L’International Simulation Data Registry (ISDR) è stato istituito nel 2014 e si ispira ai registri clinici, sempre più numerosi e diffusi. Il suo obiettivo è quello di migliorare l’educazione medica basata sulla simulazione (SBME) e di migliorare le pratiche cliniche e gli esiti sui pazienti. Di recente è stata avviata una collaborazione strategica tra la Society for Simulation in Healthcare e l’Università di Toledo per aggiornare l’ISDR alla versione 2.0. Questa collaborazione mira a sfruttare una nuova piattaforma di valutazione multimodale, migliorando le capacità dell’ISDR. Il progetto non solo favorisce la formazione medica e l’assistenza ai pazienti, ma pone anche le basi per affrontare gli ostacoli della ricerca, come la condivisione standardizzata dei dati, e per migliorare l’educazione all’interno della comunità della simulazione, rafforzando la sua importanza per il futuro dell’educazione sanitaria e del miglioramento della pratica.
DOI: https://doi.org/10.69079/simzine.H24.n14.00011
Un contesto rilevante
La comunità globale della simulazione sanitaria è cresciuta enormemente negli ultimi due decenni. Molti centri di simulazione in tutto il mondo hanno contribuito alla formazione e alla ricerca per ottimizzare i risultati dell’educazione medica basata sulla simulazione (SBME). Tuttavia, la SBME non ha realizzato il suo pieno potenziale di scienza traslazionale, dimostrando che approcci SBME efficaci portano a un miglioramento delle pratiche cliniche e, in ultima analisi, a migliori risultati per i pazienti[1]. La mancanza di un’infrastruttura per la condivisione di dati standardizzati provenienti da attività di simulazione sanitaria e la loro correlazione con la pratica in tutto il mondo ha rappresentato una sfida per colmare il divario.
La nascita del Registro Internazionale dei Dati di Simulazione
L’International Simulation Data Registry (ISDR) è stato istituito nel 2014 per promuovere una SBME basata sull’evidenza, una migliore pratica clinica e migliori risultati per i pazienti[2]. L’ISDR è stato ispirato dal crescente utilizzo dei registri clinici, che facilitano il benchmarking della qualità delle cure, l’ottimizzazione dei risultati sanitari, il controllo dei costi e la conduzione di ricerche epidemiologiche[3]. I registri di dati accessibili sono inoltre fondamentali per lo sviluppo di strumenti e tecnologie efficaci in tutti i campi e le specialità dell’assistenza sanitaria, soprattutto con la diffusione dell’apprendimento automatico e dell’intelligenza artificiale [4].
Il lancio iniziale dell’ISDR ha riguardato casi standardizzati con metriche di performance chiaramente definite e basate sulle linee guida dell’American Heart Association, come l’arresto cardiaco senza polso[2]. L’ISDR è stato lanciato in 27 istituti, raccogliendo dati standardizzati tra cui (ma non solo) il tipo di simulatore di pazienti, l’ambiente di simulazione, la disciplina e gli anni di formazione dei partecipanti alla simulazione e le principali misure di performance oggettive (ad esempio, il tempo necessario per l’inizio delle cure). Dopo il suo lancio, l’ISDR ha suscitato un notevole interesse e slancio, ma ha subito una battuta d’arresto a causa della pandemia COVID-19.
Migliorare l’ISDR con PREPARE: ISDR 2.0
Nel giugno 2023, la Society for Simulation in Healthcare (SSH) e l’Università di Toledo (UToledo) hanno avviato una partnership strategica per aggiornare l’ISDR. L’ISDR 2.0 sfrutterà una nuova piattaforma di valutazione multimodale (PREPARE) sviluppata presso l’Università di Toledo nel laboratorio del Dr. Pappada[5]. La semplicità dell’interfaccia utente consente di standardizzare la generazione del curriculum e le valutazioni sottostanti, rendendo PREPARE altamente sinergico con la visione e gli obiettivi dell’ISDR. Una caratteristica fondamentale della piattaforma è la raccolta, l’elaborazione e la sincronizzazione dei dati provenienti da più fonti, come le valutazioni delle prestazioni basate sugli osservatori, gli ambienti operativi/di addestramento (ad esempio, audio, video, dati del simulatore) e i discenti.
Affrontare le sfide della simulazione con ISDR 2.0
Con le nuove funzionalità offerte da PREPARE, ISDR 2.0 affronterà alcune delle sfide della comunità della simulazione. Una di queste sfide è la mancanza di scenari standardizzati, di dati sottostanti e di valutazioni da raccogliere durante le attività SBME.
Il Santo Graal della ricerca basata sulla simulazione è l’implementazione di misure di risultato che possano essere raccolte sia in contesti di simulazione che di assistenza al paziente reale.
Standardizzare le metriche e le misure di performance chiave in modo da poterle applicare senza problemi sia in ambienti simulati che reali garantisce la possibilità di effettuare confronti chiave. Ciò consentirà alla comunità di valutare come le conoscenze, le abilità e le pratiche formate e valutate in ambienti simulati si traducano in contesti di cura reali.
Un’altra sfida è rappresentata dalla valutazione soggettiva delle prestazioni che accompagna l’SBME, che spesso si traduce in una valutazione semplicistica del tipo passa/non passa piuttosto che nell’acquisizione di dati più ricchi. Di conseguenza, gli studenti ricevono un feedback che spesso non è personalizzato o monitorato longitudinalmente per incoraggiare la riflessione e informare la pratica deliberata ripetuta per migliorare. Il quadro ISDR fornisce un metodo standardizzato per raccogliere dati oggettivi e clinicamente rilevanti che possono essere monitorati in modo coerente nel tempo. Questi dati possono essere utilizzati per il feedback e il benchmarking tra gli studenti e i centri di simulazione, ottimizzando i processi e i risultati della SBME. La Figura 1 mostra le quattro aree chiave di cui si occuperà l’ISDR. Due di queste aree (**denotate) saranno disponibili con lo sviluppo futuro e l’avanzamento della piattaforma PREPARE grazie alla collaborazione tra la comunità di simulazione.
I team della Society for Simulation in Healthcare e di UToledo stanno collaborando all’implementazione iniziale di ISDR 2.0, che introduce la valutazione a livello di istruttore. Queste caratteristiche consentono di standardizzare il curriculum, di creare scenari e di valutare in tempo reale durante l’erogazione del curriculum. A differenza della versione iniziale, ISDR 2.0 consente di inserire le valutazioni durante lo svolgimento dello scenario, anziché a posteriori. Inoltre, tutte le valutazioni sono marcate temporalmente, il che facilita la registrazione di metriche di performance oggettive come il tempo di intervento o di diagnosi.
PREPARE è indipendente dalla piattaforma e può essere utilizzato in diversi centri o siti di simulazione. Essendo basato sul web, gli utenti possono accedere alla piattaforma da qualsiasi dispositivo con capacità di navigazione in internet.
Le funzionalità a livello di istruttore di ISDR 2.0 sono descritte in dettaglio in una prima pubblicazione che illustra le capacità di valutazione multimodale della piattaforma PREPARE [6]. Inoltre, in ISDR 2.0 sono disponibili alcune funzionalità di acquisizione dati a livello di allievo, tra cui valutazioni pre e post personalizzabili, generazione di sondaggi e raccolta di dati demografici e frequenze di formazione a livello di allievo.
PREPARE dispone di ulteriori funzionalità che fanno parte di una strategia di sviluppo orientata al futuro [4]. Le attuali funzionalità della piattaforma PREPARE sono illustrate nella Figura 2, che mostra la raccolta dei dati a livello di discente, ambiente di simulazione e istruttore. La raccolta automatizzata dei dati a livello di allievo e di ambiente di simulazione non sarà inclusa nel lancio iniziale dell’ISDR, ma potrebbe avvenire in fasi successive.
PREPARE consente anche di monitorare in tempo reale i dati fisiologici dei partecipanti alla simulazione, che nei nostri studi iniziali sono stati correlati alle prestazioni dei discenti [6, 7]. Inoltre, è in grado di catturare l’audio dall’ambiente di simulazione per allineare gli eventi/interventi verbalizzati con quelli previsti, utilizzando un modulo speech-to-text (STT) e di elaborazione del linguaggio naturale (NLP) per il rilevamento degli eventi [8]. I miglioramenti futuri prevedono l’implementazione della computer vision per il rilevamento automatico degli interventi procedurali e delle dinamiche di squadra.
Il futuro della simulazione in ambito sanitario con ISDR e PREPARE
Infine, con la continua crescita dell’intelligenza artificiale (AI), i registri esistenti vengono già utilizzati per sviluppare modelli predittivi e approcci di apprendimento automatico (ML) per ottimizzare e personalizzare l’assistenza sanitaria. La visione dell’ISDR è quella di fornire un’infrastruttura coesa e intuitiva per promuovere questo aspetto alla comunità della simulazione. La Figura 3 illustra la visione dell’ISDR e di PREPARE nel generare i dati necessari a questo scopo. Anche se alcune delle funzionalità di PREPARE non saranno disponibili nella versione iniziale di ISDR 2.0, l’accumulo e la condivisione dei dati attraverso l’utilizzo di una piattaforma comune ci avvicinerà alla realizzazione di questa visione finale.
Referenze
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.
LEGGI ANCHE
