
नैदानिक ​​तर्क हा आरोग्य सेवेतील क्लिनिकल सरावाचा पाया मानला जातो [ 1 , 2 ] आणि क्लिनिकल सक्षमतेचा एक महत्त्वाचा घटक [ 1 , 3 , 4 ].ही एक चिंतनशील प्रक्रिया आहे जी प्रॅक्टिशनर्स त्यांना येणाऱ्या प्रत्येक क्लिनिकल परिस्थितीसाठी सर्वात योग्य हस्तक्षेप ओळखण्यासाठी आणि अंमलात आणण्यासाठी वापरतात [5, 6].क्लिनिकल तर्क हे एक जटिल संज्ञानात्मक प्रक्रिया म्हणून वर्णन केले जाते जे रूग्णाबद्दल माहिती गोळा करण्यासाठी आणि विश्लेषण करण्यासाठी औपचारिक आणि अनौपचारिक विचार धोरणे वापरते, त्या माहितीचे महत्त्व मूल्यांकन करते आणि कृतीच्या वैकल्पिक अभ्यासक्रमांचे मूल्य निर्धारित करते [7, 8].योग्य रुग्णासाठी योग्य वेळी आणि योग्य कारणास्तव योग्य कृती करण्यासाठी सुगावा गोळा करणे, माहितीवर प्रक्रिया करणे आणि रुग्णाची समस्या समजून घेण्याच्या क्षमतेवर हे अवलंबून असते [9, 10].
सर्व आरोग्य सेवा प्रदात्यांना उच्च अनिश्चिततेच्या परिस्थितीत जटिल निर्णय घेण्याची आवश्यकता आहे [११].गंभीर काळजी आणि आपत्कालीन काळजी प्रॅक्टिसमध्ये, नैदानिक ​​परिस्थिती आणि आणीबाणी उद्भवतात जिथे त्वरित प्रतिसाद आणि हस्तक्षेप जीव वाचवण्यासाठी आणि रुग्णाची सुरक्षा सुनिश्चित करण्यासाठी महत्त्वपूर्ण असतात [१२].कमकुवत क्लिनिकल तर्क कौशल्य आणि गंभीर काळजी सराव मध्ये सक्षमता उच्च दर क्लिनिकल त्रुटी, काळजी किंवा उपचारांमध्ये विलंब [१३] आणि रुग्णाच्या सुरक्षिततेसाठी जोखीम [१४,१५,१६] यांच्याशी संबंधित आहेत.व्यावहारिक त्रुटी टाळण्यासाठी, व्यावसायिक सक्षम असणे आवश्यक आहे आणि सुरक्षित आणि योग्य निर्णय घेण्यासाठी प्रभावी क्लिनिकल तर्क कौशल्य असणे आवश्यक आहे [16, 17, 18].गैर-विश्लेषणात्मक (अंतर्ज्ञानी) तर्क प्रक्रिया ही व्यावसायिक प्रॅक्टिशनर्सनी पसंत केलेली जलद प्रक्रिया आहे.याउलट, विश्लेषणात्मक (हाइपोथेटिको-डिडक्टिव) तर्क प्रक्रिया स्वाभाविकपणे धीमे, अधिक जाणूनबुजून आणि कमी अनुभवी चिकित्सकांद्वारे अधिक वेळा वापरल्या जातात [2, 19, 20].हेल्थकेअर क्लिनिकल वातावरणाची जटिलता आणि सराव त्रुटी [14,15,16] च्या संभाव्य जोखीम लक्षात घेता, सिम्युलेशन-आधारित शिक्षण (SBE) चा उपयोग व्यावसायिकांना सक्षमता आणि नैदानिक ​​तर्क कौशल्ये विकसित करण्याच्या संधी प्रदान करण्यासाठी केला जातो.सुरक्षित वातावरण आणि रुग्णांची सुरक्षितता राखताना विविध आव्हानात्मक प्रकरणांचा संपर्क [21, 22, 23, 24].
सोसायटी फॉर सिम्युलेशन इन हेल्थ (एसएसएच) सिम्युलेशनची व्याख्या "एक अशी परिस्थिती किंवा वातावरण तयार करते ज्यामध्ये लोक सराव, प्रशिक्षण, मूल्यमापन, चाचणी किंवा मानवी प्रणाली समजून घेण्याच्या उद्देशाने वास्तविक जीवनातील घटनांचे प्रतिनिधित्व अनुभवतात. वर्तन."[२३] सु-संरचित सिम्युलेशन सत्रे सहभागींना सुरक्षितता धोके कमी करताना क्लिनिकल परिस्थितींचे अनुकरण करणाऱ्या परिस्थितींमध्ये मग्न होण्याची संधी देतात [२४,२५] आणि लक्ष्यित शिक्षणाच्या संधींद्वारे क्लिनिकल तर्काचा सराव करतात [२१,२४,२६,२७,२८] एसबीई फील्ड क्लिनिकल अनुभव वाढवते, विद्यार्थ्यांना क्लिनिकल अनुभवांबद्दल उघड करते जे त्यांना वास्तविक रुग्ण काळजी सेटिंग्जमध्ये अनुभवले नसावे [24, 29].हे धमकाविणारे, दोषमुक्त, पर्यवेक्षित, सुरक्षित, कमी जोखमीचे शिक्षण वातावरण आहे.हे ज्ञान, नैदानिक ​​कौशल्य, क्षमता, गंभीर विचार आणि नैदानिक ​​तर्क [22,29,30,31] च्या विकासास प्रोत्साहन देते आणि आरोग्यसेवा व्यावसायिकांना परिस्थितीच्या भावनिक तणावावर मात करण्यास मदत करते, ज्यामुळे शिकण्याची क्षमता सुधारते [22, 27, 28] ., 30, 32].
SBE द्वारे क्लिनिकल तर्क आणि निर्णय घेण्याच्या कौशल्यांच्या प्रभावी विकासास समर्थन देण्यासाठी, पोस्ट-सिम्युलेशन डीब्रीफिंग प्रक्रियेच्या डिझाइन, टेम्पलेट आणि संरचनेकडे लक्ष देणे आवश्यक आहे [24, 33, 34, 35].पोस्ट-सिम्युलेशन रिफ्लेक्टिव लर्निंग संभाषणे (RLC) हे सहभागींना प्रतिबिंबित करण्यात, कृती स्पष्ट करण्यात आणि समवयस्कांच्या समर्थनाची शक्ती आणि टीमवर्कच्या संदर्भात ग्रुप थिंकचा वापर करण्यात मदत करण्यासाठी डीब्रीफिंग तंत्र म्हणून वापरले गेले [32, 33, 36].गट RLCs चा वापर अविकसित क्लिनिकल तर्काचा संभाव्य धोका असतो, विशेषत: सहभागींच्या भिन्न क्षमता आणि ज्येष्ठतेच्या पातळीच्या संबंधात.दुहेरी प्रक्रिया मॉडेल क्लिनिकल तर्काच्या बहुआयामी स्वरूपाचे वर्णन करते आणि वरिष्ठ प्रॅक्टिशनर्सच्या विश्लेषणात्मक (काल्पनिक-वहनात्मक) तर्क प्रक्रिया वापरण्यासाठी आणि कनिष्ठ चिकित्सकांच्या गैर-विश्लेषणात्मक (अंतर्ज्ञानी) तर्क प्रक्रियेचा वापर करण्याच्या प्रवृत्तीमधील फरकांचे वर्णन करते [34, 37].].या दुहेरी तर्क प्रक्रियांमध्ये वेगवेगळ्या परिस्थितींमध्ये इष्टतम तर्क प्रक्रियांचे रुपांतर करण्याचे आव्हान समाविष्ट आहे आणि त्याच मॉडेलिंग गटात वरिष्ठ आणि कनिष्ठ सहभागी असताना विश्लेषणात्मक आणि गैर-विश्लेषणात्मक पद्धती प्रभावीपणे कशा वापरायच्या हे अस्पष्ट आणि विवादास्पद आहे.हायस्कूल आणि कनिष्ठ हायस्कूलचे विद्यार्थी भिन्न क्षमता आणि अनुभव पातळी वेगवेगळ्या जटिलतेच्या सिम्युलेशन परिदृश्यांमध्ये भाग घेतात [34, 37].क्लिनिकल तर्काचे बहुआयामी स्वरूप अविकसित क्लिनिकल तर्क आणि संज्ञानात्मक ओव्हरलोडच्या संभाव्य जोखमीशी संबंधित आहे, विशेषत: जेव्हा प्रॅक्टिशनर्स वेगवेगळ्या प्रकरणांची जटिलता आणि वरिष्ठतेच्या पातळीसह SBEs मध्ये भाग घेतात [38].हे लक्षात घेणे महत्त्वाचे आहे की जरी आरएलसी वापरून अनेक डीब्रीफिंग मॉडेल्स आहेत, तरीही यापैकी कोणतेही मॉडेल अनुभव, क्षमता, प्रवाह आणि माहितीचे प्रमाण लक्षात घेऊन क्लिनिकल तर्क कौशल्यांच्या विकासावर विशिष्ट लक्ष केंद्रित करून डिझाइन केलेले नाही. मॉडेलिंग जटिलता घटक [38].]., 39].या सर्वांसाठी एक संरचित मॉडेल विकसित करणे आवश्यक आहे जे विविध योगदान आणि परिणामकारक घटकांचा विचार करते क्लिनिकल तर्क अनुकूल करण्यासाठी, पोस्ट-सिम्युलेशन RLC एक अहवाल पद्धत म्हणून समाविष्ट करताना.आम्ही पोस्ट-सिम्युलेशन RLC च्या सहयोगी डिझाइन आणि विकासासाठी सैद्धांतिक आणि संकल्पनात्मकरित्या चालविलेल्या प्रक्रियेचे वर्णन करतो.SBE मधील सहभागादरम्यान क्लिनिकल तर्क कौशल्ये ऑप्टिमाइझ करण्यासाठी एक मॉडेल विकसित केले गेले होते, ज्यामध्ये ऑप्टिमाइझ्ड क्लिनिकल रिझनिंग डेव्हलपमेंट साध्य करण्यासाठी विविध सुविधा आणि प्रभाव पाडणाऱ्या घटकांचा विचार केला गेला.
RLC पोस्ट-सिम्युलेशन मॉडेल विद्यमान मॉडेल्स आणि क्लिनिकल तर्क, प्रतिबिंबित शिक्षण, शिक्षण आणि सिम्युलेशनच्या सिद्धांतांवर आधारित सहयोगीपणे विकसित केले गेले.मॉडेलचा संयुक्तपणे विकास करण्यासाठी, एक सहयोगी कार्य गट (N = 18) तयार करण्यात आला, ज्यामध्ये 10 अतिदक्षता परिचारिका, एक इंटेन्सिव्हिस्ट आणि विविध स्तर, अनुभव आणि लिंग असलेल्या पूर्वी रुग्णालयात दाखल झालेल्या रूग्णांचे तीन प्रतिनिधी होते.एक अतिदक्षता विभाग, 2 संशोधन सहाय्यक आणि 2 वरिष्ठ परिचारिका शिक्षक.हे सह-डिझाइन इनोव्हेशन हेल्थकेअरमधील वास्तविक-जागतिक अनुभव असलेल्या भागधारकांच्या सहकार्याद्वारे डिझाइन आणि विकसित केले आहे, एकतर प्रस्तावित मॉडेलच्या विकासामध्ये गुंतलेले आरोग्यसेवा व्यावसायिक किंवा रुग्ण [40,41,42] सारखे इतर भागधारक.सह-डिझाइन प्रक्रियेत रुग्ण प्रतिनिधींचा समावेश केल्याने प्रक्रियेत आणखी मूल्य वाढू शकते, कारण कार्यक्रमाचे अंतिम लक्ष्य रुग्णाची काळजी आणि सुरक्षितता सुधारणे आहे [43].
कार्यगटाने मॉडेलची रचना, प्रक्रिया आणि सामग्री विकसित करण्यासाठी 2-4 तासांच्या सहा कार्यशाळा घेतल्या.कार्यशाळेत चर्चा, सराव आणि अनुकरण यांचा समावेश आहे.मॉडेलचे घटक पुरावे-आधारित संसाधने, मॉडेल, सिद्धांत आणि फ्रेमवर्कच्या श्रेणीवर आधारित आहेत.यामध्ये खालील गोष्टींचा समावेश आहे: रचनावादी शिक्षण सिद्धांत [४४], ड्युअल लूप संकल्पना [३७], क्लिनिकल रिझनिंग लूप [१०], कौतुकात्मक चौकशी (एआय) पद्धत [४५] आणि रिपोर्टिंग प्लस/डेल्टा पद्धत [४६].क्लिनिकल आणि सिम्युलेशन एज्युकेशन [३६] साठी इंटरनॅशनल नर्सेस असोसिएशनच्या INACSL डिब्रीफिंग प्रक्रिया मानकांच्या आधारावर हे मॉडेल सहयोगीपणे विकसित केले गेले आणि एक स्वयं-स्पष्टीकरणात्मक मॉडेल तयार करण्यासाठी काम केलेल्या उदाहरणांसह एकत्र केले गेले.मॉडेल चार टप्प्यात विकसित केले गेले: सिम्युलेशन नंतर प्रतिबिंबित शिक्षण संवादाची तयारी, प्रतिबिंबित शिक्षण संवादाची सुरुवात, विश्लेषण/प्रतिबिंब आणि डीब्रीफिंग (आकृती 1).प्रत्येक टप्प्याच्या तपशीलांची खाली चर्चा केली आहे.
मॉडेलचा तयारीचा टप्पा पुढील टप्प्यासाठी सहभागींना मानसिकदृष्ट्या तयार करण्यासाठी आणि मनोवैज्ञानिक सुरक्षितता सुनिश्चित करताना त्यांचा सक्रिय सहभाग आणि गुंतवणूक वाढविण्यासाठी डिझाइन केले आहे [36, 47].या टप्प्यात उद्देश आणि उद्दिष्टांचा परिचय समाविष्ट आहे;RLC चा अपेक्षित कालावधी;RLC दरम्यान फॅसिलिटेटर आणि सहभागींच्या अपेक्षा;साइट अभिमुखता आणि सिम्युलेशन सेटअप;शिकण्याच्या वातावरणात गोपनीयतेची खात्री करणे आणि मानसिक सुरक्षितता वाढवणे आणि वाढवणे.RLC मॉडेलच्या प्री-डेव्हलपमेंट टप्प्यात सह-डिझाइन वर्किंग ग्रुपच्या खालील प्रतिनिधी प्रतिसादांचा विचार केला गेला.सहभागी 7: “प्राथमिक काळजी नर्स प्रॅक्टिशनर म्हणून, जर मी परिस्थितीचा संदर्भ न घेता सिम्युलेशनमध्ये भाग घेत असेन आणि वयस्कर प्रौढ उपस्थित असतील, तर माझी मानसिक सुरक्षा आहे असे मला वाटत नाही तोपर्यंत मी पोस्ट-सिम्युलेशन संभाषणात भाग घेणे टाळू शकेन. आदरणीयआणि मी सिम्युलेशन नंतर संभाषणात भाग घेणे टाळतो."संरक्षित व्हा आणि कोणतेही परिणाम होणार नाहीत."सहभागी 4: “मला विश्वास आहे की लक्ष केंद्रित करणे आणि मूलभूत नियम लवकर स्थापित करणे सिम्युलेशन नंतर शिकणाऱ्यांना मदत करेल.चिंतनशील शिक्षण संभाषणांमध्ये सक्रिय सहभाग."
RLC मॉडेलच्या सुरुवातीच्या टप्प्यांमध्ये सहभागीच्या भावनांचा शोध घेणे, अंतर्निहित प्रक्रियेचे वर्णन करणे आणि परिस्थितीचे निदान करणे आणि सहभागीच्या सकारात्मक आणि नकारात्मक अनुभवांची यादी करणे समाविष्ट आहे, परंतु विश्लेषण नाही.या टप्प्यावरील मॉडेल उमेदवारांना स्वयं- आणि कार्याभिमुख होण्यासाठी प्रोत्साहित करण्यासाठी तसेच सखोल विश्लेषण आणि सखोल प्रतिबिंब [२४, ३६] साठी मानसिकरित्या तयार करण्यासाठी तयार केले गेले आहे.संज्ञानात्मक ओव्हरलोडचा संभाव्य जोखीम कमी करणे हे ध्येय आहे [४८], विशेषत: जे मॉडेलिंगच्या विषयावर नवीन आहेत आणि ज्यांना कौशल्य/विषयाचा पूर्वीचा क्लिनिकल अनुभव नाही [४९].सहभागींना सिम्युलेटेड केसचे थोडक्यात वर्णन करण्यास सांगणे आणि निदान शिफारशी करण्यास सांगणे फॅसिलिटेटरला हे सुनिश्चित करण्यात मदत करेल की विस्तारित विश्लेषण/प्रतिबिंब टप्प्यावर जाण्यापूर्वी गटातील विद्यार्थ्यांना केसची मूलभूत आणि सामान्य समज आहे.याव्यतिरिक्त, या टप्प्यावर सहभागींना त्यांच्या भावना सिम्युलेटेड परिस्थितींमध्ये सामायिक करण्यासाठी आमंत्रित केल्याने त्यांना परिस्थितीच्या भावनिक तणावावर मात करण्यात मदत होईल, ज्यामुळे शिक्षण वाढेल [24, 36].भावनिक समस्यांना संबोधित केल्याने सहभागींच्या भावनांचा वैयक्तिक आणि गट कार्यक्षमतेवर कसा परिणाम होतो हे समजण्यास RLC फॅसिलिटेटरला मदत होईल आणि प्रतिबिंब/विश्लेषण टप्प्यात यावर गंभीरपणे चर्चा केली जाऊ शकते.प्लस/डेल्टा पद्धत मॉडेलच्या या टप्प्यात प्रतिबिंब/विश्लेषण टप्प्यासाठी एक पूर्वतयारी आणि निर्णायक पाऊल म्हणून तयार केली आहे [४६].प्लस/डेल्टा दृष्टीकोन वापरून, सहभागी आणि विद्यार्थी दोघेही त्यांची निरीक्षणे, भावना आणि अनुकरणाचे अनुभव प्रक्रिया/सूचीबद्ध करू शकतात, ज्याची नंतर मॉडेलच्या प्रतिबिंब/विश्लेषणाच्या टप्प्यात चर्चा केली जाऊ शकते [४६].हे क्लिनिकल तर्क [24, 48, 49] अनुकूल करण्यासाठी लक्ष्यित आणि प्राधान्यकृत शिक्षण संधींद्वारे मेटाकॉग्निटिव्ह स्थिती प्राप्त करण्यास मदत करेल.RLC मॉडेलच्या सुरुवातीच्या विकासादरम्यान सह-डिझाइन वर्किंग ग्रुपच्या खालील प्रतिनिधी प्रतिसादांचा विचार केला गेला.सहभागी 2: “मला वाटते की एक रुग्ण म्हणून ज्याला पूर्वी ICU मध्ये दाखल करण्यात आले होते, आम्ही नक्कल केलेल्या विद्यार्थ्यांच्या भावना आणि भावनांचा विचार करणे आवश्यक आहे.मी हा मुद्दा उपस्थित करतो कारण माझ्या प्रवेशादरम्यान मी उच्च पातळीचा ताण आणि चिंता पाहिली, विशेषत: गंभीर काळजी घेणाऱ्यांमध्ये.आणि आपत्कालीन परिस्थिती.या मॉडेलने अनुभवाचे अनुकरण करण्याशी संबंधित ताण आणि भावना विचारात घेतल्या पाहिजेत.सहभागी 16: “माझ्यासाठी एक शिक्षक म्हणून, मला प्लस/डेल्टा दृष्टीकोन वापरणे खूप महत्वाचे वाटते जेणेकरुन विद्यार्थ्यांना सिम्युलेशन परिस्थितीत आलेल्या चांगल्या गोष्टी आणि गरजांचा उल्लेख करून सक्रियपणे सहभागी होण्यासाठी प्रोत्साहित केले जाईल.सुधारणेसाठी क्षेत्रे. ”
जरी मॉडेलचे मागील टप्पे गंभीर असले तरी, विश्लेषण/प्रतिबिंब टप्पा हे क्लिनिकल तर्काचे ऑप्टिमायझेशन साध्य करण्यासाठी सर्वात महत्वाचे आहे.हे प्रगत विश्लेषण/संश्लेषण आणि क्लिनिकल अनुभव, क्षमता आणि मॉडेल केलेल्या विषयांच्या प्रभावावर आधारित सखोल विश्लेषण प्रदान करण्यासाठी डिझाइन केलेले आहे;आरएलसी प्रक्रिया आणि रचना;संज्ञानात्मक ओव्हरलोड टाळण्यासाठी प्रदान केलेल्या माहितीचे प्रमाण;चिंतनशील प्रश्नांचा प्रभावी वापर.विद्यार्थी-केंद्रित आणि सक्रिय शिक्षण साध्य करण्याच्या पद्धती.या टप्प्यावर, अनुभव आणि क्षमतेच्या विविध स्तरांना सामावून घेण्यासाठी नैदानिक ​​अनुभव आणि सिम्युलेशन विषयांची ओळख तीन भागांमध्ये विभागली गेली आहे: प्रथम: कोणताही पूर्वीचा क्लिनिकल व्यावसायिक अनुभव नाही / सिम्युलेशन विषयांचा मागील एक्सपोजर नाही, दुसरा: क्लिनिकल व्यावसायिक अनुभव, ज्ञान आणि कौशल्ये/ काहीही नाही.मॉडेलिंग विषयांचे मागील प्रदर्शन.तिसरा: क्लिनिकल व्यावसायिक अनुभव, ज्ञान आणि कौशल्ये.मॉडेलिंग विषयांसाठी व्यावसायिक/मागील एक्सपोजर.वर्गीकरण एकाच गटातील भिन्न अनुभव आणि क्षमता स्तर असलेल्या लोकांच्या गरजा सामावून घेण्यासाठी केले जाते, ज्यामुळे कमी अनुभवी अभ्यासकांच्या विश्लेषणात्मक तर्क वापरण्याच्या प्रवृत्तीला अधिक अनुभवी अभ्यासकांच्या प्रवृत्तीसह विश्लेषणात्मक तर्क कौशल्ये वापरण्याची प्रवृत्ती संतुलित केली जाते [19, 20, 34]., 37].RLC प्रक्रियेची रचना क्लिनिकल तर्क चक्र [१०], प्रतिबिंबित मॉडेलिंग फ्रेमवर्क [४७] आणि अनुभवात्मक शिक्षण सिद्धांत [५०] भोवती केली गेली.हे अनेक प्रक्रियांद्वारे साध्य केले जाते: व्याख्या, भिन्नता, संप्रेषण, अनुमान आणि संश्लेषण.
संज्ञानात्मक ओव्हरलोड टाळण्यासाठी, आत्म-विश्वास प्राप्त करण्यासाठी सहभागींना प्रतिबिंबित करण्यासाठी, विश्लेषण करण्यासाठी आणि संश्लेषित करण्यासाठी पुरेसा वेळ आणि संधींसह शिकाऊ-केंद्रित आणि चिंतनशील बोलण्याच्या प्रक्रियेला चालना देण्याचा विचार केला गेला.RLC दरम्यान संज्ञानात्मक प्रक्रिया दुहेरी-लूप फ्रेमवर्क [३७] आणि संज्ञानात्मक लोड सिद्धांत [४८] वर आधारित एकत्रीकरण, पुष्टीकरण, आकार आणि एकत्रीकरण प्रक्रियेद्वारे संबोधित केल्या जातात.संरचित संवाद प्रक्रिया असणे आणि परावर्तनासाठी पुरेसा वेळ देणे, अनुभवी आणि अननुभवी दोन्ही सहभागींना लक्षात घेऊन, संज्ञानात्मक भाराचा संभाव्य जोखीम कमी करेल, विशेषत: विविध पूर्वीचे अनुभव, एक्सपोजर आणि सहभागींच्या क्षमतेच्या पातळीसह जटिल सिम्युलेशनमध्ये.देखावा नंतर.मॉडेलचे परावर्तक प्रश्न तंत्र ब्लूमच्या वर्गीकरण मॉडेल [५१] आणि कौतुकात्मक चौकशी (एआय) पद्धती [४५] वर आधारित आहे, ज्यामध्ये मॉडेल केलेले फॅसिलिटेटर टप्प्याटप्प्याने, सॉक्रेटिक आणि चिंतनशील पद्धतीने विषयाशी संपर्क साधतात.ज्ञानावर आधारित प्रश्नांपासून सुरुवात करून प्रश्न विचारा.आणि तर्काशी संबंधित कौशल्ये आणि समस्यांचे निराकरण करणे.हे प्रश्न तंत्र सक्रिय सहभागींच्या सहभागास प्रोत्साहन देऊन आणि संज्ञानात्मक ओव्हरलोडच्या कमी जोखमीसह प्रगतीशील विचारांना प्रोत्साहन देऊन क्लिनिकल तर्काचे ऑप्टिमायझेशन सुधारेल.RLC मॉडेल डेव्हलपमेंटच्या विश्लेषण/प्रतिबिंब टप्प्यात सह-डिझाइन वर्किंग ग्रुपच्या खालील प्रतिनिधी प्रतिसादांचा विचार केला गेला.सहभागी 13: “संज्ञानात्मक ओव्हरलोड टाळण्यासाठी, पोस्ट-सिम्युलेशन शिक्षण संभाषणांमध्ये व्यस्त असताना आम्हाला माहितीचे प्रमाण आणि प्रवाह विचारात घेणे आवश्यक आहे आणि हे करण्यासाठी, मला वाटते की विद्यार्थ्यांना प्रतिबिंबित करण्यासाठी आणि मूलभूत गोष्टींसह प्रारंभ करण्यासाठी पुरेसा वेळ देणे महत्वाचे आहे. .ज्ञान.संभाषण आणि कौशल्ये सुरू करतात, नंतर मेटाकॉग्निशन साध्य करण्यासाठी ज्ञान आणि कौशल्यांच्या उच्च स्तरावर जातात.सहभागी 9: "माझा ठाम विश्वास आहे की प्रशंसनीय चौकशी (AI) तंत्रांचा वापर करून प्रश्न विचारण्याच्या पद्धती आणि ब्लूमचे वर्गीकरण मॉडेल वापरून परावर्तित प्रश्न विचारण्यामुळे संज्ञानात्मक ओव्हरलोडची शक्यता कमी करताना सक्रिय शिक्षण आणि शिकाऊ-केंद्रिततेला प्रोत्साहन मिळेल."मॉडेलच्या डीब्रीफिंग टप्प्याचा उद्देश RLC दरम्यान उपस्थित केलेल्या शिकण्याच्या मुद्द्यांचा सारांश देणे आणि शिकण्याची उद्दिष्टे पूर्ण झाल्याची खात्री करणे आहे.सहभागी 8: "अभ्यासात जाताना सर्वात महत्वाच्या मुख्य कल्पना आणि मुख्य पैलूंवर शिकणारा आणि सुविधा देणारा दोघेही सहमत असणे खूप महत्वाचे आहे."
प्रोटोकॉल क्रमांक (MRC-01-22-117) आणि (HSK/PGR/UH/04728) अंतर्गत नैतिक मान्यता प्राप्त झाली.मॉडेलच्या उपयोगिता आणि व्यावहारिकतेचे मूल्यमापन करण्यासाठी तीन व्यावसायिक गहन काळजी सिम्युलेशन कोर्समध्ये मॉडेलची चाचणी घेण्यात आली.स्वरूप, व्याकरण आणि प्रक्रियेशी संबंधित समस्या दुरुस्त करण्यासाठी सह-डिझाइन वर्किंग ग्रुप (N = 18) आणि शैक्षणिक संचालक (N = 6) म्हणून काम करणाऱ्या शैक्षणिक तज्ञांनी मॉडेलच्या फेस वैधतेचे मूल्यांकन केले.फेस वैधतेनंतर, सामग्रीची वैधता वरिष्ठ परिचारिका शिक्षकांद्वारे निर्धारित केली गेली होती (N = 6) ज्यांना अमेरिकन नर्सेस क्रेडेन्शियल सेंटर (ANCC) द्वारे प्रमाणित केले गेले होते आणि शैक्षणिक नियोजक म्हणून काम केले होते आणि (N = 6) ज्यांचे शिक्षण 10 वर्षांपेक्षा जास्त होते आणि शिकवण्याचा अनुभव.कामाचा अनुभव शैक्षणिक संचालकांनी (N = 6) मूल्यांकन केले होते.मॉडेलिंगचा अनुभव.सामग्री वैधता प्रमाण (CVR) आणि सामग्री वैधता निर्देशांक (CVI) वापरून सामग्रीची वैधता निर्धारित केली गेली.सीव्हीआयचा अंदाज लावण्यासाठी लॉशे पद्धत [५२] वापरली गेली आणि सीव्हीआरचा अंदाज लावण्यासाठी वॉल्ट्झ आणि बौसेल [५३] पद्धत वापरली गेली.CVR प्रकल्प आवश्यक आहेत, उपयुक्त आहेत, परंतु आवश्यक किंवा पर्यायी नाहीत.CVI ला प्रासंगिकता, साधेपणा आणि स्पष्टतेवर आधारित चार-पॉइंट स्केलवर स्कोअर केले जाते, 1 = संबंधित नाही, 2 = काहीसे संबंधित, 3 = संबंधित आणि 4 = अतिशय संबंधित.चेहरा आणि सामग्रीची वैधता सत्यापित केल्यानंतर, प्रात्यक्षिक कार्यशाळांव्यतिरिक्त, मॉडेलचा वापर करणार्या शिक्षकांसाठी अभिमुखता आणि अभिमुखता सत्रे आयोजित केली गेली.
वर्क ग्रुप इंटेन्सिव्ह केअर युनिट्स (आकडे 1, 2, आणि 3) मध्ये SBE मध्ये सहभागादरम्यान क्लिनिकल तर्क कौशल्ये ऑप्टिमाइझ करण्यासाठी पोस्ट-सिम्युलेशन RLC मॉडेल विकसित आणि चाचणी करण्यास सक्षम होते.CVR = 1.00, CVI = 1.00, योग्य चेहरा आणि सामग्री वैधता प्रतिबिंबित करते [52, 53].
मॉडेल SBE गटासाठी तयार केले गेले होते, जेथे समान किंवा भिन्न स्तर अनुभव, ज्ञान आणि ज्येष्ठता असलेल्या सहभागींसाठी रोमांचक आणि आव्हानात्मक परिस्थिती वापरली जाते.RLC संकल्पनात्मक मॉडेल INACSL फ्लाइट सिम्युलेशन विश्लेषण मानकांनुसार विकसित केले गेले आहे [३६] आणि ते शिकाऊ-केंद्रित आणि स्वयं-स्पष्टीकरणात्मक आहे, ज्यामध्ये कार्य केलेल्या उदाहरणांचा समावेश आहे (आकडे 1, 2 आणि 3).मॉडेलिंग मानकांची पूर्तता करण्यासाठी हे मॉडेल हेतुपुरस्सर विकसित केले गेले आणि चार टप्प्यात विभागले गेले: ब्रीफिंगसह प्रारंभ, त्यानंतर प्रतिबिंबित विश्लेषण/संश्लेषण आणि माहिती आणि सारांशाने समाप्त.संज्ञानात्मक ओव्हरलोडचा संभाव्य धोका टाळण्यासाठी, मॉडेलचा प्रत्येक टप्पा हेतूपूर्वक पुढील टप्प्यासाठी पूर्व शर्त म्हणून डिझाइन केला आहे [34].
RLC मधील सहभागावर ज्येष्ठता आणि गट सुसंवाद घटकांच्या प्रभावाचा पूर्वी अभ्यास केला गेला नाही [38].सिम्युलेशन प्रॅक्टिस [३४, ३७] मधील दुहेरी लूप आणि संज्ञानात्मक ओव्हरलोड सिद्धांताच्या व्यावहारिक संकल्पना लक्षात घेऊन, एकाच सिम्युलेशन गटातील सहभागींच्या विविध अनुभव आणि क्षमता स्तरांसह गट SBE मध्ये भाग घेणे हे एक आव्हान आहे हे लक्षात घेणे आवश्यक आहे.माहितीचे प्रमाण, प्रवाह आणि शिक्षणाची संरचना, तसेच हायस्कूल आणि कनिष्ठ हायस्कूल या दोन्ही विद्यार्थ्यांद्वारे एकाच वेळी वेगवान आणि मंद संज्ञानात्मक प्रक्रियांचा वापर केल्यामुळे संज्ञानात्मक ओव्हरलोडचा संभाव्य धोका निर्माण होतो [18, 38, 46].अविकसित आणि/किंवा सबऑप्टिमल क्लिनिकल तर्क [18, 38] टाळण्यासाठी RLC मॉडेल विकसित करताना हे घटक विचारात घेतले गेले.हे लक्षात घेणे महत्त्वाचे आहे की विविध स्तरावरील ज्येष्ठता आणि सक्षमतेसह RLC आयोजित केल्याने वरिष्ठ सहभागींमध्ये वर्चस्वाचा प्रभाव पडतो.हे घडते कारण प्रगत सहभागी मूलभूत संकल्पना शिकणे टाळतात, जे तरुण सहभागींसाठी मेटाकॉग्निशन साध्य करण्यासाठी आणि उच्च-स्तरीय विचार आणि तर्क प्रक्रियांमध्ये प्रवेश करण्यासाठी महत्त्वपूर्ण आहे [38, 47].RLC मॉडेल वरिष्ठ आणि कनिष्ठ परिचारिकांना कौतुकास्पद चौकशी आणि डेल्टा दृष्टीकोन [45, 46, 51] द्वारे व्यस्त ठेवण्यासाठी डिझाइन केले आहे.या पद्धतींचा वापर करून, भिन्न क्षमता आणि अनुभवाच्या स्तरांसह वरिष्ठ आणि कनिष्ठ सहभागींचे विचार आयटमद्वारे आयटम सादर केले जातील आणि डीब्रीफिंग मॉडरेटर आणि सह-मॉडरेटरद्वारे प्रतिबिंबितपणे चर्चा केली जाईल [45, 51].सिम्युलेशन सहभागींच्या इनपुट व्यतिरिक्त, डीब्रीफिंग फॅसिलिटेटर हे सुनिश्चित करण्यासाठी त्यांचे इनपुट जोडतो की सर्व सामूहिक निरीक्षणे प्रत्येक शिकण्याच्या क्षणाला सर्वसमावेशकपणे कव्हर करतात, ज्यामुळे क्लिनिकल तर्क [१०] ऑप्टिमाइझ करण्यासाठी मेटाकॉग्निशन वाढवते.
RLC मॉडेलचा वापर करून माहितीचा प्रवाह आणि शिक्षणाची रचना पद्धतशीर आणि बहु-चरण प्रक्रियेद्वारे संबोधित केली जाते.हे डिब्रीफिंग फॅसिलिटेटर्सना मदत करण्यासाठी आणि पुढील टप्प्यावर जाण्यापूर्वी प्रत्येक सहभागी प्रत्येक टप्प्यावर स्पष्टपणे आणि आत्मविश्वासाने बोलतो याची खात्री करण्यासाठी आहे.नियंत्रक चिंतनशील चर्चा सुरू करण्यास सक्षम असेल ज्यामध्ये सर्व सहभागी भाग घेतात आणि अशा बिंदूवर पोहोचतात जेथे भिन्न ज्येष्ठता आणि क्षमता स्तरांचे सहभागी पुढील [38] वर जाण्यापूर्वी प्रत्येक चर्चा बिंदूसाठी सर्वोत्तम पद्धतींवर सहमती दर्शवतात.हा दृष्टिकोन वापरल्याने अनुभवी आणि सक्षम सहभागींना त्यांचे योगदान/निरीक्षण सामायिक करण्यात मदत होईल, तर कमी अनुभवी आणि सक्षम सहभागींच्या योगदानाचे/निरीक्षणांचे मूल्यांकन आणि चर्चा केली जाईल [३८].तथापि, हे उद्दिष्ट साध्य करण्यासाठी, सूत्रधारांना चर्चेचा समतोल साधण्याचे आणि वरिष्ठ आणि कनिष्ठ सहभागींना समान संधी उपलब्ध करून देण्याचे आव्हान पेलावे लागेल.यासाठी, ब्लूमचे वर्गीकरण मॉडेल वापरून मॉडेल सर्वेक्षण पद्धत हेतुपुरस्सर विकसित केली गेली, जी मूल्यमापनात्मक सर्वेक्षण आणि ॲडिटीव्ह/डेल्टा पद्धत [४५, ४६, ५१] एकत्र करते.या तंत्रांचा वापर करून आणि केंद्रिय प्रश्न/चिंतनशील चर्चांचे ज्ञान आणि समजून घेऊन सुरुवात केल्याने कमी अनुभवी सहभागींना चर्चेत भाग घेण्यास आणि सक्रियपणे भाग घेण्यास प्रोत्साहित केले जाईल, त्यानंतर सूत्रधार प्रश्न/चर्चा यांचे मूल्यमापन आणि संश्लेषणाच्या उच्च स्तरावर जाईल. ज्यामध्ये दोन्ही पक्षांना वरिष्ठ आणि कनिष्ठ सहभागींना त्यांच्या पूर्वीच्या अनुभवाच्या आधारे आणि क्लिनिकल कौशल्ये किंवा सिम्युलेटेड परिस्थितीच्या अनुभवावर आधारित सहभागी होण्याची समान संधी द्यावी लागेल.हा दृष्टिकोन कमी अनुभवी सहभागींना सक्रियपणे सहभागी होण्यास मदत करेल आणि अधिक अनुभवी सहभागींनी सामायिक केलेल्या अनुभवांचा तसेच डीब्रीफिंग फॅसिलिटेटरच्या इनपुटचा फायदा होईल.दुसरीकडे, मॉडेल केवळ विविध सहभागी क्षमता आणि अनुभव पातळी असलेल्या SBE साठीच नाही तर समान अनुभव आणि क्षमता स्तर असलेल्या SBE गटातील सहभागींसाठी देखील डिझाइन केलेले आहे.हे मॉडेल ज्ञान आणि समज यावर लक्ष केंद्रित करण्यापासून ते शिकण्याची उद्दिष्टे साध्य करण्यासाठी संश्लेषण आणि मूल्यमापनावर लक्ष केंद्रित करण्यासाठी गटाची सुरळीत आणि पद्धतशीर हालचाल सुलभ करण्यासाठी डिझाइन केले होते.मॉडेल रचना आणि प्रक्रिया वेगवेगळ्या आणि समान क्षमता आणि अनुभव स्तरांच्या मॉडेलिंग गटांना अनुरूप बनवल्या जातात.
याव्यतिरिक्त, जरी RLC च्या संयोगाने हेल्थकेअरमधील SBE चा उपयोग चिकित्सकांमध्ये नैदानिक ​​तर्क आणि क्षमता विकसित करण्यासाठी केला जातो [22,30,38], तथापि, केसची जटिलता आणि संज्ञानात्मक ओव्हरलोडच्या संभाव्य जोखमींशी संबंधित संबंधित घटक विचारात घेतले पाहिजेत, विशेषत: जेव्हा सहभागींनी SBE परिस्थितींचे नक्कल केलेले अत्यंत जटिल, गंभीर आजारी रुग्णांना त्वरित हस्तक्षेप आणि गंभीर निर्णय घेण्याची आवश्यकता असते [2,18,37,38,47,48].यासाठी, SBE मध्ये सहभागी होताना विश्लेषणात्मक आणि गैर-विश्लेषणात्मक तर्क प्रणालींमध्ये एकाच वेळी स्विच करण्याची अनुभवी आणि कमी अनुभवी सहभागींची प्रवृत्ती लक्षात घेणे आणि पुरावा-आधारित दृष्टिकोन स्थापित करणे महत्वाचे आहे जे वृद्ध आणि तरुण दोघांनाही अनुमती देईल. विद्यार्थ्यांनी शिकण्याच्या प्रक्रियेत सक्रिय सहभाग घ्यावा.अशा प्रकारे, मॉडेलची रचना अशा प्रकारे केली गेली होती की, सादर केलेल्या सिम्युलेटेड केसची जटिलता लक्षात न घेता, फॅसिलिटेटरने हे सुनिश्चित केले पाहिजे की वरिष्ठ आणि कनिष्ठ दोन्ही सहभागींच्या ज्ञानाचे आणि पार्श्वभूमीच्या आकलनाचे पैलू प्रथम कव्हर केले जातील आणि नंतर हळूहळू आणि प्रतिक्षेपितपणे विकसित केले जातील. विश्लेषण सुलभ करा.संश्लेषण आणि समज.मूल्यांकनात्मक पैलू.हे तरुण विद्यार्थ्यांना त्यांनी जे शिकले आहे ते तयार आणि एकत्रित करण्यात मदत करेल आणि जुन्या विद्यार्थ्यांना नवीन ज्ञान संश्लेषित करण्यात आणि विकसित करण्यात मदत होईल.हे तर्क प्रक्रियेच्या आवश्यकता पूर्ण करेल, प्रत्येक सहभागीचा पूर्वीचा अनुभव आणि क्षमता लक्षात घेऊन, आणि हायस्कूल आणि कनिष्ठ हायस्कूलच्या विद्यार्थ्यांच्या एकाच वेळी विश्लेषणात्मक आणि गैर-विश्लेषणात्मक तर्क प्रणालींमध्ये जाण्याच्या प्रवृत्तीला संबोधित करणारे एक सामान्य स्वरूप असेल. क्लिनिकल तर्काचे ऑप्टिमायझेशन सुनिश्चित करणे.
याव्यतिरिक्त, सिम्युलेशन फॅसिलिटेटर/डिब्रीफर्सना सिम्युलेशन डीब्रीफिंग कौशल्यांमध्ये प्रभुत्व मिळवण्यात अडचण येऊ शकते.संज्ञानात्मक डिब्रीफिंग स्क्रिप्ट्सचा वापर स्क्रिप्ट वापरत नसलेल्या लोकांच्या तुलनेत ज्ञान संपादन आणि वर्तणूक कौशल्ये सुधारण्यासाठी प्रभावी असल्याचे मानले जाते [54].परिस्थिती हे एक संज्ञानात्मक साधन आहे जे शिक्षकांचे मॉडेलिंग कार्य सुलभ करू शकते आणि डीब्रीफिंग कौशल्ये सुधारू शकते, विशेषत: शिक्षकांसाठी जे अद्याप त्यांचा डीब्रीफिंग अनुभव एकत्रित करत आहेत [55].अधिक उपयोगिता प्राप्त करा आणि वापरकर्ता-अनुकूल मॉडेल विकसित करा.(आकृती 2 आणि आकृती 3).
सध्या उपलब्ध सिम्युलेशन विश्लेषण आणि मार्गदर्शित रिफ्लेक्शन मॉडेल्समध्ये प्लस/डेल्टा, कौतुकात्मक सर्वेक्षण आणि ब्लूमच्या वर्गीकरण सर्वेक्षण पद्धतींचे समांतर एकीकरण अद्याप संबोधित केलेले नाही.या पद्धतींचे एकत्रीकरण RLC मॉडेलच्या नावीन्यपूर्णतेवर प्रकाश टाकते, ज्यामध्ये क्लिनिकल तर्क आणि शिकाऊ-केंद्रिततेचे ऑप्टिमायझेशन साध्य करण्यासाठी या पद्धती एकाच स्वरूपात एकत्रित केल्या जातात.वैद्यकीय शिक्षकांना RLC मॉडेल वापरून SBE मॉडेलिंग गटाचा फायदा होऊ शकतो आणि सहभागींच्या नैदानिक ​​तर्क क्षमता सुधारण्यासाठी आणि ऑप्टिमाइझ करण्यासाठी.मॉडेलची परिस्थिती शिक्षकांना परावर्तित डिब्रीफिंग प्रक्रियेत प्रभुत्व मिळविण्यात मदत करू शकते आणि आत्मविश्वास आणि सक्षम डीब्रीफिंग फॅसिलिटेटर बनण्यासाठी त्यांची कौशल्ये मजबूत करू शकतात.
SBE मध्ये पुतळा-आधारित SBE, टास्क सिम्युलेटर, पेशंट सिम्युलेटर, प्रमाणित रूग्ण, आभासी आणि संवर्धित वास्तविकता यासह अनेक भिन्न पद्धती आणि तंत्रांचा समावेश असू शकतो.रिपोर्टिंग हा एक महत्त्वाचा मॉडेलिंग निकष आहे हे लक्षात घेऊन, हे मोड वापरताना सिम्युलेटेड RLC मॉडेल रिपोर्टिंग मॉडेल म्हणून वापरले जाऊ शकते.शिवाय, जरी हे मॉडेल नर्सिंग शिस्तीसाठी विकसित केले गेले असले तरी, त्यात इंटरप्रोफेशनल हेल्थकेअर SBE मध्ये वापरण्याची क्षमता आहे, ज्यामुळे आंतरव्यावसायिक शिक्षणासाठी RLC मॉडेलची चाचणी घेण्यासाठी भविष्यातील संशोधन उपक्रमांची आवश्यकता अधोरेखित होईल.
SBE इंटेन्सिव्ह केअर युनिट्समध्ये नर्सिंग केअरसाठी पोस्ट-सिम्युलेशन RLC मॉडेलचा विकास आणि मूल्यमापन.इतर आरोग्य सेवा शाखांमध्ये आणि आंतरव्यावसायिक SBE मध्ये वापरण्यासाठी मॉडेलची सामान्यता वाढवण्यासाठी भविष्यातील मूल्यमापन/प्रमाणीकरणाची शिफारस केली जाते.
हे मॉडेल सिद्धांत आणि संकल्पनेवर आधारित संयुक्त कार्यगटाने विकसित केले होते.मॉडेलची वैधता आणि सामान्यीकरण सुधारण्यासाठी, तुलनात्मक अभ्यासासाठी वर्धित विश्वासार्हता उपायांचा वापर भविष्यात विचारात घेतला जाऊ शकतो.
सराव त्रुटी कमी करण्यासाठी, सुरक्षित आणि योग्य क्लिनिकल निर्णय घेणे सुनिश्चित करण्यासाठी प्रॅक्टिशनर्सकडे प्रभावी क्लिनिकल तर्क कौशल्य असणे आवश्यक आहे.डीब्रीफिंग तंत्र म्हणून SBE RLC चा वापर केल्याने नैदानिक ​​तर्क विकसित करण्यासाठी आवश्यक ज्ञान आणि व्यावहारिक कौशल्यांच्या विकासास प्रोत्साहन मिळते.तथापि, क्लिनिकल तर्काचे बहुआयामी स्वरूप, पूर्वीचे अनुभव आणि प्रदर्शनाशी संबंधित, क्षमतेतील बदल, माहितीचे प्रमाण आणि प्रवाह आणि सिम्युलेशन परिस्थितीची जटिलता, पोस्ट-सिम्युलेशन RLC मॉडेल विकसित करण्याचे महत्त्व अधोरेखित करते ज्याद्वारे क्लिनिकल तर्क सक्रियपणे होऊ शकतात. आणि प्रभावीपणे अंमलबजावणी.कौशल्येया घटकांकडे दुर्लक्ष केल्याने अविकसित आणि सबऑप्टिमल क्लिनिकल तर्क होऊ शकतो.RLC मॉडेल समूह सिम्युलेशन क्रियाकलापांमध्ये सहभागी होताना क्लिनिकल तर्क अनुकूल करण्यासाठी या घटकांना संबोधित करण्यासाठी विकसित केले गेले.हे ध्येय साध्य करण्यासाठी, मॉडेल एकाच वेळी प्लस/मायनस मूल्यांकनात्मक चौकशी आणि ब्लूमच्या वर्गीकरणाचा वापर एकत्रित करते.
सध्याच्या अभ्यासादरम्यान वापरलेले आणि/किंवा विश्लेषण केलेले डेटासेट संबंधित लेखकाकडून वाजवी विनंतीवर उपलब्ध आहेत.
डॅनियल एम, रेन्सिक जे, डर्निंग एसजे, होल्म्बो ई, सँटेन एसए, लँग डब्ल्यू, रॅटक्लिफ टी, गॉर्डन डी, हेस्ट बी, लुबार्स्की एस, एस्ट्राडा केए.क्लिनिकल तर्काचे मूल्यांकन करण्याच्या पद्धती: शिफारसींचे पुनरावलोकन करा आणि सराव करा.अकादमी ऑफ मेडिकल सायन्सेस.2019;94(6):902–12.
यंग एमई, थॉमस ए., लुबार्स्की एस., गॉर्डन डी., ग्रुपेन एलडी, रेन्सिच जे., बॅलार्ड टी., होल्म्बोई ई., दा सिल्वा ए., रॅटक्लिफ टी., शुविर्थ एल. आरोग्य व्यवसायांमधील नैदानिक ​​कारणावरील साहित्य तुलना : एक स्कोपिंग पुनरावलोकन.बीएमसी वैद्यकीय शिक्षण.2020;20(1):1–1.
ग्युरेरो जेजी.नर्सिंग प्रॅक्टिस रिझनिंग मॉडेल: नर्सिंगमध्ये क्लिनिकल रिझनिंग, निर्णय घेणे आणि निर्णयाची कला आणि विज्ञान.नर्सचे जर्नल उघडा.2019;9(2):79–88.
अल्मोमनी ई, अलराउच टी, सादा ओ, अल नसूर ए, कांबळे एम, सॅम्युअल जे, अटाल्लाह के, मुस्तफा ई. गंभीर काळजीमध्ये क्लिनिकल लर्निंग आणि अध्यापन पद्धती म्हणून प्रतिबिंबित शिक्षण संवाद.कतार मेडिकल जर्नल.2020;2019;1(1):64.
Mamed S., Van Gogh T., Sampaio AM, de Faria RM, Maria JP, Schmidt HG क्लिनिकल केसेसच्या सरावाने विद्यार्थ्यांच्या निदान कौशल्यांचा कसा फायदा होतो?समान आणि नवीन विकारांच्या भविष्यातील निदानांवर संरचित प्रतिबिंबांचे परिणाम.अकादमी ऑफ मेडिकल सायन्सेस.2014;89(1):121–7.
टुटिची एन, थिओबाल्ड केए, रॅम्सबोथम जे, जॉन्स्टन एस. एक्सप्लोरिंग निरीक्षक भूमिका आणि सिम्युलेशनमध्ये क्लिनिकल तर्क: एक स्कोपिंग पुनरावलोकन.परिचारिका शिक्षण सराव 2022 जानेवारी 20: 103301.
एडवर्ड्स I, जोन्स एम, कार जे, ब्रॉनॅक-मेयर ए, जेन्सेन जीएम.फिजिकल थेरपीमध्ये क्लिनिकल तर्क धोरण.फिजिओथेरपी.2004;84(4):312–30.
कुइपर आर, पेसुट डी, कौट्झ डी. वैद्यकीय विद्यार्थ्यांमधील नैदानिक ​​तर्क कौशल्यांच्या स्व-नियमनास प्रोत्साहन देणे.ओपन जर्नल नर्स 2009;3:76.
Levett-Jones T, Hoffman K, Dempsey J, Jeon SY, Noble D, Norton KA, Roche J, Hickey N. क्लिनिकल रिझनिंगचे "पाच अधिकार": एक शैक्षणिक मॉडेल नर्सिंग विद्यार्थ्यांना ओळखण्यासाठी आणि व्यवस्थापित करण्यासाठी क्लिनिकल सक्षमता सुधारण्यासाठी जोखीम असलेले रुग्ण.आज नर्सिंगचे शिक्षण.2010;30(6):515–20.
ब्रेंटनॉल जे, ठाकरे डी, जड बी. प्लेसमेंट आणि सिम्युलेशन सेटिंग्जमध्ये वैद्यकीय विद्यार्थ्यांच्या क्लिनिकल तर्काचे मूल्यांकन: एक पद्धतशीर पुनरावलोकन.इंटरनॅशनल जर्नल ऑफ एन्व्हायर्नमेंटल रिसर्च, पब्लिक हेल्थ.2022;19(2):936.
चेंबरलेन डी, पोलॉक डब्ल्यू, फुलब्रुक पी. क्रिटिकल केअर नर्सिंगसाठी ACCCN मानक: एक पद्धतशीर पुनरावलोकन, पुरावा विकास आणि मूल्यांकन.आणीबाणी ऑस्ट्रेलिया.2018;31(5):292–302.
कुन्हा LD, Pestana-Santos M, Lomba L, Reis Santos M. पोस्टनेस्थेसिया केअरमधील क्लिनिकल रिजनिंगमधील अनिश्चितता: जटिल आरोग्य सेवा सेटिंग्जमधील अनिश्चिततेच्या मॉडेल्सवर आधारित एक एकीकृत पुनरावलोकन.जे पेरिऑपरेटिव्ह नर्स.2022;35(2):e32–40.
रिवाझ एम, टवाकोलिनिया एम, मोमेन्नासाब एम. क्रिटिकल केअर नर्सेसचे व्यावसायिक सराव वातावरण आणि नर्सिंग परिणामांशी त्याचा संबंध: एक संरचनात्मक समीकरण मॉडेलिंग अभ्यास.स्कँड जे केअरिंग सायन्स.2021;35(2):609–15.
सुवर्दियांतो एच, अस्तुती व्हीव्ही, सक्षमता.नर्सिंग आणि क्रिटिकल केअर प्रॅक्टिसेस जर्नल एक्सचेंज फॉर स्टुडंट नर्सेस इन द क्रिटिकल केअर युनिट (JSCC).STRADA मासिक Ilmia Kesehatan.2020;9(2):686–93.
Liev B, Dejen Tilahun A, Kasyu T. ज्ञान, दृष्टीकोन आणि अतिदक्षता विभागातील परिचारिकांमध्ये शारीरिक मूल्यांकनाशी संबंधित घटक: एक मल्टीसेंटर क्रॉस-सेक्शनल अभ्यास.गंभीर काळजी मध्ये संशोधन सराव.2020;9145105.
सुलिवान जे., ह्यूगिल के., ए. एलरौश टीए, मथियास जे., अल्खेटीमी एमओ पायलट मध्यपूर्व देशाच्या सांस्कृतिक संदर्भात परिचारिका आणि दाईंसाठी सक्षमतेच्या फ्रेमवर्कची अंमलबजावणी.परिचारिका शिक्षण सराव.2021;51:102969.
वांग एमएस, थोर ई, हडसन जेएन.स्क्रिप्ट सुसंगतता चाचण्यांमध्ये प्रतिसाद प्रक्रियेची वैधता तपासणे: एक विचार-मोठ्याने दृष्टीकोन.वैद्यकीय शिक्षण आंतरराष्ट्रीय जर्नल.2020; 11:127.
कांग एच, कांग एचवाय.नैदानिक ​​तर्क कौशल्ये, नैदानिक ​​क्षमता आणि शैक्षणिक समाधानावर सिम्युलेशन शिक्षणाचे परिणाम.जे कोरिया शैक्षणिक आणि औद्योगिक सहकार्य संघटना.2020;21(8):107–14.
Diekmann P, Thorgeirsen K, Kvindesland SA, Thomas L, Bushell W, Langley Ersdal H. कोविड-19 सारख्या संसर्गजन्य रोग उद्रेकांना प्रतिसाद तयार करण्यासाठी आणि सुधारण्यासाठी मॉडेलिंग वापरणे: नॉर्वे, डेन्मार्क आणि ग्रेट ब्रिटनमधील व्यावहारिक टिप्स आणि संसाधने.प्रगत मॉडेलिंग.2020;5(1):1–0.
लिओस एल, लोप्रियाटो जे, संस्थापक डी, चांग टीपी, रॉबर्टसन जेएम, अँडरसन एम, डायझ डीए, स्पेन एई, संपादक.(असोसिएट एडिटर) आणि टर्मिनोलॉजी अँड कन्सेप्ट्स वर्किंग ग्रुप, डिक्शनरी ऑफ हेल्थकेअर मॉडेलिंग - दुसरी आवृत्ती.रॉकविले, एमडी: एजन्सी फॉर हेल्थकेअर रिसर्च अँड क्वालिटी.जानेवारी 2020: 20-0019.
ब्रूक्स ए, ब्रॅचमन एस, कॅप्रालोस बी, नाकाजिमा ए, टायरमन जे, जैन एल, साल्वेट्टी एफ, गार्डनर आर, मिनेहार्ट आर, बर्टाग्नी बी. आरोग्यसेवा सिम्युलेशनसाठी ऑगमेंटेड रिॲलिटी.सर्वसमावेशक कल्याणासाठी आभासी रुग्ण तंत्रज्ञानातील नवीनतम प्रगती.गेमिफिकेशन आणि सिम्युलेशन.2020;196:103–40.
अलमरानी एमएच, अलम्मल केए, अल्काहतानी एसएस, सेलम ओए गंभीर विचार कौशल्य आणि नर्सिंग विद्यार्थ्यांमधील आत्मविश्वास यावर सिम्युलेशन आणि पारंपारिक शिक्षण पद्धतींच्या प्रभावांची तुलना.जे नर्सिंग रिसर्च सेंटर.2018;26(3):152–7.
किरनन एलके सिम्युलेशन तंत्र वापरून क्षमता आणि आत्मविश्वासाचे मूल्यांकन करतात.काळजी.2018;48(10):45.