gms | German Medical Science

Obgleich die Interpretation des Elektrokardiogramms (EKG) eine Kernkompetenz für sämtliche graduierten Medizinstudenten darstellt [1], zeigen Studien der letzten 3 Jahrzehnte immer wieder, dass die Fähigkeit der zur EKG-Interpretation stets unterhalb den Erwartungen für Medizinabsolventen [2], [3], in der Schulung befindliche Ärzte (Vorklinik) sowie [4], [5], [6], [7], [8], [9] für Ärzte innerhalb der Klinik liegt [10], [11], [12]. EKG-Interpretationsfehler können Patienten durch verspätete Diagnosen, unangemessene Untersuchungen und Behandlungen sowie Verzögerungen bei der angemessenen Behandlung schädigen [13], [14]. Es besteht ein Verbesserungsbedarf hinsichtlich der EKG-Lernerfahrung in den Ausbildungsprogrammen für Studierenden als auch in der Vorklinik [15].

Leider ist die Variabilität und geringe medizinische Leistungsfähigkeit Fähigkeiten nicht nur auf die EKG-Interpretation beschränkt. Es wurde eine hohe Variabilität der Verfahrenskompetenz zwischen Vorklinik-Ärzten, Klinik- und Fachärzten für die Bereiche Lumbalpunktion, [16] Adipositas-Chirurgie, bariatrische Chirurgie [17] und das Einführen von intravaskulären Kathetern beschrieben [18]. Solche Ergebnisse haben zu Forderungen nach einer raschen Änderung der medizinischen Ausbildung geführt [19].

Eine bewusste Praxis (Deliberate Practice) wird weithin als Schlüsselkomponente für den Erwerb von Kompetenz und Meisterschaft erwähnt [20], [21]. Bewusste Praxis, ein Prozess, bei dem mehrere Iterationen strukturierter Praxis und Feedback bereitgestellt werden, bis der Trainee die erforderliche Kompetenz nachweist [19], [22], [23], [24] wird, im Vergleich zum passiven Lernen, für den Erwerb von Fähigkeiten als überlegene Strategie beschrieben [25], [26], [27]. Bewusste Praxis zur Erlangung der Meisterschaft ist in mehreren Bereichen demonstriert worden, darunter Sport, Gaming, der Geschäftswelt und bei musikalischen Leistungen [28], [29]. Medizinische Studienergebnisse haben verbesserte Ergebnisse in Fällen gezeigt, in denen die Leistung spezifischer Fähigkeiten durch Meister-Lernansätze, einschließlich Parazentese, Zentrallinienplatzierung und fortgeschrittene Fähigkeiten zur Unterstützung des kardialen Lebens, verbessert werden konnte [18], [30], [31].

Die Ergebnisse einer Umfrage der Clerkship Directors of Internal Medicine (CDIM) im Jahr 2005 deuten darauf hin, dass sich der Großteil der Zeit, der auf den EKG-Unterricht aufgewendet wurde, auf den Bereich didaktische Theorie konzentrierte, mit einem geringen Anteil an formalisierter strukturierter EKG-Praxis [32]. Tatsächlich wurden begrenzte Möglichkeiten für Praxis und Feedback als Beitrag zu schlechten EKG-Interpretationsfähigkeiten identifiziert [1].

Die Prämisse eines kompetenzbasierten Lernansatzes basiert auf einem leistungsorientierten Ansatz, der etablierten Standards entspricht. Eine Gruppe von Schülern zeigt unterschiedliche Lernraten für eine bestimmte Fähigkeit und benötigt unterschiedliche Mengen an Übung und Feedback, um Kompetenz zu erlangen [32], [33]. Daher sollte eine flexible Bereitstellung von Praxis und Feedback dazu beitragen, die Schulung eines jeden individuellen Studierenden an seine Bedürfnisse auszurichten. Darüber hinaus wäre die Kenntnis der optimalen Anzahl von EKG-Fällen, die zum Kompetenzgewinn geübt werden müssen, sowie die Zeit, die benötigt wird, um diese Praxis und das Feedback zu vervollständigen, hilfreich bei der Planung von Ressourcen für Lern-EKGs; diese Zahl ist derzeit nicht bekannt [34].

Das erste Ziel dieses Aufsatzes bestand darin, die Menge der bewussten Praxis zu beschreiben, die eine Gruppe von Medizinstudenten im ersten Jahr ausgesetzt ist, welche die EKG-Rhythmusstreifendiagnose erlernen. Zweitens wollten wir mathematisch die Lernkurve für die Rhythmusstreifendiagnose in Bezug auf Zeit und Anzahl der geübten Fälle quantifizieren. Das dritte Ziel bestand darin, die Meinungen der Studierenden zu ihren Erfahrungen mit der bewussten Praxis (Deliberate Practice) zu beschreiben.

Dies stellte eine beobachtende assoziative Kohortenstudie dar, die eine neuartige Online-Plattform zur Messung und Beschreibung des Praxisverhaltens und der Leistung von Medizinstudenten, die lernen, eine EKG-Rhythmusstreifendiagnose durchzuführen, nutzte. Es wurde ein Beobachtungsansatz gewählt, da ein Ansatz auf Basis von Experimenten aus Gründen der Ungleichbehandlung von Interventions- und Kontrollgruppen nicht möglich wäre, da es keine geeignete vorherige Intervention zum Vergleich gibt [35].

Eine Stichprobe unter Medizinstudenten des ersten Jahres, die 2016 und 2017 an zwei medizinischen Fakultäten in Kanada (McGill University und University of Calgary) eingeschrieben waren, wurde dazu eingeladen, an der Studie teilzunehmen, während diese ihre kardiovaskulären Kurse belegten. McGill bietet 7 Stunden Vorlesung und 2 Stunden Seminar zum Thema EKG-Lernen innerhalb eines 6-wöchigen Kurses an; Calgary bietet 7 Stunden Vorlesung und 0 Stunden Seminar innerhalb eines 12-wöchigen Kurses, der mit Curriculum, das die Atemwege betrifft, kombiniert wird. Beide Curricula beinhalten fallbezogenes Lernen und einige dieser Fälle beinhalten EKGs. Die Studierenden wurden zur Teilnahme per E-Mail eingeladen, die vom Studiensekretariat verschickt wurde, sowie durch Ankündigungen im Unterricht. Das University of Calgary Conjoint Health Research Ethics Board genehmigte die Studie. Für diese Studie wurden keine Mittel eingeworben.

Während des Selbststudiums übten die Studierenden Rhythmusstreifen-Fälle über die frei zugänglichen Online-Module auf teachingmedicine.com. Die 14 verschiedenen EKG-Diagnosen, die für das Lernen ausgewählt wurden, basierten auf den Advanced Cardiac Life Support (ACLS) Rhythmen, die für die Behandlung eines Herzstillstands beherrscht werden müssen (siehe Tabelle 1 [Tab. 1]). Die EKGs wurden als Rhythmusstreifen dargestellt (im Gegensatz zu 12-Kanal-EKGs). Es gab 3 diskrete Übungsmodule, von denen jedes ein anderes Beispiel der 14 Diagnosen (einschließlich Normalrhythmus) enthielt. Dieser Ansatz garantierte, dass in diesem Modul jede der 14 Diagnosen zum Tragen kam. Die Studierenden waren verpflichtet, im Rahmen ihrer Studienarbeit mindestens ein Praxismodul zu absolvieren. Die Studierenden konnten jedes Modul so oft üben, wie sie wollten. Die Leistung während der Schulung wurde als Prozentsatz der Rhythmusstreifen quantifiziert, die von jedem Studierenden richtig diagnostiziert wurden, verglichen mit der richtigen Antwort, die von 3 Experten einstimmig angenommen wurde. Die Zeit für den Abschluss der Übungsmodule wurde von der Online-Plattform erfasst. Der Timer startete beim Eintritt in das Modul und stoppte beim Verlassen des Moduls. Kam es für einen Zeitraum länger als 5 Minuten zu keiner Benutzeraktivität, wurden 4 Minuten abgezogen und der Timer gestoppt.

Jeder Rhythmusstreifen-Fall erforderte, dass der Studierende 8 Fragen zur Charakterisierung des EKG beantwortete, gefolgt von 2 Fragen zur Diagnose (siehe Tabelle 2 [Tab. 2]). Bis auf die Frage nach der ventrikulären Rate waren alle Fragen Multiple-Choice-Fragen, wobei die Diagnosefrage 14 Optionen bot. Motivationstechniken, wie z. B. die Offenlegung der sich entwickelnden Leistung der Schüler, Popup-Meldungen, die exzellente Leistung belohnten und förderten, und das Bereitstellen von Vergleichsstatistiken zwischen dem Benutzer und den Durchschnittswerten ihrer Kollegen wurden in die Übungsmodule integriert, um das Engagement der Studierende zu erhöhen [36].

Mehrere Überlegungen beeinflussten die Gestaltung des bereitgestellten Feedbacks [37]. Vier Arten von direktem Feedback standen jedem Studierenden zur Verfügung. Zunächst wurden die Antworten als korrekt oder falsch identifiziert. In einem zweiten Schritt wurden bei falsch eingereichten Diagnosen eine Tabelle mit der richtigen Diagnose, der falschen Diagnose des Studierenden sowie die diagnostischen Kriterien beider Diagnosen mit hervorgehobenen Unterschieden zwischen den beiden Kriteriensätzen angezeigt. Drittens wurde eine erklärende Diskussion zum Fall geführt. Die vierte Form des Feedbacks stellte die Möglichkeit dar, Fragen an den Kursleiter per E-Mail zu stellen, wobei die Antwort per E-Mail innerhalb von 24 Stunden erfolgte.

Alle Antworten der Studierenden wurden dokumentiert und zur Analyse zur Verfügung gestellt. Am Ende ihres kardiovaskulären Kurses absolvierten die Studierenden eine obligatorische Rhythmusstreifen-Prüfung, die bis zu 5% zu ihrer Abschluss-Kursnote beitrug. Prüfungsergebnisse von McGill wurden von der Analyse ausgeschlossen, da die Prüfungsfragen aus den Praxismodulen entnommen wurden und somit keine valide Prüfung von bisher unsichtbaren Fällen darstellten. Die University of Calgary führt eine klassische Papierprüfung durch, welche keine Rhythmusstreifen aus den Übungsmodulen enthielt. Jeder Rhythmusstreifenuntersuchungsfall bestand aus einer einzigen Diagnose, die von 2 Experten als ähnlich schwierig eingestuft worden war wie die Praxisfälle und die gleichen Diagnosen wie die Rhythmusstreifen in den Übungsmodulen enthielt. Die Leistung bei der Untersuchung wurde definiert als der Prozentsatz der Rhythmusstreifen, die zu einer korrekten Diagnose führte. Das Nichtbestehen des obligatorischen Übungsmoduls oder der Prüfung führte zum Kursstatus „unvollständig“.

Die Daten wurden de-identifiziert und auf einen lokalen Computer exportiert. Die Daten wurden mit R-3.5.1 [38], nlme-3.1-137 [39], Stata 10.0 (Statacorp LLP) und Excel (Microsoft Excel für Mac, Version 15.28) analysiert. Zur Zusammenfassung der Umfragedaten wurden deskriptive Statistiken einschließlich Mittelberechnungen (mit Standardabweichungen [SD]) und Größen verwendet.

Diese Daten bestehen aus zwei unabhängigen Populationen, sind nichtlinear und vergleichen mehrere gepaarte Stichproben pro Person; die Individuen verfügen alle nicht über die gleiche Anzahl gepaarter Stichproben. Zwei Streudiagramme wurden erstellt, um die Zusammenhänge zwischen diagnostischer Genauigkeit und Zeit pro Modul beim Üben im Vergleich zur Anzahl der abgeschlossenen Module zu beobachten. Die Gompertz-Funktion wurde verwendet, um die Mittel dieser Daten grafisch darzustellen [40]. Die Unterschiede zwischen den beiden Schulen wurden mit ANCOVA bewertet. Unterschiede zwischen gepaarten aufeinanderfolgenden Modulen wurden mit gepaarten t-Tests mit Bonferoni-Korrektur auf ihre Bedeutung getestet.

Diese Daten bestehen aus einer Population, sind nichtlinear, ungepaart; sie stehen unter der Annahme, dass sämtliche Beobachtungen unabhängig voneinander gemessen werden. Ein Streudiagramm wurde erstellt, um den Zusammenhang zwischen diagnostischer Genauigkeit und der Gesamtzeit beim Üben im Vergleich zur Anzahl der abgeschlossenen Module zu beobachten. Basierend auf der visuellen Betrachtung des Streudiagramms ergaben sich drei mathematische Funktionen: Gompertz-Funktion, Michaelis-Menten (MM)-Funktion und quadratische Funktion wurden als mögliche Kandidaten ausgewählt, um diese 2 Beziehungen darzustellen [40]. Die mit den Modellen verbundenen Koeffizienten wurden auf ihre statistische Signifikanz für die Anpassung an die Daten untersucht. Alpha wurde a priori auf 0,05 gesetzt. Akaike Informationskriterien (AIC) und die Korrelation zwischen beobachteten und vorhergesagten Messungen werden zur Messung der Güteanpassung der mathematischen Modelle verwendet.

Insgesamt wurden 384 Schüler zur Teilnahme eingeladen und 314 (82%) willigten ein. Unter den 298 (95%) zugelassenen Teilnehmern, welche die Vorbefragung abgeschlossen haben, lag das Durchschnittsalter bei 24,9 (SD=4,2) Jahren und 54 % der Teilnehmer waren weiblich. 14 (4%) Schüler gaben an, dass sie zuvor Online-Übungsmodule verwendet hatten, um Rhythmusstreifen interpretieren zu können. Die durchschnittliche Häufigkeit, mit der jede der 14 Diagnosen pro Schüler geübt wurde, betrug 4,1 (SD=2,7), was 59 Rhythmusstreifen pro Studierenden entspricht (siehe Abbildung 1 [Abb. 1]). Insgesamt 24 (8%) Studierenden übten nur das obligatorische Einzelmodul vor der Prüfung. Neun Studierenden haben das Pflichtmodul nicht vor der Prüfung und nach der Prüfung abgeschlossen. Achtundvierzig Schüler absolvierten 10 oder mehr Module; das entspricht ≥140 Rhythmusstreifen für jedes Modul. Die maximale Anzahl der von einem Studierenden absolvierten Module betrug 20, was 280 Rhythmusstreifen entspricht. Die Gesamtzahl der von allen 314 Schülern geübten Rhythmusstreifen betrug 18.466. Damit konnte auf 18.466 Feedbackfälle zurückgegriffen werden.

Abbildung 2 [Abb. 2] (links und rechts) zeigt die Streudiagramme, die sich auf die Anzahl der abgeschlossenen Übungsmodule mit diagnostischer Genauigkeit und die pro Modul Übungszeit in zwei verschiedenen Einrichtungen während der Absolvierung der Übung beziehen. Es gab keine statistischen Unterschiede hinsichtlich der diagnostischen Genauigkeit zwischen beiden Einrichtungen während der Absolvierung der Übung. Es gab keine statistischen Unterschiede in der Übungszeit pro Modul zwischen den beiden Einrichtungen, außer für einen Zeitpunkt (bei Modul 3). Unterschiede in der diagnostischen Genauigkeit zwischen aufeinanderfolgenden Modulen zeigten statistisch signifikante Steigerungen zwischen den Modulen: 1 und 2; 2 und 3; nicht 3 und 4, sondern erneut 4 und 5, was darauf hindeutet, dass die Diagnosegenauigkeit durch die Module 1-3 und möglicherweise auch bis zum Modul 5 (vollständige statistische Werte gemäß Anhang 1 [Anh. 1]) weiter gestiegen ist. Die Unterschiede in der Praxiszeit pro Modul haben sich zwischen aufeinanderfolgenden Modulen deutlich verringert: 1 und 2; bis hin zu den Modulen 7 und 8 einschließlich, was darauf hindeutet, dass die Geschwindigkeit in allen diesen Modulen weiter zugenommen haben.

Die mathematische Funktion, welche die Lernkurve der diagnostischen Genauigkeit am besten approximierte, entspricht der Gompertz-Gleichung mit den folgenden Koeffizienten: Y~88*exp(0,51*exp(0,47*M)). Die Funktion, welche die gesamte Trainingszeitkurve am besten beschreibt, entspricht der Michaelis-Menten-Funktion mit den Koeffizienten: Y~671*M/(12,1+M). M stellt die Anzahl der abgeschlossenen Module dar. Die AIC Goodness of Fit Bewertung für diese beiden mathematischen Funktionen ergab p-Werte<0.001 für alle Koeffizienten in den Modulen. Diese Kurven werden verwendet, um den Arbeitsaufwand der Studierenden zu schätzen, der erforderlich ist, um ein vordefiniertes Leistungsniveau für die Prüfung zu erreichen. Ein zweistufiges Modell zum Auffinden der Übungszeit aus der erwarteten Genauigkeit ist in Abbildung 3 [Abb. 3] dargestellt. Die Schätzung des Gompertz-Modells wird verwendet, um die entsprechende Anzahl von Modulen zu finden, die dann als Input für die Schätzung der Michaelis-Menten-Funktion verwendet wird, um die für die Praxis benötigte Zeit vorherzusagen. Tabelle 3 [Tab. 3] zeigt die gesamte Übungszeit und die erforderliche Anzahl der Module, die geübt wurden, um in der Prüfung eine Punktzahl von 70 bis 85% zu erreichen.

In der Vorbefragung berichteten die Studierenden darüber, wie viel Zeit sie vor der Forschungsstudie damit verbracht hatten, die Interpretation von Rhythmusstreifen zu üben; werden die Studierenden nach ihrer Vorstudienpraxis sortiert, ließen sich keine statistischen Unterschiede in der Prüfungsleistung feststellen.

Basierend auf der am Ende der kardiovaskulären Kurse durchgeführten Umfrage gaben 174 (von 314 Zustimmenden) Studierende an, dass die Lernmodule effektiv (97%), effizient (97%) und angenehm (92%) sind (siehe Anhang 2 [Anh. 2]). Die meisten Studierenden waren der Auffassung, dass ein Praxisbezug erforderlich ist, um das Interpretieren von EKGs zu erlernen (99%), dass sofortiges Feedback hilfreich war (95%) und dass sie daran interessiert waren, die gleiche Methode zum Erlernen anderer diagnostischer Fähigkeiten, wie Röntgen- und Ultraschallinterpretation, zu verwenden (99%).

In Bezug auf den Arbeitsaufwand des Dozenten für die Beantwortung von Feedback-E-Mails der Schüler wurden insgesamt 14 E-Mail-Fragen von Studierenden von McGill und 37 von Calgary eingereicht. Vergleicht man E-Mails mit den insgesamt geübten Fällen, so wurden 51 Feedback-E-Mails für 18.466 Praxisfälle eingereicht, was etwa einer E-Mail pro 360 geübten Fällen entspricht.

Unsere Daten zeigen, dass Medizinstudenten im ersten Jahr vor einer Rhythmusstreifenuntersuchung einen Mittelwert von 59 Rhythmusstreifen interpretiert haben. Insgesamt wurden 314 Studierenden an zwei verschiedenen medizinischen Fakultäten über 18.000 Feedback-Fälle zur Verfügung gestellt. Dies ist aus mehreren Gründen wichtig. Erstens wurden von Herausforderungen bei der Bereitstellung von Feedback für die bewusste Praxis (Deliberate Practice) berichtet [37]. Wir haben detailliert beschrieben, wie man zwei großen Kohorten von Medizinstudenten erfolgreich Feedback im Rahmen der bewussten Praxis geben könnte, um auf diese Weise einem in der medizinischen Lehrliteratur identifizierten Bedarf gerecht zu werden.

Zweitens zeigten unsere bisher unveröffentlichten lokalen Daten, dass, wenn das Üben nicht vorgeschrieben war und es keine Rhythmusstreifen-Prüfung gab, die Studierenden trotz starker Förderung und Ermutigung durch die Dozenten lediglich einen Mittelwert von nur 6 Übungsrhythmusstreifen erreichten [41]. Der Vergleich dieser Ergebnisse mit den Ergebnissen unserer aktuellen Studie, die Einführung eines obligatorischen Übungsmoduls und einer speziellen Rhythmusstreifen-Summenprüfung führte zu einer 9-fachen Steigerung des Praxisverhaltens der Studierenden. Die Studierenden waren bereit, fähig und motiviert, weit über das von den Kursleitern vorgeschriebene Arbeitspensum hinaus zu üben und absolvierten durchschnittlich 59 Übungsrhythmusstreifen, auch, wenn nur 14 benötigt wurden.

Die spezielle Rhythmusstreifen-Summenprüfung war wahrscheinlich ein starker Motivator für das Verhalten der Studierenden in der Praxis. Andere Studien haben die positiven Auswirkungen von summativen Bewertungen speziell auf die Leistung der Studierenden auf die EKG-Interpretation beschrieben [42], [43]. Bei Vorklinik-Schulungsprogrammen wurden regelmäßige objektive Beurteilungen der EKG-Interpretationsfähigkeiten empfohlen [34]. Zusätzlich zu den prägenden Rückmeldungen haben Raupach et al. festgestellt, dass summatives Feedback die mittelfristige Aufrechterhaltung der EKG-Interpretationsfähigkeiten, unabhängig von der Unterrichtstechnik, erhöht; es sollte daher als wichtige Komponente für die Aufrechterhaltung solcher Fähigkeiten angesehen werden [44].

Die Lernkurve für die Interpretation von EKG-Rhythmusstreifen bei Medizinstudenten wurde bisher nicht quantifiziert. Eine Lernkurve ist eine grafische Darstellung, die eine Metrik von Zeit oder Aufwand mit der Leistung einer Fertigkeit verbindet [22]. Wir konnten zeigen, dass die diagnostische Genauigkeit und die Zeit, die mit dem Üben verbracht wurde, zwischen den Studierenden an zwei verschiedenen medizinischen Fakultäten sich sehr ähneln. Die Studierenden zeigten weiterhin eine Verbesserung sowohl der diagnostischen Genauigkeit als auch der Geschwindigkeit der Diagnose und übten bis zu 4 Module (56 Fälle). Der Wert von 56 Fällen unterstreicht die große Zahl von Praxisfällen, die den Studierenden zur Verfügung gestellt werden sollten, damit diese weiterhin die Möglichkeit haben zu üben, während sie sich gleichzeitig verbessern. Es ist wichtig zu erkennen, wann die Lernkurve ihre Asymptote erreicht hat, um anzuzeigen, wann der Lernprozess höchstwahrscheinlich aufgehört hat.

Anhand der Kurven in Abbildung 3 [Abb. 3] kann die Anzahl der EKG-Fälle und die Zeit, die benötigt wird, um bei Medizinstudenten im ersten Jahr ein vorgegebenes Kompetenzniveau zu erreichen, bestimmt werden (siehe Tabelle 3 [Tab. 3]). Diese Informationen sind für die Studierenden wertvoll, um ihnen dabei behilflich zu sein, ihre Studienzeit zu planen und realistische Leistungsziele zu setzen. Die Ergebnisse der Lernkurvenanalyse können auch als Orientierungshilfe für die Curriculumsentwicklung dienen; zunächst kann ein Kompetenzstandard für die diagnostische Genauigkeit gewählt werden; mithilfe der Lernkurve kann geschätzt werden, wie viel bewusste Praxis für die Studierenden erforderlich ist. Wenn beispielsweise der Kompetenzstandard auf eine diagnostische Genauigkeit von 75% festgelegt wird, werden 34 Praxisfälle und 111 Minuten benötigt, damit der durchschnittliche Medizinstudent dieses Leistungsniveau erreicht. Wir sind der festen Überzeugung, dass die Verantwortung für die Bereitstellung der erforderlichen Praxis und des Feedbacks zur Erlangung medizinischer Fähigkeiten bei der Medizinischen Fakultät und ihren Lehrpersonen liegt, anstatt dies den Studierenden aufrechtzuerlegen.

Frühere Forderungen nach einer Änderung der Art und Weise, wie das Fach EKG-Interpretation gelehrt werden sollte, legen nahe, dass mehr Übungsmöglichkeiten erforderlich sind [2]. Die CDIM-Umfrage 2013 der internen Medizinischen Lehrprogramme berichtete über die Anzahl von 12 Kanal-EKGs, die Studierenden in den Praktika im dritten Jahr unter Aufsicht formal interpretiert hatten [1]. Nur 37% der Studierenden an medizinischen Fakultäten interpretierten formal mehr als zehn 12-Kanal-EKGs während ihrer Praktika in der Inneren Medizin [1]. Alle anderen Befragten gaben an, dass ihre Studierenden weniger EKGs interpretiert hatten, oder dass diese Frage nicht beantwortet wurde. Die Daten für die EKG-Schulung vor Aufnahme der Ausbildungsphase, d.h. die von uns untersuchte Population, liegen nur spärlich vor.

Unsere Studie untersuchte die Interpretation von Rhythmusstreifen und keine 12 Kanal-EKGs. Die Interpretation von 12-Kanal-EKGs ist jedoch komplexer als die von Rhythmusstreifen und erfordert daher voraussichtlich noch mehr Übezeit als die von Rhythmusstreifen, um wirkliche Kompetenz zu erlangen. Unsere Ergebnisse, kombiniert mit den Ergebnissen der CDIM-Umfrage, deuten möglicherweise darauf hin, dass die Bedürfnisse der Studierenden nach EKG-Praxis an vielen medizinischen Fakultäten nicht erfüllt werden. Um die Kluft zwischen dem, was den Studierenden zur Verfügung gestellt wird, und dem, was von den Studierenden benötigt wird, weiter zu verdeutlichen, empfehlen die ACC/AHA-Leitlinien für das Erlernen von 12 Kanal-EKGs, dass die Lernphase mindestens 500 überwachte Interpretationen umfassen sollte [45], obgleich die Beweise, auf denen die Empfehlung fußt, unklar sind.

Eine der Schlüsselkomponenten der Kompetenzentwicklung ist das Feedback [46]. Formatives Feedback kann den Studierenden helfen, sich selbst zu überwachen und festzustellen, ob sie die von ihrer Schule definierten Kompetenzstandards erfüllt haben [47], [48]. Die Qualität und Art des Feedbacks hat einen starken Einfluss auf die Motivation [49] und wird als am nützlichsten erachtet, wenn Ausbilder eine aktive Rolle im Lernprozess übernehmen [50]. Fehlendes Feedback oder mangelnde Unterstützung können zu geringer Motivation und vorzeitiger Beendigung von selbstgesteuerten Kursen führen (49). Daher sollte eine selbstgesteuerte Lernressource die direkte Beteiligung von Dozenten beinhalten. Unser Lernwerkzeug bot eine gemischte Form des Feedbacks an, bestehend aus 3 verschiedenen Komponenten des automatisierten Feedbacks, und eine E-Mail-Funktion, die eine effiziente Einbindung des Schulenden vor Ort ermöglichte.

Es gibt logistische Herausforderungen, den Studierenden ein individuelles Feedback zu geben, wenn es viele Studierenden und wenig Dozenten gibt. Die erste Überlegung richtet sich auf die Skalierbarkeit und Machbarkeit. Ein Beispiel: Für eine Klasse von 100 Studierenden, bei der jeder Studierende 50 Übungs-EKGs absolviert, würde ein Feedback von 5.000 Mal erforderlich sein. Um unserer Gruppe von 314 Studierenden eine bewusste Praxis zu ermöglichen, waren 18.466 Fälle von Praxis und Feedback erforderlich. Da Computeralgorithmen automatisiertes Feedback liefern, war der Arbeitsaufwand für die Dozenten gering. Die Arbeitsbelastung durch zusätzliches Feedback, das die Studierenden per E-Mail von ihren Dozenten vor Ort angeforderten, lag im Durchschnitt bei 25 E-Mails pro Dozent und wurde nicht als überwältigend angesehen. Anders betrachtet: Es gab für jede 360 geübten Fälle eine Feedback-E-Mail-Frage.

Ein weiterer Vorteil des automatisierten Feedbacks ist die Konsistenz; alle Lernenden erhalten die gleiche Qualität des Feedbacks, da der Einfluss der Assessorvariabilität aus dem Prozess entfernt wird. Darüber hinaus kann die Qualität des Feedbacks im Laufe der Zeit gesteigert werden, da Leistungsdaten der Schüler gesammelt und analysiert werden und häufige Fehler identifiziert werden. Diese Informationen decken Änderungen an Falldiskussionen auf, sodass häufige Fehler direkt und präventiv behoben werden können.

Eine positive emotionale Reaktion auf ein Lernumfeld erleichtert das Engagement der Studierenden [51], [52]. Unsere Umfragedaten bestätigten, dass 92% der Studierenden den bewussten Übungs-Lernprozess mit einem hohen Maß an „Spaß“ verbanden oder diesen als „ein wenig angenehm“ einschätzten. Die Erfahrungen der Studierenden können auch durch ihre Wahrnehmung positiv beeinflusst worden sein, dass die Lernressourcen sowohl effektiv als auch effizient waren. Darüber hinaus trug individualisiertes Feedback wahrscheinlich auch zur Zufriedenheit und Leistung der Studierenden bei, da die Studierenden angaben, dass sofortiges Feedback entweder „unbedingt erforderlich“ (95%) oder „hilfreich“ (4%) gewesen war.

Zu den Stärken dieser Studie gehört die unauffällige Erfassung von Lernanalysen während der Kernaktivitäten des Lehrplans, wodurch die Verzerrung der Teilnehmer minimiert und die Datenerfassung maximiert wird. Der Rückgriff auf Daten von 2 medizinischen Fakultäten erhöht die Verallgemeinerbarkeit unserer Ergebnisse. Die Studie war einfach zu implementieren und wird für zukünftige Studien anderer diagnostischer Fähigkeiten skalierbar sein.

Es gibt zahlreiche Einschränkungen innerhalb unserer Forschungsstudie. Ein vergleichendes experimentelles Design ist methodisch stärker, aber das Fehlen einer Kontrollgruppe, mit der wir das Gleichgewicht rechtfertigen konnten, war nicht möglich. Es existierte keine vorherige Methode zur Bereitstellung von bewusster Praxis an beiden medizinischen Fakultäten. Zudem konnten wir die Studierenden nicht in eine Gruppe randomisieren, welche nicht übten; daher ist unsere Studie als eine beobachtende Studie zu betrachten.

Unsere unabhängige Variable wurde auf der Grundlage von Modulfertigstellungen und nicht auf der Grundlage von Einzelfallabschlüssen quantifiziert. Hätten wir unsere Datenerhebung auf abgeschlossene Einzelfälle anstelle der abgeschlossenen Module strukturiert, hätten wir Daten mit höherer Genauigkeit erhalten. Da wir diese Einschränkung nach der Datenerfassung erkannten, haben wir die Datenerfassungssoftware so modifiziert, dass zukünftige Projekte die Daten fallweise analysieren können.

Nach der Analyse stellen wir fest, dass unsere digitale Übungsbibliothek wahrscheinlich zu klein ist, um die Bedürfnisse eines durchschnittlichen Studierenden zu erfüllen, sofern wir eine diagnostische Genauigkeit von 80% oder mehr anstreben. Darüber hinaus schafft die Aufteilung der Fälle in drei getrennte Module wahrscheinlich künstliche und möglicherweise bedeutungslose Stopppunkte für den Lernenden; es wäre wahrscheinlich besser, alle Übungsfälle in ein Modul zu integrieren und auf weit über 50 Übungsfälle zurückzugreifen, um sicherzustellen, dass es am langsameren Ende der Lernkurve genügend Fälle für die Studierenden gibt. Da wir insgesamt 42 Einzelfälle haben, bleiben wir hinter diesem Ziel zurück. Dies stellt eine Einschränkung unserer Studie dar, denn Studierenden, die mehr als 42 Fälle übten, wiederholten Fälle, die sie zuvor geübt hatten.

Wir haben die kurzfristige Beibehaltung der Rhythmusstreifen-Interpretation gemessen; der genaue Zeitpunkt, zu dem die Studierenden die Praxis abgeschlossen haben, wurde nicht gemessen, sondern war in einem 10-wöchigen Lernblock enthalten. Es ist wahrscheinlich, dass zahlreiche Übungen innerhalb von 2-3 Wochen nach der Prüfung stattgefunden haben. Wir können unsere Ergebnisse nicht auf die langfristige Bindung hochrechnen, hoffen aber, die Studierenden zu einem späteren Ausbildungszeitpunkt erneut (höheres Semester) bewerten zu können und unsere Analyse mit einer langfristigen (2 Jahre) Bindung zu wiederholen.

Wir untersuchten die Leistung innerhalb der ACLS-Ebene Rhythmusstreifen-EKG-Interpretation und diese Ergebnisse können nicht auf die volle 12-Kanal-EKG-Interpretation hochgerechnet werden, was mehr Analyse und oft mehrere koexistierende Diagnosen erfordert.

Wichtig ist, dass die Studierenden die EKG-Rhythmen ohne klinischen Kontext interpretierten; die diagnostische Interpretation könnte sich ändern, wenn Patienteninformationen zur Verfügung gestellt werden [53], [54].

Nach unserem Kenntnisstand haben unsere Studierenden in erster Linie ein Lernwerkzeug zur EKG-Interpretationsübung verwendet. Daher können wir unsere Ergebnisse nicht auf andere Lernwerkzeuge hochrechnen; es wäre jedoch sehr interessant, eine Steigung der Lernkurve für verschiedene Werkzeuge zu vergleichen, damit das Werkzeug, welches das schnellste Lernen mit geringstem Aufwand ermöglicht, identifiziert werden kann. Darüber hinaus ist unser Bewertungsinstrument (die Rhythmusstreifen-Prüfung) noch nicht formal validiert worden.

Eine weitere Einschränkung unserer Studie stellt die fehlende Analyse jedes einzelnen Lernenden dar; wir berichten über die Leistungsmöglichkeit einer größeren Anzahl von Studierenden. Nicht alle Lernenden folgen der gleichen Lernkurve; tatsächlich beschreibt der Mittelwert der Schülerleistung selten die Leistung eines einzelnen Schülers [55].

Zusammenfassend lässt sich sagen, dass wir einer großen Gruppe von Medizinstudenten im ersten Studienjahr erfolgreich bewusste Praxis zur Verfügung gestellt haben und unsere Daten quantifizieren eine Lernkurve für die Interpretation von Rhythmusstreifen auf ACLS-Ebene mit einem speziellen Online-Lernmodul. Diese Ergebnisse können bei der curricularen Ausgestaltung des Themas Interpretation von EKG-Rhythmusstreifen behilflich sein, einer erforderlichen Fähigkeit zur Behandlung eines Herzstillstands.

Jason Waechter ist der Gründer von teachingmedicine.com. Die für dieses Projekt verwendeten Module sind Open Access und frei zugänglich.

Das University of Calgary Conjoint Health Research Ethics Board hat diese Forschungsstudie genehmigt (REB14-0654_MOD2). Die University of McGill hat diese Forschungsstudie genehmigt (IRB-Studiennummer A07-E50-15B).

Posterpräsentation mit dem Titel “Learning Curves for ECG Interpretation: Correlating Deliberate Practice with Performance.” Präsentiert auf der Canadian Conference for Medical Education (CCME) 2017.

Wir danken Dr. Rachel Ellaway und Dr. Martin Pusic für die Bearbeitung des Manuskripts und die Unterstützung des Projekts.

Die Autoren erklären, dass sie keine Interessenkonflikte im Zusammenhang mit diesem Artikel haben.