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[ 13］．

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[ 13］． 图1显示13个可用的生命体征和一个可能的偏差和额外的例子。部分(A)描述了一个清醒的病人，生命体征在正常范围内。化身的身体在患者监测期间跳动，其中频率和延伸分别表示脉搏率和血压。在部分(B)，我们展示了一个低饱和度(紫色)，深度镇静(闭着眼睛)患者肌肉松弛(四肢松软)。低血压用紫色体和白色界线之间的间隙表示。如果体温超出正常范围，化身周围就会出现冰晶或热浪。此外, 多媒体附件1提供两个示例的动画版本。

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。 图2说明了在模拟过程中分屏显示的示例，并且视频在 多媒体附件2显示模拟场景的记录。在完成所有场景后，我们问了以下2个问题:“您喜欢显示器设置的什么?”特别的长处?以及“您不喜欢显示器设置的哪些方面?”例如，潜在的问题，局限性?”研究作者TRR和SS将参与者的回答作为现场笔记记录在iPad上(苹果公司)。与会者审查了最后的实地记录记录，并在必要时对其进行修改或添加。

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 多媒体，我们提供完整的现场笔记翻译。12名与会者没有发表评论。为了通过识别经常被提及的词汇来获得第一印象，我们排除了诸如“and”或“the”等填充词，并使用微软word进行了单词计数。虽然单词计数不能提供关于单个语句内容的信息，但这种方法帮助我们识别相似的表达。随后，我们使用模板方法对语句进行分组，确定主要主题，并生成一个编码树，我们对其进行修改，直到所有基本语句和频繁语句都可以分类[ 14， 15］．根据报告定性研究的建议，研究作者SA和LB，他们没有参与访谈过程，各自独立地评估陈述，使用中显示的最终编码树 图3，它是使用draw创建的。io(赛贝特传媒有限公司)[ 16- 18］．在意见不一致时确定联合代码之前，我们计算了评分者之间的信度来验证评级。

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 [ 19］．为了估计一致性百分比，我们使用了Microsoft Excel。

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。 表1提供研究和参与者特征的详细描述。

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[ 20.， 21］．总体而言，对于“您喜欢监视器设置的哪些方面”(144/307,47%)与负面看法(163/307,53%)的陈述比例是平衡的。

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 [ 22］．在不同编码语句的情况下，在第二轮编码后进行审查和联合分配，以实现100%的评分者之间的一致。 图4可视化不同类别中所有语句的百分比分布。三个主要类别位于最里面的圆圈。相关联的主要主题和子主题是按层次向外显示的。 表2用例子概述主要主题。在后面的小节中，我们将使用百分比和示例详细描述各个类别。计算涉及可编码语句。

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[ 9]，许多参与者表示，化身技术包括有益的设计和可用性特征，如简化和直观(正面的视觉-患者-化身:61/307,20%)。当在分屏模式下与常规监控器一起使用时，Visual-Patient-avatar可以增加注意力并提供快速概述。然后可以使用常规显示对生命体征的可能变化进行量化(安全方面:21/307,7%)。通过更快的检测来节省时间在患者护理中是至关重要的，例如，术后肾功能障碍与全麻低血压的总持续时间有关[ 23］．

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。 24］．这与视觉-病人-化身的基本理念相矛盾，必须牢记于心。

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[ 25］．经过最初的质疑，目前该方法在文献和临床中都是首选，因为其并发症发生率低于地标引导穿刺[ 26］．

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。 27］．Visual-Patient-avatar呈现接近临床现实的信息。例如，在低氧血症的情况下，化身的皮肤会变成紫色，或者当大脑活动传感器检测到高信号时，它的眼睛会睁开。参与者对真实清晰的生命体征显示的欣赏程度(设计:26/307,8%)与Wachter及其同事的研究结果一致[ 28]，这表明解剖学相关的界面是特别直观的。然而，飞利浦(Koninklijke Philips NV)的设计和技术专家一起，进行了密集的重新设计过程，以改进设计中的弱点，例如腔静脉显示。尽管在临床应用之前还需要一些步骤，但我们希望通过这项研究，可视化技术在医学上有一个美好的未来。令人鼓舞的是，Hamilton Medical AG在呼吸机中提供了“动态肺”，以可视化特定的肺参数[ 29］．

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[ 30.， 31］．然而，从参与者的数量和多样性来看，这是正确的。作为单中心研究，不能排除可能的选择偏倚。可想而知，结果在不同的情况下是不同的。

迄今为止，只有基于计算机的研究使用了视觉患者化身[ 10， 11］．其中一个优点是高保真模拟，这使得在麻醉紧急情况下能够真实地测试新技术，并得出在临床条件下使用的结论[ 32］．因此，在经历了紧急病人治疗的迫切性后，我们直接对Visual-Patient-avatar有了初步的认识。这些发现极大地影响了该技术的进一步发展，直至临床实施。

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[ 33］．参与者通过将视觉印象与数值参数同时量化相结合，确认了分屏模式的价值。这种监测变体，计划用于未来的临床实施，提供了一个快速的概述，并提请注意由常规部分指定的变化。开发的下一步是计划在实际临床条件下对分屏模式下的化身进行现实生活介绍研究。这种模式的弱点，基于显示的大量信息，将在进一步的规划过程中反映出来，并将通过今后的研究加以审查。通过首次在模拟临床环境中测试化身，我们朝着我们的愿景迈出了重要一步:帮助处于高认知负荷情况下的护理提供者更好地优先考虑信息，从而为患者的利益积极影响决策。