这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR Human Factors上的原创作品。必须包括完整的书目信息,https://humanfactors.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
麻醉期间患者的安全至关重要地依赖于生命体征的监测。然而,所获得的价值也必须被主治护理提供者感知和正确分类。为了促进这些过程,我们开发了Visual-Patient-avatar,这是一个被监测患者的动画虚拟模型,它遵循以用户为中心的设计原则,创新地呈现数值和波形数据。在高保真模拟研究后,我们分析了参与者对3种不同监测方式的看法,包括这种新引入的技术。
本研究的目的是收集和评估参与者在模拟麻醉关键事件中使用视觉-患者-虚拟化身、分屏(虚拟化身和常规监护仪并列)和常规监护仪后对3种不同监护方式的意见和经验。
本研究为研究者发起、单中心、半定量研究。在完成3个模拟紧急情况后,我们询问了92名护理提供者关于不同监测方式的积极和消极意见。采用定性研究方法,对获得的实地记录进行处理,得出主要类别和相应的子主题。
我们总共获得了307条语句。通过基于上下文的分析,我们确定了“视觉-患者-化身”、“分屏”和“常规监护”3个主要类别,并将其分为11个积极和消极的子主题。在将陈述分配给其中一个主题时,我们实现了实质性的评分者之间的可靠性。大多数陈述都是关于角色或分屏模式的设计和可用性特征。
这项研究半定量地回顾了视觉-患者-虚拟化身技术在高保真模拟研究中的临床适用性,并揭示了仅使用虚拟化身和分屏模式的优点和局限性。除了对改进设计提出有价值的建议外,还强调了临床实施前培训的要求。对分屏的反应表明,结合数值数据和精确曲线,这种共生模式产生了更好的态势感知。作为后续的开发步骤,我们计划进行现实生活中的介绍研究,在实际临床条件下,我们将在分屏模式下测试虚拟形象。
尽管在高收入国家,麻醉直接导致的围手术期死亡率较低,而且在过去50年中已显著下降,但世界卫生组织将麻醉和手术并发症描述为可预防的围手术期发病率和死亡率的主要原因[
在所有导致永久性脑损伤或死亡的麻醉并发症中,三分之二是由不准确的态势感知引起的。这个概念是由Mica Endsley提出的,它包含了一系列的信息处理,包括三个核心层次:知觉(第1级)、理解(第2级)和投射(第3级),其中第1级最常受到影响。
因此,我们开发了Visual-Patient-avatar作为患者监测中情境感知的有益环境因素。这种基于化身的病人监控器可视化显示了测量数值参数的动画模型,结合了逻辑和以用户为中心的设计原则[
本研究旨在收集和评估参与者对(1)视觉-患者-化身,(2)分屏(化身和常规患者监护并排),以及(3)常规三种不同的患者监护方式在模拟麻醉关键事件中使用后的意见和经验[
瑞士苏黎世州伦理委员会在审查研究方案(伦理委员会商业管理系统Req-2020-00059)后发表了无异议声明。所有参与者都签署了书面知情同意书,同意将其数据用于研究目的,并且自愿参与,没有任何经济补偿。
这是一项由研究人员发起的单中心半定量研究,旨在调查医生和护士在模拟关键麻醉事件中使用Visual-Patient-avatar的感受。我们于2020年5月在瑞士苏黎世大学医院进行了这项研究。在最近发表的一项研究中,我们将同样的104名护理提供者分组在52个团队中,该研究在高保真模拟研究中评估了基于化身的患者监测[
这项最近发表的研究表明,在麻醉危机事件中,分屏监测与常规监测相比,具有非劣效性。使用视觉-患者-化身作为监测方式,沟通紧急情况正确原因的概率增加了[
在高保真模拟中使用的Visual-Patient-avatar的两个示例。CVP:中心静脉压;心电图:心电图;etCO2:潮末二氧化碳;SpO2:周围氧饱和度;圣:ST段。
在简短的介绍和培训场景后,参与者完成了3个不同的紧急情况场景,每个场景使用以下3种不同监测方式中的一种:仅使用视觉-患者化身、分屏以及仅使用常规、基于数字和基于波形的监测方式。
模拟过程中的分屏显示示例,常规监视器在左边,视觉病人化身在右边。米黄色的肤色说明周围氧饱和度正常,闭着眼睛说明病人服用了镇静剂。
收集完所有答案后,我们使用在线翻译服务Deepl (Deepl GmbH)将它们从德语翻译成英语。在
关于用户感知3种不同监测方式的分层编码树。绿色方框包含各自主要主题的积极子主题。红色方框包含相应主要主题的负面子主题。
我们报告与上级主题相关的陈述数及其百分比。为了管理数据和生成数据,我们使用了微软Word和Excel。为了量化评分者之间的可靠性,当将单个语句分配到最终编码树的特定主题时,我们使用R,版本4.0.5 (R统计计算基础)计算科恩kappa [
我们在2020年5月4日至5月28日期间获得了现场记录。所有参与者都是苏黎世大学医院的雇员。在总共104名参与者中,92名(88%)高级医生、住院医生、护士麻醉师和实习护士麻醉师在完成模拟场景后立即参加了采访过程。
通过分析获得的现场记录,我们确定了329个独立语句,共2807个单词。在329个陈述中,即使经过多次讨论,我们仍然无法理解22个(7%)的内容,因此我们将其归类为“不可编码”。这一类的陈述包括主观意见,例如“我喜欢它”(参与者13.1)。对其余307个陈述进行了半定量分析,这样就可以在不进行统计检验的情况下计算各陈述在主要主题和子主题中的比例[
详细研究和参与者特征(n=92)。
研究和参与者特征 | 值 |
提交现场记录的参与者,n (%) | 92 (88) |
女性参与者,n (%) | 46 (50) |
高级医师n (%) | 14 (15) |
住院医师n (%) | 33 (36) |
护士麻醉师,n (%) | 30 (33) |
实习护士麻醉师n (%) | 17日(16) |
总麻醉经验(年),平均值(IQR) | 6.6 (1.5 8) |
开始我们的半定量分析,我们进行了字数统计,以揭示潜在的主题。分析显示,“视觉病人”是现场记录中最常出现的术语,用于回答积极问题(144个陈述中35次)和消极问题(163个陈述中38次)。
在采用定性研究方法和测试3种监护方式的基础上,最终的编码树包含了Visual-Patient-avatar、Split Screen和Conventional监护3个主要类别,以及4个主要主题(11个子主题)。当独立地将收到的所有327个陈述分配到这些主题中的一个时,研究作者SA和LB达到了80%的评分者之间的一致性,科恩kappa为0.78 [
日晒图反映用户对3种不同显示器设置的感知。节的宽度表示主题在所有给定语句中的百分比(N=307)。忽略VP:忽略Visual-Patient-avatar。
主要主题包括参与者数量、百分比和示例。
主要主题和副主题 | 例子 | ||
|
|
||
|
设计 |
尤其是氧合和体温显示得很好。(#一个11.2) 在一个化身上整合所有的价值。(47.2号) |
|
|
可用性 |
通过Visual-Patient-avatar简化信息。(13.2号) 通过Visual-Patient-avatar浏览相关参数。(25.2号) |
|
|
|
||
|
设计 |
血压功能对我来说并不容易理解。(24.2号) 视觉-病人-化身:头部太大,与心脏和肺形成对比。(25.1号) |
|
|
可用性 |
Visual-Patient-avatar需要一些时间来适应;一开始不是很直观。(29.2号) 目前仍有困难,但有潜力。(38.1号) |
|
|
不完备 |
数字和军衔不见了。(10.1号) 缺乏视觉病人化身的信息量化。(48.1号) |
|
|
|
||
|
额外的信息 |
其他信息由Visual-Patient-avatar提供。(14.2号) 我喜欢新旧监控的结合。(18.2号) |
|
|
安全方面 |
使用Visual-Patient-avatar比使用数字或曲线变化更快。(13.1号) 更多的安全。(41.1号) |
|
|
可用性 |
分开监控有助于集中注意力。(10.1号) 我更喜欢分割监视器,视觉-病人-化身作为第一个初始诊断-量化通过常规监测。(16.1号) |
|
|
|
||
|
大小 |
部分信息显示有点小。(13.2号) 需要适当的显示器大小。(24.1号) |
|
|
过载 |
在紧急情况下,一次性提供太多信息。(12.2号) 屏幕很满。(30.2号) |
|
|
Visual-Patient-avatar忽略 |
看看数字。(9.1号) 我几乎没有看视觉病人的化身。(18.2号) |
|
常规监控器(8/307,3%) |
我想更精确地看到细节或参数。我更喜欢“通常的”监视器视图。(26.1号) |
一个参与者数量。
我们将307个陈述中的160个(52%)分配到主要类别视觉-患者-化身。通过自由归纳编码,揭示了视觉病人-化身阳性(61/307,20%)和视觉病人-化身阴性(99/307,32%)2个主要主题。
我们将积极的主题分为两个子主题,设计(26/307,8%)和可用性(32/307,10%)。关于设计特征,参与者区分了头像的简化(参与者#13.2)和现实(参与者#17.1)外观。参与者11.2概述道:“尤其是氧合和体温表现得很好。”参与者还认识到了可用性方面的优势。他们发现Visual-Patient-avatar“直观上可以理解”(参与者#31.1),“提供一个很好的概述”(参与者#34.1),并有助于快速掌握情况(参与者#37.1)。我们分配了更多常见的陈述,如“在一个头像上整合所有的价值观”(参与者#47.2)到主要主题视觉-患者-头像阳性(3/ 307,1%)。
关于角色的负面属性,参与者的回答将设计(15/307,5%)、可用性(45/307,15%)和不完整性(39/307,13%)描述为子主题。参与者#43.2,胸部显示太小,腔静脉表示不清楚。其他人则担心可能的误解(参与者#46.1),因为在视觉-患者-化身技术中,不熟悉(参与者#48.2)和令人困惑(参与者#48.1)的生命体征呈现。没有具体的数值(参与者#35.2)和心电图等曲线(参与者#42.2),虚拟形象无助于解决紧急情况。
在307个陈述中的139个(46%)中,参与者注意到了这个主要类别,我们将其分为主要主题分屏积极(79/307,26%)和分屏消极(60/307,20%)。
在评价者之间,积极的主要主题包括3个子主题附加信息(29/307,9%)、安全方面(21/307,7%)和可用性(11/307,4%)。通过“增加注意力”(参与者10.1)、“更快地识别变化”(参与者29.2)和“快速概述”(参与者45.2),参与者感觉到了更高的安全性。一些参与者认为分屏模式总体上是“有帮助的”(参与者#47.1)和“有效的”(参与者#17.1)。我们分配了通常认为组合对主要主题有利的回答,积极的分屏(18/ 307,6%)。
关于分屏的负面主题包含了3个子主题,“大小”,“过载”和“视觉-患者-头像被忽略”。这些分别在23/307(7%),23/307(7%)和9/307(3%)陈述中被命名。参与者批评显示器太小,因此很难检测曲线的细节(参与者#20.1)和视觉病人化身(参与者#21.2)。此外,他们声称分屏屏幕很拥挤(参与者#30.2),并且“在紧急情况下有太多的信息”(参与者#12.2)。此外,对现场笔记的分析发现,一些参与者忽略了虚拟形象。一般的注释,如“不确定附加的好处”(参与者#48.1)被分配到主要主题,负分屏(5/ 307,2%)。
少数实地记录涉及常规监测的主要类别(8/ 307,3%)。一些参与者只是说他们“更喜欢通常的监视器视图”(参与者#26.1)。此外,我们将提到熟悉的音频支持的回复分组在这一主要类别中。
这项半定量的单中心研究探讨了麻醉人员在使用现有的常规监控器和新的视觉-患者-虚拟形象(仅使用虚拟形象或分屏变体)时的印象。用户的感知可以发现改进的机会,对它们的考虑对于新医疗技术的成功至关重要。我们将大多数陈述分配到视觉-患者-化身的主要类别中,突出了积极的特征和消极的特征,如缺乏定量数据。许多注释还评估了分屏模式,而只有少数参与者评论了著名的常规监视器。后者似乎是一致的,因为视觉-病人-化身是一种新奇事物,因此吸引注意力
化身的开发理念是提供一个监控工具,通过以用户为中心的设计原则提高态势感知能力。遵循Mica Endsley对以用户为中心的设计的定义[
许多参与者声称,当只使用虚拟形象时,缺失的数字和曲线使得更精确的诊断不可能实现(不完整性:39/307,13%)。在Visual-Patient-avatar中,每个生命体征的数据都经过预处理,以显示不同的状态(没有数据、过低、正常或过高),旨在降低复杂性。我们认为该技术是一种补充,不能取代常规监控器;然而,它可以通过提供易于感知和理解的信息来提高护理提供者的情况意识。
在“您不喜欢显示器设置的哪些方面?”,分析发现大小(23/307,7%)和过载(23/307,7%)是分屏模式的主要关键点。在模拟研究过程中,场景在12英寸患者监视器(Philips intelliue MX500;Koninklijke Philips NV,荷兰阿姆斯特丹)。然而,现实生活中临床应用的技术与飞利浦IntelliVue MX 550显示器兼容,后者提供了15英寸的更大显示器。这一事实可以减轻批评,但众所周知,过多的信息负荷会对设定优先级的能力产生不利影响,并会让个人感到困惑。
因为视觉病人化身的技术及其作为分屏变体的实现是全新的,因此对认知有很高的要求,所以也会产生过载的印象。因此,一些参与者提到不熟悉角色,无论是单独使用还是在分屏模式下使用。新技术引入临床后,所有使用者都将接受教育和培训课程。然而,需要时间来适应新的监测方式并在精神上完全实施它们,特别是非常有经验的护理提供者已经使用传统监测方式数十年了。新技术的成功实施可以通过超声引导中心静脉导管的插入来证明[
为了获得高水平的用户接受度,直观的界面和认知的便利性是关键。
这项研究有几个局限性。在定性和半定量分析中,结构和结果是归纳发展的,不能应用于更广泛的人群,因为它没有调查统计显著性。尽管如此,这种方法使我们能够在使用不同的监测模式后立即从参与者那里获得第一手的感知和经验。一般来说,非定量评估接近参与者的观点,这意味着一定的主观性[
迄今为止,只有基于计算机的研究使用了视觉患者化身[
我们设计了这项研究,以确定护理提供者对结合视觉患者化身技术的监测方式的看法。其中一个关键发现是,参与者在高保真模拟环境中积极使用虚拟形象技术时,积极地体验了虚拟形象技术的潜在设计原则和特征。这一见解补充了早期在基于计算机的研究中使用视觉-患者-化身技术的研究[
视频中有两个动画视觉病人化身的例子。
模拟场景视频,展示视觉病人化身和常规监视器。
翻译的92名参与者的现场记录。括号[]表示将哪些部分作为一个语句进行评估。
作者感谢研究参与者付出的时间和努力。此外,作者感谢生物统计学家Julia Braun-Gruebel对这篇手稿的统计建议。这项研究由瑞士苏黎世大学医院麻醉学研究所资助。
本研究中使用和分析的数据集可根据合理要求从通讯作者处获得。
概念和设计:SA, SS, TRR, CBN, DRS, DWT, LB.数据获取:SA, SS, TRR, CBN, DWT, LB.数据分析和解释:SA, DRS, DWT, LB.文章的起草或手稿的重大修订:SA, SS, TRR, CBN, DRS, DWT, LB.最终批准出版的版本:SA, SS, TRR, CBN, DRS, DWT, LB。
DWT和CBN是视觉病人化身技术的指定发明者,苏黎世大学拥有多项专利和商标。与Philips Medizin Systeme Böblingen GmbH, Böblingen,德国有合作和许可协议;Koninklijke Philips NV,阿姆斯特丹,荷兰;飞利浦研究/飞利浦电子荷兰BV,埃因霍温,荷兰,飞利浦北美,剑桥,马萨诸塞州,美国。根据这些协议,DWT获得赠款支持,DWT和CBN获得旅行支持,并可能获得版税。DWT, CBN和DRS是Visual Clot技术的指定发明者,苏黎世大学拥有多项专利和商标。苏黎世大学与仪器仪表实验室公司/Werfen Corporation,贝德福德,MA,美国和西班牙巴塞罗那签署了合作和许可协议的意向书。根据最终达成的协议,他们可能会获得版税。DWT, CBN和DRS获得了咨询仪器实验室的旅行支持,贝德福德,MA,美国。DWT获得了来自瑞士苏黎世的瑞士麻醉研究基金会的酬金和旅行支持。 DRS’s academic department is receiving grant support from the Swiss National Science Foundation, Berne, Switzerland, the Swiss Society of Anesthesiology and Perioperative Medicine, Berne, Switzerland, the Swiss Foundation for Anesthesia Research, Zurich, Switzerland, Vifor SA, Villars-sur-Glâne, Switzerland, and Vifor (International) AG, St. Gallen, Switzerland. DRS is cochair of the ABC-Trauma Faculty, sponsored by unrestricted educational grants from Novo Nordisk Health Care AG, Zurich, Switzerland, CSL Behring GmbH, Marburg, Germany, LFB Biomédicaments, Courtaboeuf Cedex, France, and Octapharma AG, Lachen, Switzerland. DRS received honoraria or travel support for consulting or lecturing from the following: Danube University of Krems, Austria; US Department of Defense, Washington; European Society of Anesthesiology and Intensive Care, Brussels, BE; Korean Society for Patient Blood Management, Seoul, Korea; Korean Society of Anesthesiologists, Seoul, Korea; Network for the Advancement of Patient Blood Management, Haemostasis and Thrombosis, Paris, France; Alexion Pharmaceuticals Inc, Boston, MA, USA; Bayer AG, Zürich, Switzerland; B. Braun Melsungen AG, Melsungen, Germany; CSL Behring GmbH, Hattersheim am Main, Germany and Berne, Switzerland; Celgene International II Sàrl, Couvet, Switzerland; Daiichi Sankyo AG, Thalwil, Switzerland; Haemonetics, Braintree, MA, USA; Instrumentation Laboratory (Werfen), Bedford, MA, USA; LFB Biomédicaments, Courtaboeuf Cedex, France; Merck Sharp & Dohme, Kenilworth, New Jersey, USA; Novo Nordisk Health Care AG, Zurich, Switzerland; PAION Deutschland GmbH, Aachen, Germany; Pharmacosmos A/S, Holbaek, Denmark, Pfizer AG, Zürich, Switzerland; Pierre Fabre Pharma, Alschwil, Switzerland; Portola Schweiz GmbH, Aarau, Switzerland, Roche Diagnostics International Ltd, Reinach, Switzerland; Sarstedt AG & Co., Sevelen, Switzerland and Nümbrecht, Germany; Shire Switzerland GmbH, Zug, Switzerland; Tem International GmbH, Munich, Germany; Vifor Pharma, Munich, Germany; Neuilly sur Seine, France and Villars-sur-Glâne, Switzerland, Vifor (International) AG, St. Gallen, Switzerland; and Zuellig Pharma Holdings, Singapore, Singapore.