El Registro Internacional de Datos de Simulación (ISDR, por sus siglas en inglés) se creó en 2014 y se inspira en los registros clínicos, cada vez más numerosos y utilizados. Su objetivo es mejorar la formación médica basada en la simulación (SBME) y mejorar las prácticas clínicas y los resultados de los pacientes. Recientemente se ha iniciado una colaboración estratégica entre la Society for Simulation in Healthcare y la Universidad de Toledo para actualizar el ISDR a la versión 2.0. Esta colaboración pretende aprovechar una novedosa plataforma de evaluación multimodal, mejorando las capacidades de el ISDR. El proyecto no sólo impulsa la formación médica y la atención al paciente, sino que también sienta las bases para abordar los obstáculos de la investigación, como el intercambio normalizado de datos, y mejorar la educación dentro de la comunidad de la simulación, reforzando su importancia para el futuro de la educación sanitaria y la mejora de la práctica.
DOI: https://doi.org/10.69079/simzine.H24.n14.00011
Antecedentes relevantes
La comunidad mundial de simulación sanitaria ha crecido enormemente en las dos últimas décadas. Muchos centros de simulación de todo el mundo han contribuido a los esfuerzos educativos y de investigación para optimizar los resultados de la educación médica basada en la simulación (SBME). Sin embargo, la SBME no ha alcanzado todo su potencial científico traslacional al demostrar que los enfoques eficaces de la SBME conducen a la mejora de las prácticas clínicas y, en última instancia, a mejores resultados para los pacientes[1]. La falta de infraestructura para compartir datos estandarizados de las actividades de simulación sanitaria y correlacionarlos con la práctica en todo el mundo supuso un reto a la hora de salvar las distancias.
La aparición del Registro Internacional de Datos de Simulación
El Registro Internacional de Datos de Simulación (ISDR, por sus siglas en inglés) se creó en 2014 para impulsar la SBME basada en pruebas, una mejor práctica clínica y mejores resultados para los pacientes[2]. El ISDR se inspiró en la creciente utilización de registros clínicos, que facilitan la evaluación comparativa de la calidad asistencial, la optimización de los resultados sanitarios, el control de los costes y la realización de investigaciones epidemiológicas[3]. Los registros de datos accesibles también son vitales para desarrollar herramientas y tecnologías eficaces en todos los campos y especialidades de la atención sanitaria, especialmente a medida que el aprendizaje automático y la inteligencia artificial se hacen más frecuentes [4].
El lanzamiento inicial del ISDR se centró en casos estandarizados con métricas de rendimiento claramente definidas basadas en las Directrices de la Asociación Americana del Corazón, como la parada cardiaca sin pulso[2]. El ISDR se puso en marcha en 27 instituciones, recopilando datos estandarizados que incluían (entre otros) el tipo de simulador de paciente, el entorno de simulación, la disciplina y los años de formación de los participantes en la simulación, y medidas de rendimiento objetivas clave (por ejemplo, el tiempo transcurrido hasta el inicio de la asistencia). El ISDR suscitó un interés y un impulso considerables tras su lanzamiento; sin embargo, se desvió debido a la pandemia COVID-19. .
Mejorar el ISDR con PREPARE: ISDR 2.0
En junio de 2023, la Society for Simulation in Healthcare (SSH) y la Universidad de Toledo (UToledo) iniciaron una asociación estratégica para actualizar el ISDR. El ISDR 2.0 aprovechará una novedosa plataforma de evaluación multimodal (PREPARE) desarrollada en la Universidad de Toledo en el laboratorio del Dr. Pappada[5]. La sencillez de la interfaz de usuario permite la estandarización de la generación del currículo y de las evaluaciones subyacentes, lo que hace que PREPARE sea altamente sinérgico con la visión y los objetivos del ISDR. Una característica clave de la plataforma es recoger, procesar y sincronizar datos de múltiples fuentes, como evaluaciones de rendimiento basadas en observadores, entornos operativos/de formación (por ejemplo, audio, vídeo, datos de simuladores) y alumnos.
Afrontar los retos de la simulación con el ISDR 2.0
Con las nuevas funcionalidades que ofrece PREPARE, el ISDR 2.0 abordará algunos de los retos a los que se enfrenta la comunidad de la simulación. Uno de estos retos es la falta de escenarios estandarizados, datos subyacentes y evaluaciones que recopilar durante las actividades de SBME.
El santo grial de la investigación basada en la simulación es implantar medidas de resultados que puedan recogerse tanto en escenarios de atención al paciente simulados como en el mundo real.
Estandarizar las métricas y las medidas clave de rendimiento de forma que puedan aplicarse sin problemas tanto en entornos simulados como reales garantiza que puedan hacerse comparaciones clave. Esto permitirá a la comunidad evaluar cómo los conocimientos, habilidades y prácticas formados y evaluados en entornos simulados se trasladan a los entornos asistenciales del mundo real.
Otro reto reside en la evaluación subjetiva del rendimiento que acompaña a la SBME, que a menudo da lugar a una evaluación simplista de aprobado/no aprobado en lugar de adquirir datos más ricos. En consecuencia, los alumnos reciben comentarios que a menudo no están personalizados ni son objeto de un seguimiento longitudinal que fomente la reflexión y sirva de base a la práctica deliberada repetida para mejorar. El marco de la EIRD proporciona una forma estandarizada de recopilar datos objetivos y clínicamente relevantes que pueden seguirse de forma coherente a lo largo del tiempo. Estos datos pueden utilizarse para la retroalimentación y la evaluación comparativa entre alumnos y centros de simulación, optimizando los procesos y resultados de la SBME. La Figura 1 muestra las cuatro áreas clave que abordará el ISDR. Dos de estas áreas (**denotadas) estarán disponibles con el futuro desarrollo y avance de la plataforma PREPARE mediante la colaboración entre la comunidad de simulación.
Los equipos de la Society for Simulation in Healthcare y la UToledo están colaborando en el despliegue inicial de la RISD 2.0, que introduce la evaluación a nivel de instructor. Estas características permiten un plan de estudios estandarizado, la creación de escenarios y la evaluación en tiempo real durante la impartición del plan de estudios. A diferencia de la versión inicial, el ISDR 2.0 permite introducir las evaluaciones a medida que se desarrolla el escenario, en lugar de hacerlo a posteriori. Además, todas las evaluaciones llevan un sello de tiempo, lo que facilita el registro de métricas objetivas de rendimiento, como el tiempo transcurrido hasta la intervención o el diagnóstico.
PREPARE es independiente de la plataforma y puede utilizarse en varios centros o emplazamientos de simulación. Al estar basado en la web, los usuarios pueden acceder a la plataforma desde cualquier dispositivo con capacidad de navegación por Internet.
Las funcionalidades a nivel de instructor del ISDR 2.0 se detallan en una publicación inicial en la que se describen las capacidades de evaluación multimodal de la plataforma PREPARE [6]. Además, el ISDR 2.0 dispone de ciertas funciones de adquisición de datos a nivel de alumno, como preevaluaciones y posevaluaciones personalizables, generación de encuestas y recopilación de datos demográficos y frecuencias de formación a nivel de alumno.
PREPARE tiene capacidades adicionales que forman parte de una estrategia de desarrollo orientada al futuro [4]. Las capacidades actuales de la plataforma PREPARE se muestran en la Figura 2, que muestra la recogida de datos a nivel de alumno, entorno de simulación e instructor. La recogida automatizada de datos en los niveles de alumno y entorno de simulación no se incluirá en el despliegue inicial del ISDR, pero puede producirse en posteriores despliegues escalonados.
PREPARE también permite controlar en tiempo real los datos fisiológicos de los participantes en la simulación, que se correlacionaron con el rendimiento del alumno en nuestros estudios iniciales [6, 7]. Además, puede capturar audio del entorno de simulación para alinear los eventos/intervenciones verbalizados con los eventos esperados, empleando un módulo de conversión de voz a texto (STT) y de procesamiento del lenguaje natural (NLP) para la detección de eventos [8]. Las mejoras futuras implican implementar la visión por ordenador para la detección automatizada de intervenciones procedimentales y dinámicas de equipo.
El futuro de la simulación en la asistencia sanitaria con el ISDR y PREPARE
Por último, como la inteligencia artificial (IA) sigue creciendo, los registros existentes ya se están utilizando para desarrollar modelos predictivos y enfoques de aprendizaje automático (AM) para optimizar y personalizar la asistencia sanitaria. La visión del ISDR es proporcionar una infraestructura cohesiva e intuitiva para promover esto para la comunidad de simulación. La figura 3 ilustra la visión del ISDR y PREPARE en la generación de los datos necesarios para este fin. Aunque algunas de las funcionalidades de PREPARE no estarán disponibles en la versión inicial de la RISD 2.0, acumular y compartir datos mediante la utilización de una plataforma común nos acercará a la realización de esta visión final.
Referencias
1. McGaghie, W.C., et al., Evaluating the impact of simulation on translational patient outcomes. Simulation in Healthcare, 2011. 6(7): p. S42-S47.
2. Calhoun, A.W., et al., Concepts for the simulation community: development of the International Simulation Data Registry. Simulation in Healthcare, 2018. 13(6): p. 427-434.
3. Hoque, D.M.E., et al., Impact of clinical registries on quality of patient care and clinical outcomes: a systematic review. PloS one, 2017. 12(9): p. e0183667.
4. Shah, P., et al., Artificial intelligence and machine learning in clinical development: a translational perspective. NPJ digital medicine, 2019. 2(1): p. 69.
5. University of Toledo College of Medicine and Life Sciences. PREPARE Multimodal Assessment and Intelligent Learning Management System Platform. 2024; Available from: https://www.utoledo.edu/med/research/prepare/.
6. Pappada, S., et al., Personalizing simulation-based medical education: the case for novel learning management systems. International Journal of Simulation in Healthcare, 2022.
7. Pappada SM, Owais MH*, Alvarado C, Schneiderman J, Brunner D, Casabianca A, Hofmann J, Papadimos TJ. . Novel Learning Management System to Revolutionize Generation, Administration, and Assessment of Simulation-Based Medical Education. inInternational Anesthesia Research Society (IARS) Annual Meeting2019. Montreal, Canada.
8. Paudel, P., S. Pappada, and L. Cheng. Automated Multimodal Performance Evaluation in Simulation-based Medical Education using Natural Language Processing. in Proceedings of the ACM/IEEE 14th International Conference on Cyber-Physical Systems (with CPS-IoT Week 2023). 2023.
LEER TAMBIÉN
