يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة مراجعة

الحرمان من النوم، إرهاق اتخاذ القرار، والأداء السريري في التدريب الطبي: مراجعة سردية ومنظور حول المراقبة الفسيولوجية العصبية

114 مشاهدة

⸱

DOI:

10.3791/71627

⸱

يوليو 28, 2026

 ,  ,  , 
1Department of Critical Care Medicine, The First Affiliated Hospital, Zhejiang University School of Medicine, 2Department of Education, The First Affiliated Hospital, Zhejiang University School of Medicine, 3Department of Orthopedics, The First Affiliated Hospital, Zhejiang University School of Medicine

* These authors contributed equally

في هذه المقالة

ملخص

تفحص هذه المراجعة السردية والمنظور كيف يؤثر الحرمان من النوم وإرهاق القرار على الأداء السريري، وتقيم المراقبة المعتمدة على تخطيط الدماغ الكهربائي وfNIRS كأدوات مفاهيمية لتفسير وتغذية راجعة الوعي بالتعب في التدريب الطبي.

الملخص

الحرمان من النوم وإرهاق اتخاذ القرار هما عوامل مهمة لكنها غالبا ما لا تعرف بها بشكل كاف في الأداء السريري النهاري. في بيئات التدريب الطبي، قد تؤثر هذه العوامل المعتمدة على الحالة من الانتباه والسيطرة التنفيذية واتخاذ القرار، مما يعقد تفسير الكفاءة الملحوظة أثناء اليقظة. تقوم هذه المراجعة السردية والمنظور بتلخيص أدلة من علوم النوم، وعلم الأعصاب، وعلم النفس، والتعليم الطبي لفحص كيف يؤثر فقدان النوم وإرهاق القرار على الأداء السريري وكيف يمكن لأساليب المراقبة غير الجراحية أن تساعد في وضع هذا التباين في سياقه. يعطى الاهتمام لتخطيط تخطيط الدماغ الكهربائي (EEG) والتحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS) كأدوات بحثية مرشحة لتوصيف التغيرات المرتبطة بالإرهاق في عبء العمل المعرفي واليقظة. تدعم الأدبيات المراجعة الروابط القوية بين فقدان النوم والتعب وضعف الوظائف العصبية الإدراكية، لكن استخدام المراقبة الفسيولوجية العصبية في الوقت الحقيقي لتقييم الجاهزية القابلة للتنفيذ في التدريب الطبي يبقى مفاهيميا ويتطلب تحققا تجريبيا. نقترح إطار عمل CBME-BCI-Fatigue كنموذج منظور مولد فرضيات لدمج معلومات الحالة الفسيولوجية مع التقييم القائم على الكفاءة، مع التركيز على القيود المتعلقة بصلاحية البناء، والقيمة الإضافية، والتباين الفردي، والجدوى، والحوكمة. قد يساعد هذا الإطار في المستقبل في الأبحاث المستقبلية القائمة على المحاكاة ومنخفضة المخاطر حول التغذية الراجعة الواعية للتعب ودعم المتعلم في بيئات التدريب السريري المعرضة للنوم.

المقدمة

يواصل التعليم الطبي حول العالم التوجه نحو نماذج تركز على النتائج، وأبرزها التعليم الطبي القائم على الكفاءة (CBME)، الذي يركز على القدرات الظاهرة بدلا من التقدم المعتمد على الزمن. لقد نوقش مفهوم الكفاءة المهنية منذ فترة طويلة فيما يتعلق بالقدرة القابلة للملاحظة، والاستدلال السريري، والتواصل، والاحترافية، ورعاية المرضى الآمنة 1,2. وقد شجعت مشروع نتائج مجلس الاعتماد للتعليم الطبي العالي (ACGME)، والأساليب المستنيرة من CanMEDS، ونظرية CBME اللاحقة المعلمين على تحديد نتائج التدريب بشكل صريح وتقييمها على المدى الطولي 3,4. ركزت المناقشات الأخيرة على CBME في الصفوف الأمامية لرعاية المرضى5. يبرز العمل على التنفيذ عبر بيئات البكالوريوس والدراسات العليا والتطوير المهني المستمر أيضا التحديات المستمرة في جدوى الجدوى، ثقافة التقييم، وتطوير أعضاء هيئة التدريس 6,7,8,9,10.

داخل CBME، أدت الأنشطة المهنية الموثوقة (EPAs) وقرارات التسليم إلى تحويل التقييم نحو الأحكام القائمة على الإشراف 11,12,13,14,15. لقد دعمت منحنيات التعلم وتحليلات التعلم التفسير الطولي لتقدم المتعلم16,17. يركز التعليم الدقيق، وجوازات السفر، وبيئات التعلم الموجهة نحو الإتقان، والتوجيه على التغذية الراجعة، ودعم المتعلمين، والإشراف التكيفي 18,19,20,21. تعترف هذه المناهج بأن الكفاءة تستنتج من أنماط الأداء عبر الزمن والسياق بدلا من اختبار واحد. ومع ذلك، يبقى هناك نقطة عمياء مستمرة: الأداء المرصود لا يعكس دائما كفاءة أساسية مستقرة. كما يتشكل من خلال حالات فسيولوجية وإدراكية مؤقتة، بما في ذلك قلة النوم، وعدم انتظام الساعة البيولوجية، وعبء العمل، والضغط العاطفي، وإرهاق اتخاذ القرار22.

تكتسب هذه المشكلة أهمية خاصة في البيئات السريرية حيث يعمل المتدربون ليلا، ويديرون أعداد كبيرة من المرضى، ويؤدون الإجراءات، ويتخذون قرارات متكررة في ظل عدم اليقين. ارتبط فقدان النوم والتعب بضعف اليقظة، والتحكم التنفيذي، والسرعة النفسية الحركية، وتنظيم المزاج، ومخاطر الخطأ الطبي23، 24، 25، 26، 27. قد يكون الأداء الجراحي والإجرائي عرضة للخطر بشكل خاص لأنه يعتمد على الانتباه المستمر، والدقة الحركية الدقيقة، والحكم السريع على الموقف. تربط المراجعات ودراسات المحاكاة الحرمان من النوم بتغيرات في البراعة الجراحية وأداء إدارة الأزمات28، 29، 30. تظهر الدراسات على مستوى المريض ومستوى الإجراءات نتائج أكثر تنوعا، مما يؤكد الحاجة إلى تفسير حذر 31,32,33. تظهر أبحاث ساعات العمل، بما في ذلك iCOMPARE والتجارب العشوائية ذات الصلة، أن النوم، والتسليم، وعبء العمل، وسلامة المرضى، والنتائج التعليمية هي عوامل مترابطة بدلا من أن تختزل إلى متغير جدولة واحد34، 35، 36، 37، 38.

غالبا ما يكون تباين الأداء المعتمد على الحالة مؤقتا، وظرفيا، ويصعب التقاطه باستخدام أدوات التقييم التقليدية القائمة على مكان العمل. قد تعكس نوبة الأداء الضعيف بعد نوبة ليلية حاجة تعلم دائمة، أو فقدان مؤقت مرتبط بالإرهاق، أو عبء عمل زائد، أو إشراف غير كاف، أو مزيج من هذه العوامل. تم اقتراح المراقبة الفسيولوجية العصبية كنهج مكمل لتوصيف الحالة المعرفية أثناء التعلم والممارسة. يمكن لتخطيط الدماغ الكهربائي (EEG) التقاط الاستجابات العصبية السريعة والمرتبطة بالأحداث، بينما يمكن لتحليل الطيف الوظيفي الأقرب بالأشعة تحت الحمراء (fNIRS) تتبع التغيرات الديناميكية الدموية القشرية، خصوصا في المناطق الجبهية الأمامية المشاركة في التحكم التنفيذي. قد توفر هذه الأساليب مؤشرات سياقية على عبء العمل، واليقظة، والإرهاق. ومع ذلك، لا ينبغي تفسيرها كمقاييس معتمدة للكفاءة أو استخدامها كمحفزات مباشرة لقرارات الإشراف أو التفويض.

تجمع هذه المراجعة السردية والمنظور أدلة تربط الحرمان من النوم وإرهاق اتخاذ القرار بالأداء السريري، وتلخص ميزات تخطيط الدماغ الكهربائي وfNIRS ذات الصلة بالإرهاق والعبء المعرفي، وتقترح إطار عمل CBME-BCI-Fatigue. الهدف ليس تقديم نظام تقييم معتمد، بل توضيح جدول أعمال بحثي لتفسير أداء المتدربين الواعية للدولة في بيئات التدريب الطبي المعرضة للنوم. يعرض الشكل 1 الإطار المقترح، موضحا كيف يمكن ربط معدلات الأداء المعتمدة على الحالة، والمراقبة العصبية الفسيولوجية ومتعددة الوسائط، والتفسير القائم على الكفاءة، ودمج البيانات المدعومة بالذكاء الاصطناعي، والتغذية الراجعة التكيفية في أبحاث التدريب الطبي المستقبلية الواعية للإرهاق.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

مراجعة ومنظور

نهج البحث

تم تطوير هذه المقالة كمراجعة سردية ومنظور بدلا من كونها مراجعة منهجية أو مراجعة نطاق أو تحليل تلوي. بحثنا في PubMed وPsycINFO وWeb of Science Core Collection وERIC منذ تأسيس قاعدة البيانات حتى 31 ديسمبر 2025. جمعت مصطلحات البحث مفاهيم تتعلق بالحرمان من النوم، وتقييد النوم، والإرهاق، وإرهاق اتخاذ القرار، والأداء السريري، والتعليم الطبي القائم على الكفاءة (CBME)، وعبء العمل المعرفي، وتخطيط الدماغ الكهربائي (EEG)، والتحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة (fNIRS)، وواجهات الدماغ والحاسوب (BCIs)، والتدريب الطبي. كما تم إجراء تحديث مستهدف لدمج أدبيات fNIRS الحديثة المتعلقة بمراقبة النوم والتعب.

تم اختيار المصادر وترتيبها في الأولويات عندما كانت تؤثر بشكل مباشر على أحد أربعة مجالات: التغيرات المرتبطة بالنوم أو التعب في الأداء العصبي المعرفي والسريري؛ مؤشرات EEG- أو fNIRS المشتقة من الإرهاق، عبء العمل، اليقظة، أو الضعف المرتبط بالنوم؛ العمل المفاهيمي أو التطبيقي ذو الصلة بدمج معلومات الحالة الفسيولوجية في CBME؛ وقضايا أخلاقية أو تنفيذية ذات صلة بالاستخدام التعليمي. لم يتم اختيار المصادر لتوفير تغطية شاملة لجميع الأدبيات المتعلقة بالنوم أو التحليل الدماغي أو تكنولوجيا الأعصاب. لم نعط الأولوية للدراسات التي كانت في الأساس أوراق في علوم الأعصاب الأساسية، أو هندسة الأجهزة، أو أوراق التعديل العصبي العلاجية إلا إذا كانت تدعم بشكل مباشر تفسير أداء المتدربين الواعي بالإرهاق. لم يتم إجراء تقييم رسمي لمخاطر التحيز أو تجميع تحليلي تلوي؛ تم تلخيص النتائج بشكل وصفي ونقدي لدعم إطار منظور مفاهيمي يولد فرضيات.

مساهمة جديدة وجمهور مستهدف

تكمن جدة هذه المراجعة في ربط عدة مجموعات أدبيات ذات صلة لكنها غالبا ما تناقش بشكل منفصل—مثل إرهاق المقيمين، حرمان النوم، إرهاق اتخاذ القرار، عبء العمل المعرفي، المراقبة الفسيولوجية العصبية، وتقييم CBME—حول مشكلة تعليمية محددة: كيف يجب على المعلمين تفسير الأداء السريري المرصود عندما قد تتغير الحالة الإدراكية للمتدرب مؤقتا بسبب فقدان النوم، وإرهاق القرار، أو عبء العمل. الجمهور المستهدف هو المعلمون الطبيون، والمعلمون السريريون، ومديرو البرامج، والباحثون المهتمون بتفسير أداء المتدربين الواعي بالإرهاق. يهدف إطار العمل المقترح CBME-BCI-Fatigue إلى تنظيم أسئلة البحث المستقبلية وتوضيح متطلبات التحقق، وليس للتحقق من نظام مراقبة تشغيلي أو دعم قرارات التقييم الحالية ذات المخاطر العالية.

الكفاءة كأداء ديناميكي في CBME

لم يكن السبب الأصلي لبرنامج CBME هو إنشاء نماذج تقييم جديدة فقط، بل مواءمة التعليم الطبي مع احتياجات المرضى وأنظمة الصحة. يؤكد CBME على التقدم بناء على الكفاءة، ومسارات التعلم الفردية، والأدلة على أن المتعلمين يمكنهم أداء أنشطة سريرية ذات معنى تحت الإشراف المناسب5،6. توفر أطر الكفاءات الوطنية والإقليمية، بما في ذلك أطر الكفاءة للإقامة في الصين ومناقشات تطوير المواهب في i-FIRST، لغة منظمة لتصميم المناهج، وتطوير المتعلمين، والمساءلة التعليمية7،8. وفي الوقت نفسه، تشير الأدبيات حول تنفيذ CBME إلى مخاوف مستمرة بشأن الجدوى، وتطوير أعضاء هيئة التدريس، وعبء التقييم، ومخاطر تقليل الممارسة المهنية المعقدة إلى قائمة السلوك 9,10.

لقد كانت قرارات وكالة حماية البيئة وقرارات التسليم مؤثرة بشكل خاص لأنها تربط التقييم بالسؤال السريري حول مقدار الإشراف الذي يحتاجه المتعلم لنشاط مهني محدد 11,12,13,14. يبرز تنفيذ وكالة حماية البيئة أيضا أن التفويض هو حكم على المتعلم، ومهمة، وسياق، ومستوى من الإشراف؛ ليست مجرد صفة ثابتة مدمجة في ال15 المتدرب. وبالمثل، يمكن لمنحنيات التعلم وتحليلات التعلم مساعدة المعلمين على تحديد المسارات مع مرور الوقت بدلا من الإفراط في تفسير نقاط البيانات الفردية16,17. تعزز التعليم الدقيق، وجوازات السفر، وبيئات التعلم الموجهة نحو الإتقان، والتدريب فكرة أن التقييم يجب أن يدعم التطوير، والتغذية الراجعة، والدعم التكيفي 18,19,20,21.

يوسع منظور الحالة هذا المنطق. إذا كان المتدرب يؤدي أداء ضعيفا بعد يقظة طويلة أو تحول ذهني مكثف، فإن سؤال التقييم ليس فقط ما إذا كان المتدرب يفتقر إلى الكفاءة. كما أن السلوك المرصود يعكس ضعف مرتبط بالإرهاق، أو عبء العمل الزائد، أو سوء الإشراف، أو تصميم النظام، أو عدم تطابق بين متطلبات المهام والحالة المعرفية. قد تتطلب فجوة الكفاءة المستقرة ممارسة وتدريبا متعمدا؛ قد يتطلب النقص المرتبط بالإرهاق تخطيطا للتعافي، أو إعادة تصميم عبء العمل، أو تعديل الإشراف، أو التدخل على مستوى الجدول الزمني. لذلك، لا يعيد التقييم الواعي للدولة تعريف الكفاءة. بل يحسن السياق الذي تفسر فيه بيانات الأداء ويقلل من خطر تصنيف الضعف المؤقت بشكل خاطئ على أنه عدم قدرة دائمة.

الحرمان من النوم، اضطراب الساعات البيولوجية، وإرهاق اتخاذ القرار

الحرمان من النوم والإرهاق عوامل منتشرة لكنها غير مقدرة بشكل كاف لأداء الأطباء. في التدريب السريري، تعرض الورديات طويلة الأمد، والعمل الليلي، وعبء العمل غير المتوقع، والتسليمات المتكررة المتدربين لحالات قد تقلل من اليقظة واتخاذ القرار. الدراسات حول نوم الأطباء ورفاهيتهم ربطت بين النوم والضيق المرتبط بالإرهاق المرتبط بالأخطاء الطبية ذات الأهمية السريرية23. كما ارتبطت التحولات الممتدة بزيادة فشل الانتباه، والأخطاء الطبية، والأحداث السلبية24. قد يؤثر الإرهاق والضيق المقيمين على الأخطاء الطبية المبلغ عنها ذاتيا، مما يشير إلى أن مخاطر الأداء جزئيا سلوكية، وجزئيا معرفية، وجزئيا على مستوىالنظام 25.

تعزز الدراسات الرصدية والتجريبية على المتدربين الطبيين والأطباء هذا القلق. يظهر المتدربون والمقيمون الذين يعملون في نوبات طويلة فرص نوم أقل وأنماط يقظةمتغيرة 26. ارتبط تقليل ساعات عمل المتدربين في وحدات العناية المركزة بأخطاء طبية خطيرة أقل في تجربة تاريخية27. تظهر الدراسات الجراحية والإجرائية أن الحرمان من النوم قد يؤثر على مهارة المحاكاة وأداء إدارة الأزمات 28,29,30. تظل الدراسات على مستوى المريض ومستوى الإجراءات أكثر تنوعا ولا ينبغي تبسيطها بشكل مفرط 31,32,33. قد تفسر الاختلافات بين التخصص، ومستوى التدريب، وتعقيد الحالات، والإشراف، وهيكل الفريق، ونوع النتائج سبب وضوح الانخفاض المرتبط بالإرهاق من حيث اليقظة، والأداء المحاكى، ومقاييس العمليات مقارنة بنتائج المرضى اللاحقة.

توضح تجارب ساعات العمل لماذا لا يمكن للتعليم الواعي للإرهاق أن يعتمد فقط على طول الوردية. وجدت تجربة iCOMPARE أن سياسات ساعات العمل المرنة لم تكن أقل من السياسات القياسية لنتائج التعليم المختارة وسلامة المرضى34,35. أفادت تحليلات الرفقاء أن النوم واليقظة لم يزدا بالضرورة سوءا بموجب قواعد ساعات العمل المرنةرقم 36. على النقيض من ذلك، أظهرت تجربة عشوائية للجداول التي لم تنفذ نوبات 24 ساعة أن إلغاء الورديات الممتدة لم يحسن سلامة المرضى بشكل موحد37. وجدت دراسة ذات صلة حول نوبات العمل الممتدة تأثيرات الأداء السلوكي العصبي لدى الأطباء المقيمين38. عند جمعها معا، تظهر هذه النتائج أن فرص النوم، وعبء العمل، والاستمرارية، والتسليم، والإشراف تتفاعل بطرق معقدة.

توفر الأدبيات الأوسع لعلوم النوم سياقا ميكانيكيا. يؤثر اضطراب النوم على الانتباه المستمر، والذاكرة العاملة، وتثبيط الاستجابة، وتنظيم المشاعر، وأداء المهام المعقد 39,40,41,42. قد تؤثر جداول النوم غير المنتظمة أو غير المستقرة أيضا على النتائج الأكاديمية والإدراكية، مما يشير إلى أن استقرار النوم مهم بالإضافة إلى مدة النوم43,44. قد يترك تقييد النوم المزمن مع التعافي في عطلة نهاية الأسبوع آثارا متبقية على الأداء والرفاهية45. في التعليم الطبي، هذه النتائج مهمة لأن تقييمات التدريب عادة ما تجرى أثناء اليقظة، لكنها نادرا ما توثق حالة المتعلم التي يعبر فيها الأداء.

يضيف إرهاق القرار آلية ذات صلة لكنها مميزة. يشير إلى تدهور جودة القرار بعد قرارات متكررة أو معقدة، خاصة عندما تتطلب القرارات ضبط النفس أو إدارة عدم اليقين أو مقايضات القيمة46. غالبا ما تتضمن القرارات السريرية الفرز، ووصف الأدوية، وتصعيد الرعاية، والتوثيق، وتسليم القرارات تحت ضغط الوقت. تشير أبحاث الوصفات الحديثة إلى أن الوقت على المهمة ومتطلبات القرار المتراكمة يمكن أن تؤثر على الخيارات السريرية. يمكن أن يؤثر التعب الناتج عن الورديات الليلية أيضا على أنماط البحث والأداء التشخيصي في قسم الأشعة48. ومع ذلك، يجب تفسير إرهاق القرار بحذر لأن الأدبيات متنوعة منهجية وقد تختلف التأثيرات بين المهام والبيئات والأخصائيين.

مؤشرات تخطيط الدماغ الكهربائي وfNIRS للإرهاق وعبء العمل المعرفي

تم استخدام تخطيط الدماغ على نطاق واسع لدراسة اليقظة، وضغط النوم، والتعب، والعبء الذهني. في دراسات الأطباء، أظهرت تخطيط الدماغ الكمي بعد مهمة الاستدعاء الليلية تغيرات في نشاط ثيتا، ألفا، وبيتا يتوافق مع الإرهاق الذهني49,50. تعد هذه الدراسات مهمة لأنها تقرب التقييم الفسيولوجي العصبي من العمل السريري الحقيقي، بدلا من الاعتماد فقط على نماذج الحرمان من النوم في المختبرات. ومع ذلك، يظلون مراقبين ولا يستطيعون بمفردهم إثبات أن تخطيط الدماغ الكهربائي يمكنه تحديد ما إذا كان المتدرب جاهزا لأداء مهمة سريرية معينة.

تفسير تخطيط الدماغ على مستوى الميزات أوسع من التغييرات الشائعة في ثيتا أو ألفا/بيتا. تدعم دراسات عبء العمل للتخطيط الكهربائي الكهربائي الجبهي استخدام الأنماط الطيفية والإقليمية لتقدير عبء العمل51. دراسات تخطيط الدماغ الحرمان من النوم درست التغيرات في النشاط الطيفي بعد فقدان النوم52. كما أن لنطاق ثيتا تفسير مزدوج: فقد يعكس ضغط النوم، لكنه يمكن أن يشارك أيضا في التحكم المعرفي، وهو أمر يعقد تصنيف التعب البسيط53. تظهر دراسات مراقبة الذاكرة العاملة في الوقت الحقيقي وأعمال تصنيف حالة السائق كيف يمكن تضمين ميزات EEG في خطوط الأنابيب على نمط BCI، لكن هذه الخطوط لا تزال حساسة لتصميم المهام، والمعالجة المسبقة، والتقلبات الفردية54,55. تؤكد دراسات الموثوقية وأعمال التحقق العصبي العصبي أن تكوين الأقطاب، وخيارات المعالجة المسبقة، والمقاييس الذاتية، وتصميم المهام تؤثر على مؤشرات عبء العمل56,57. تشير أعمال التنبؤ بالحمل المعرفي متعددة المستويات الحديثة إلى أن دمج التوقيعات المكانية والزمانية والطيفية يمكن أن يحسن التصنيف58.

يوفر التحليل الطيفي الوظيفي للأشعة تحت الحمراء القريبة من fNIRS معلومات تكميلية من خلال قياس التغيرات الهيموديناميكية، بما في ذلك الهيموغلوبين المؤكسج، والهيموغلوبين غير المؤكسج، والهيموغلوبين الكلي. تدعم أدبيات fNIRS حول التعب وحرمان النوم أهميتها في قياس الارتباطات القشرية للجهد المعرفي، وانخفاض اليقظة، والتغيرات الاجتماعية المعرفية59. تظهر مراجعات fNIRS الموجهة للنوم أيضا كيف يمكن للإشارات البصرية الهيموديناميكية أن تساهم في أبحاث النوم واكتشاف التعب60. توضح دراسة حديثة في عام 2026 حول مؤشرات fNIRS البيولوجية في نطاق القلب لتمايز النوم غير السريع مع التحقق من تخطيط الدماغ الكهربائي الاهتمام المتزايد بخصائص نطاق التردد ونطاق القلب إلى جانب سعة HbO البسيطة61. معا، تدعم هذه الأدبيات نقاشا على مستوى الميزات يشمل HbO، HbR، HbT، استجابات المجال الزمني، الاتصال، والعلامات الحيوية في مجال التردد.

تعد دراسات fNIRS الجبهي الأمامية ذات صلة خاصة لأن التحكم التنفيذي، وتثبيط الاستجابة، وتنظيم عبء العمل يعتمد بشكل كبير على الأنظمة الجبهية. ارتبط الحرمان من النوم بتغير الترابط الوظيفي المرتبط بالمهام في القشرة الجبهية62. أظهرت أبحاث ذات صلة فقدان الاتصال الوظيفي الجبهي بعد الحرمان من النوم. تشير الدراسات التي أجريت على الشباب ذوي النوم القصير أيضا إلى أن الاستجابات الديناميكية الدموية الجبهية الأمامية يمكن أن تختلف حسب سلوك النوم والنشاط البدني.64. تم استخدام fNIRS القابل للارتداء للكشف التلقائي عن الإرهاق المعرفي باستخدام MachineLearning 65. يمكن لأنظمة EEG-fNIRS الهجينة تحسين تصنيف عبء العمل من خلال دمج الاتصال الوظيفي للدماغ وخصائص الإشارة التكميلية66,67. تدعم هذه الدراسات مجتمعة استخدام تخطيط الدماغ الكهربائي وfNIRS كأدوات بحثية وكمؤشرات سياقية مرشحة، لكنها لم تدعم بعد كمقاييس جاهزية معتمدة في التدريب الطبي.

لذلك، يقصد الجدول 1 أن يكون خريطة على مستوى الميزات بدلا من تسلسل هرمي للعلامات الحيوية المثبتة. يميز ميزات EEG الطيفية، والمرتبطة بالأحداث، والزمنية، وميزات الاتصال عن ميزات fNIRS القائمة على السعة، والمجال الزمني، والاتصال، وميزات المجال الترددي أو نطاق القلب. هذا التمييز مهم لأن كل عائلة ميزات تلتقط أبعادا مختلفة من بناء عبء العمل التعبيدي وتحمل مخاطر مختلفة في الآثار والتفسير. على سبيل المثال، قد تكون نسبة ثيتا/ألفا أعلى، أو سعة P300 منخفضة، أو انخفاض Hbo الجبهي الأمامي متوافقا مع الإرهاق، لكنها قد تعكس أيضا صعوبة المهمة، أو الجهد التعويضي، أو الإجهاد، أو تكوين المستشعر، أو فروق الأساس الفردية. يهدف الجدول إلى دعم تصميم الدراسة، وبناء التوافق، والتفسير الحذر، وليس لتحديد حدود تشغيلية للكفاءة أو التفويض أو الجاهزية السريرية.

BCI، الدمج متعدد الوسائط، والتطبيقات التعليمية

توسعت الأنظمة غير الجراحية الجراحية والتقنيات الفسيولوجية العصبية القابلة للارتداء بسرعة عبر المجالات الطبية والهندسية والتعليمية. تبرز مراجعات أجهزة BCI القابلة للارتداء المبنية على تخطيط الدماغ التقدم في قابلية النقل والتطبيقات الطبية68. تؤكد المراجعات الأوسع الحديثة على أن أنظمة BCI غير الغازية تتحسن لكنها لا تزال تواجه قيودا في جودة الإشارة، وسهولة الاستخدام، والمعايرة، والمتانة 69,70,71,72. هذه القيود مهمة للتعليم الطبي لأن الأداة التعليمية يجب أن تكون ليست دقيقة فقط في بيئة خاضعة للرقابة، بل أيضا قابلة للتنفيذ، مقبولة، قابلة للتفسير، ومتوافقة مع البنى التعليمية.

أكثر التطبيقات التعليمية قابلية للدفاع هي المحاكاة، والبحث، والتغذية الراجعة منخفضة المخاطر. يمكن لتدريب الواقع الافتراضي بالمنظار مزامنة بيانات الأداء مع إشارات عبء العمل لدراسة كيفية ارتباط الطلب المعرفي بالتعلم الإجرائي73. استخدمت المهام الجراحية العصبية المحاكاة الذكاء الاصطناعي وتخطيط الدماغ لتمييز مستويات الخبرة، مما يشير إلى مسار لدراسة اكتساب المهارات بدلا من استبدال حكم أعضاء هيئة التدريس74. استخدمت بيئات الألعاب الجادة والواقع المختلط تحليلات المستشعرات الحيوية لتقدير التفاعل العاطفي75. توضح أنظمة BCI السلبية التي تكيف سرعة التعلم مع الحمل المعرفي كيف يمكن أن تعمل التغذية الراجعة الحساسة للحالة في السياقات التعليمية الأقل خطورة76. تظهر أبحاث الكشف عن النوم المتنقلة كيف يمكن لبيانات السلاسل الزمنية متعددة الوسائط دعم المراقبة الطولية خارج المختبر77. من الأفضل تفسير هذه الأمثلة كدليل داعم أو إثبات للمفهوم، وليس كتأكيد لقرارات التسليم أو الإصلاح ذات المخاطر العالية.

تظهر دراسات مرحلة النوم بمساعدة الذكاء الاصطناعي كيف يمكن لطرق التعلم الآلي تصنيف السلاسل الزمنية الفسيولوجية المرتبطة بالنوم 78,79,80. توضح إعادة تنشيط الذاكرة المستهدفة، والتعديل العصبي القابل للارتداء، وتدخلات التعب، وأنظمة fNIRS اللاسلكية كيف يمكن تتبع أو استخدام الإشارات الفسيولوجية في هياكل التغذية الراجعة التكيفية 81,82,83,84,85. هذه الدراسات مفيدة تقنيا، لكن أهميتها التعليمية المباشرة محدودة ما لم ترتبط بأداء النهار، توقيت التغذية الراجعة، قرارات الإشراف، أو دعم المتعلم في سياقات التدريب. لذا يجب تفسيرها كجسور منهجية بدلا من أن تكون دليلا على أن التقييم الواعي للإرهاق ضمن CBME جاهز للاستخدام الروتيني.

تتطلب ترجمة مكان العمل حذرا أكبر من المحاكاة. البيئات السريرية الحقيقية تقدم تشوهات الحركة، والمقاطعات، والضغط العاطفي، ومتطلبات العمل الجماعي، وحدة المرضى، وتغير أهداف المهام، وديناميكيات القوة الضمنية بين المتدربين والمشرفين. لذا يجب أن تكون البيانات الفسيولوجية في التقييم القائم على مكان العمل طوعية، منخفضة المخاطر، ومرتبطة بالسياق. تشمل التطبيقات المعقولة رسم خرائط مخاطر الإرهاق الكلي، وتقييم الجدول، واستجواب المحاكاة، أو التغذية الراجعة التي يتحكم بها المتعلم. تشمل التطبيقات غير المعقولة استخدام عتبات تخطيط الدماغ الكهربائي (EEG)، أو fNIRS، أو العتبات متعددة الوسائط كدليل مستقل على التسليم أو الترقية أو الإصلاح أو التأديب.

الأدلة المثبتة مقابل التوسعات المفاهيمية

التمييز المركزي في هذه المراجعة هو بين الأدلة المثبتة والامتداد المفاهيمي. الأدلة المثبتة تشير إلى أن الحرمان من النوم، واضطراب الساعات البيولوجية، واليقظة المطولة، والإرهاق تضعف المجالات العصبية الإدراكية التي تهم للعمل السريري23،24،25،26،27. يدعم العمل التلوي والتجريبي تأثيرات الانتباه، والتحكم التنفيذي، وتنظيم المزاج، وأداء المهام المعقدة 39,40,41,42. تشير الدراسات الطبية والإجرائية إلى أن التعب يمكن أن يؤثر على مخاطر الخطأ، والبحث التشخيصي، وإدارة الأزمات، والأداء الفني28، 29، 30، 48. ومع ذلك، تظهر دراسات على مستوى الإجراء والنتائج أيضا وجود تباين، مما يعارض التفسير البسيط للتعب والضرر السريري 31,32,33. تظهر تجارب ساعات العمل أن سياسة الوعي بالإرهاق يجب أن تأخذ في الاعتبار تصميم ساعات العمل مع فرص النوم، عبء العمل، التسليم، الاستمرارية، والعواقب التعليمية34، 35، 36، 37، 38. تدعم دراسات تخطيط الدماغ الكهربائي على الأطباء ونماذج عبء العمل حساسية الأعصاب للتعب والحمل المعرفي 49,50,51، بينما توفر دراسات fNIRS والارتداء والهجينة EEG-fNIRS أدلة تكميلية للديناميكا الدموية ومتعددة الوسائط 59,60,61,62,63,64,65,66, 67.

الامتداد المفاهيمي هو اقتراح أن مؤشرات الحالة الفسيولوجية قد تساعد في وضع أداء المتدرب في سياق ضمن CBME. هذا الامتداد ممكن لكنه غير معتمد. الأدلة على أن فقدان النوم يغير النشاط العصبي لا تعني تلقائيا أن المراقبة الفورية يمكن أن تولد قرارات إشرافية أو تعليمية قابلة للتنفيذ. في الوقت الحالي، لم يظهر أي نمط عام في الوقت الحقيقي للنشاط العصبي أو الديناميكي الدموي أنه يحدد بشكل موثوق عدم الاستقرار المعرفي أو الجاهزية السريرية عبر الأفراد والمهام والتخصصات والبيئات التشغيلية. قد يعكس نفس النمط الفسيولوجي التعب، الجهد المعرفي، القلق، الدافع، صعوبة المهام، التفاعل التعويضي، التشكيلة الحواسية، التوتر البيئي، أو الفروق الفردية الأساسية.

وبناء عليه، يجب تفسير إطار عمل CBME-BCI-Fatigue كنموذج بحثي بدلا من نظام تقييم منفذ. الغرض منه هو توضيح كيفية دراسة معدلات الوضع المعتمدة على الحالة، والمراقبة الفسيولوجية والسلوكية، والتفسير القائم على الكفاءة للأداء المرصود معا. في المحاكاة أو بيئات البحث منخفضة المخاطر، يمكن جمع ميزات EEG أو fNIRS إلى جانب أخطاء المهام، ووقت الاستجابة، وتقييمات عبء العمل، وتاريخ النوم، واختبار اليقظة الحركية النفسية، وملاحظات المشرفين لاختبار ما إذا كانت مؤشرات الحالة تساعد في تفسير تباين الأداء. في سياقات تقييم مكان العمل، تتطلب البيانات الفسيولوجية حذرا أكبر. في قاعدة الأدلة الحالية، قد تكون هذه البيانات أكثر ملاءمة لأبحاث مخاطر التعب المجمع، أو تصميم الجدول، أو دعم المتعلم الطوعي. لا ينبغي استخدامها كأساس مستقل للقرارات المتعلقة بالتسليم أو الترقية أو المعالجة أو التأديب. يلخص الجدول 2 هذه الفروقات من خلال فصل الأدلة الراسخة، والتوسعات المفاهيمية، ومتطلبات التحقق، والمراجع الداعمة الممثلة ضمن إطار CBME-BCI-Fatigue.

بناء الصلاحية، القيمة الإضافية، القواعد الفردية، والحوكمة

صلاحية البناء هي التحدي المنهجي المركزي لمراقبة الأعصاب الفسيولوجية الواعية للإرهاق. إشارات EEG وfNIRS ليست محددة بالإرهاق أو الجاهزية؛ قد تعكس أيضا صعوبة في المهام، أو القلق، أو الدافع، أو الجهد المعرفي، أو المشاركة التعويضية، أو التوتر البيئي، أو التشجيعات الحسية، أو الفروق الأساسية الفردية. لذا يجب على الدراسات المستقبلية تحديد المفهوم التعليمي الذي يتم قياسه مسبقا، وتحديد العلاقة المتوقعة بين الحالة الفسيولوجية والأداء، وتحديد الإشارات الفسيولوجية ببيانات سلوكية وسياقية وتعليمية بدلا من تفسير إشارة واحدة كمؤشر مباشر على الكفاءة.

يجب أيضا إثبات القيمة الإضافية. يجب تقييم مراقبة تخطيط الدماغ الكهربائي/fNIRS مقابل مقارنات أبسط وأكثر قابلية للتطبيق، بما في ذلك سجلات النوم، وتصوير النشاط، واختبار اليقظة الحركية النفسية، والفحص المعرفي القصير، وتقييمات عبء العمل، وقياس الأداء، والمراقبة الخبيرة. يمكن تبرير النهج الفسيولوجي العصبي فقط إذا حسن التفسير، والتنبؤ، وتوقيت التغذية الراجعة، أو دعم المتعلم بما يتجاوز هذه المقاييس. بدون مثل هذه الأدلة، قد تضيف المراقبة متعددة الوسائط تعقيدا دون تحسين اتخاذ القرار التعليمي.

النمذجة الفردية الأساسية ضرورية. التفاوت بين الأفراد في النشاط العصبي، وضعف النوم، والنمط الزمني، والاستجابة للتوتر، والخبرة السريرية، وتوافق المستشعرات يحد من قيمة العتبات الشاملة. قد يساعد خط الأساس الخاص بالمتدرب في التمييز بين الانحراف غير المعتاد المرتبط بالتعب والتغيرات الفسيولوجية الطبيعية، لكن ذلك يتطلب قياسات متكررة، ووضع حساسات موثوق، ونقاط مهام موحدة، ونماذج تحليلية شفافة. قد يساعد التعلم الآلي في دمج الإشارات متعددة الوسائط، لكنه لا يستطيع حل البنى غير الصحيحة، أو البيانات المتحيزة، أو جودة الإشارة الرديئة، أو الافتراضات السببية غير الواضحة. قد تقلل تكييف النطاق، والخوارزميات التي تحافظ على الخصوصية، والنمذجة التوليدية بعض عبء المعايرة، لكنها تتطلب تحققا أوسع قبل استخدامها لدعم القرارات التعليمية86,87.

لا تزال الحواجز التقنية والبيئية كبيرة. تخطيط الدماغ الكهربائي عرضة للعيوب الحركية، وممانعة الأقطاب، والضوضاء البيئية، والاعتماد على المونتاج، وخيارات المعالجة المسبقة. يتأثر fNIRS بوضع الأوبتودا، وتدفق الدم في فروة الرأس، والحركة، والشعر، وضعف الاختراق العمق، وانخفاض الدقة الزمنية الزمنية (التوبيز). تتحسن الأنظمة القابلة للارتداء، بما في ذلك أجهزة fNIRS اللاسلكية المدمجة لمراقبة النشاط المعرفي85، لكن الراحة والجدوى لا تؤكدان صحة تعليمية. يتطلب النشر أيضا إعدادا متوافقا مع سير العمل، وتقارير قابلة للتفسير، وأمن البيانات، وقبول المستخدم النهائي. تذكرنا دراسات القبول الاجتماعي بأن ثقة المستخدمين والهدف المدرك أمران أساسيان في التبني88.

يجب التعامل مع الحوكمة الأخلاقية كشرط حدودي للإطار وليس كفكرة لاحقة. يمكن أن تكشف البيانات الفسيولوجية العصبية أو توحي بمعلومات عن التعب أو الانتباه أو المشاعر أو الحالة الصحية. يتطلب التطوير المسؤول لتقنية الأعصاب تحديد الهدف، وتقليل البيانات، والتخزين الآمن، والشفافية، وضوابط الوصول، والانتباه الدقيق للاستقلالية والموافقة89,90. تثير أنظمة BCI المتصلة بالشبكة أيضا مخاوف أمن سيبراني، خاصة إذا كانت المخرجات المفككة تؤثر على التغذية الراجعة أو فرص التدريب أو القرارات المتعلقة بالسلامة.91. في التعليم، قد يشعر المتعلمون بضغط ضمني للمشاركة، وقد تؤدي المقاييس الفسيولوجية إلى تضخيم التحيز دون قصد إذا كانت النماذج تؤدي بشكل غير متساو عبر السكان أو السياقات. يجب أن تعطي الأبحاث المستقبلية الأولوية للمشاركة الطوعية حيثما أمكن، والفصل الواضح بين التغذية الراجعة الداعمة والحكم عالي المخاطر، وآليات الاستئناف، والحوكمة المستنيرة من أصحاب المصلحة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الاستنتاجات

الحرمان من النوم وإرهاق القرار هما من العوامل المعروفة في التباين المعتمد على الحالة في الانتباه، والسيطرة التنفيذية، والأداء النفسي الحركي، واتخاذ القرار السريري. في التدريب الطبي، قد تعقد هذه التقلبات تفسير الكفاءة الملاحظة، خاصة في البيئات ذات الطلب العالي مثل طب الطوارئ، والرعاية الحرجة، والتخدير، والجراحة. لذا قد يستفيد التعليم الطبي القائم على الكفاءة من اهتمام أكثر وضوحا بالحالة الفسيولوجية والمعرفية عند تفسير بيانات الأداء عبر الزمن والسياق.

تقدم EEG و...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يعلن المؤلفون عدم وجود تضارب مصالح.

شكر وتقدير

يشكر المؤلفون بكل امتنان زملاءهم من قسم الطب الحرج ووزارة التعليم في مؤسستنا على دعمهم ومناقشاتهم أثناء إعداد هذه المراجعة. وقد دعم هذا العمل مشروع البحث العلمي العام التابع لإدارة التعليم في مقاطعة تشجيانغ (المنحة رقم Y202557476).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المراجع

  1. Epstein RM, Hundert EM. Defining and assessing professional competence. JAMA. 2002;287(2):226–235.
  2. McClelland DC. Testing for competence rather than for “intelligence”. Am Psychol. 1973;28(1):1–14.
  3. Swing SR. The ACGME Outcome Project: retrospective and prospective. Med Teach. 2007;29(7):648–654.
  4. Frank JR et al. Competency-based medical education: theory to practice. Med Teach. 2010;32(8):638–645.
  5. Cooper D, Holmboe ES. Competency-based medical education at the front lines of patient care. N Engl J Med. 2025;393(4):376–388.
  6. Caccia N, Nakajima A, Kent N. Competency-based medical education: the wave of the future. J Obstet Gynaecol Can. 2015;37(4):349–353.
  7. China Consortium of Elite Teaching Hospitals for Residency Education. Consensus on core competency framework for residency education among China Consortium of Elite Teaching Hospitals for Residency Education [in Chinese]. Med J Peking Union Med Coll Hosp. 2022;13(1):17–23.
  8. Chen S et al. Competency-based i-FIRST talent development: leadership. China Higher Med Educ. 2025;(1):20–21, 45. doi:10.3969/j.issn.1002-1701.2025.01.006.
  9. Danilovich N et al. Implementing competency-based medical education in family medicine: a narrative review of current trends in assessment. Fam Med. 2021;53(1):9–22.
  10. Hawkins RE et al. Implementation of competency-based medical education: are we addressing the concerns and challenges. Med Educ. 2015;49(11):1086–1102.
  11. Ten Cate O et al. Entrustment decision making: extending Miller’s pyramid. Acad Med. 2021;96(2):199–204.
  12. Dine CJ, Conforti LN, Holmboe ES, Kogan JR. Accuracy of entrustment-based assessment: implications for programs and patients. J Grad Med Educ. 2024;16(1):30–36.
  13. Tekian A et al. Entrustment decisions: implications for curriculum development and assessment. Med Teach. 2020;42(6):698–704.
  14. Ten Cate O. Entrustment as assessment: recognizing the ability, the right, and the duty to act. J Grad Med Educ. 2016;8(2):261–262.
  15. Carraccio C, Martini A, Van Melle E, Schumacher DJ. Identifying core components of EPA implementation: a path to knowing if a complex intervention is being implemented as intended. Acad Med. 2021;96(9):1332–1336.
  16. Pusic MV et al. Learning curves in health professions education. Acad Med. 2015;90(8):1034–1042.
  17. Smith BK et al. The use of learning analytics to enable detection of underperforming trainees: an analysis of national vascular surgery trainee ACGME milestones assessment data. Ann Surg. 2023;277(4)–e977.
  18. Desai SV et al. Precision education: the future of lifelong learning in medicine. Acad Med. 2024;99(4S Suppl 1)–S20.
  19. Warm EJ et al. The education passport: connecting programmatic assessment across learning and practice. Can Med Educ J. 2022;13(4):82–91.
  20. Ross S, Pirraglia C, Aquilina AM, Zulla R. Effective competency-based medical education requires learning environments that promote a mastery goal orientation: a narrative review. Med Teach. 2022;44(5):527–534.
  21. Baenziger K, Chan M, Colman S. Coaching in postgraduate competency-based medical education: a qualitative exploration of three models. Acad Psychiatry. 2023;47(1):10–17.
  22. Taylor TS et al. Principles of fatigue in residency education: a qualitative study. CMAJ Open. 2016;4(2)–E204.
  23. Trockel MT et al. Assessment of physician sleep and wellness, burnout, and clinically significant medical errors. JAMA Netw Open. 2020;3(12).
  24. Barger LK et al. Impact of extended-duration shifts on medical errors, adverse events, and attentional failures. PLoS Med. 2006;3(12).
  25. West CP et al. Association of resident fatigue and distress with perceived medical errors. JAMA. 2009;302(12):1294–1300.
  26. Basner M et al. Sleep and alertness in medical interns and residents: an observational study on the role of extended shifts. Sleep. 2017;40(4). doi:10.1093/sleep/zsx027.
  27. Landrigan CP et al. Effect of reducing interns’ work hours on serious medical errors in intensive care units. N Engl J Med. 2004;351(18):1838–1848.
  28. Sugden C, Athanasiou T, Darzi A. What are the effects of sleep deprivation and fatigue in surgical practice. Semin Thorac Cardiovasc Surg. 2012;24(3):166–175.
  29. Arzalier-Daret S et al. Effect of sleep deprivation after a night shift duty on simulated crisis management by residents in anaesthesia: a randomised crossover study. Anaesth Crit Care Pain Med. 2018;37(2):161–166.
  30. Maltese F et al. Night shift decreases cognitive performance of ICU physicians. Intensive Care Med. 2016;42(3):393–400.
  31. Rothschild JM et al. Risks of complications by attending physicians after performing nighttime procedures. JAMA. 2009;302(14):1565–1572.
  32. Taffinder NJ et al. Effect of sleep deprivation on surgeons’ dexterity on laparoscopy simulator. Lancet. 1998;352(9135):1191.
  33. Howard SK et al. Simulation study of rested versus sleep-deprived anesthesiologists. Anesthesiology. 2003;98(6):1345–1355.
  34. Desai SV et al. Education outcomes in a duty-hour flexibility trial in internal medicine. N Engl J Med. 2018;378(16):1494–1508.
  35. Silber JH et al. Patient safety outcomes under flexible and standard resident duty-hour rules. N Engl J Med. 2019;380(10):905–914.
  36. Basner M et al. Sleep and alertness in a duty-hour flexibility trial in internal medicine. N Engl J Med. 2019;380(10):915–923.
  37. Landrigan CP et al. Effect on patient safety of a resident physician schedule without 24-hour shifts. N Engl J Med. 2020;382(26):2514–2523.
  38. Rahman SA et al. Extended work shifts and neurobehavioral performance in resident physicians. Pediatrics. 2021;147(3). doi:10.1542/peds.2020-009936.
  39. Wickens CD, Hutchins SD, Laux L, Sebok A. The impact of sleep disruption on complex cognitive tasks: a meta-analysis. Hum Factors. 2015;57(6):930–946.
  40. Lowe CJ, Safati A, Hall PA. The neurocognitive consequences of sleep restriction: a meta-analytic review. Neurosci Biobehav Rev. 2017;80:586–604.
  41. Lim J, Dinges DF. A meta-analysis of the impact of short-term sleep deprivation on cognitive variables. Psychol Bull. 2010;136(3):375–389.
  42. Tomaso CC, Johnson AB, Nelson TD. The effect of sleep deprivation and restriction on mood, emotion, and emotion regulation: three meta-analyses in one. Sleep. 2021;44(6). doi:10.1093/sleep/zsaa289.
  43. Phillips AJK et al. Irregular sleep/wake patterns are associated with poorer academic performance and delayed circadian and sleep/wake timing. Sci Rep. 2017;7(1):3216.
  44. Koa TB, Lo JC. Neurobehavioural functions during variable and stable short sleep schedules. J Sleep Res. 2021;30(4).
  45. Smith MG et al. Effects of six weeks of chronic sleep restriction with weekend recovery on cognitive performance and wellbeing in high-performing adults. Sleep. 2021;44(8). doi:10.1093/sleep/zsab051.
  46. Pignatiello GA, Martin RJ, Hickman RL Jr. Decision fatigue: a conceptual analysis. J Health Psychol. 2020;25(1):123–135.
  47. Maier M et al. Assessing decision fatigue in general practitioners’ prescribing decisions using the Australian BEACH data set. Med Decis Making. 2024;44(6):627–640.
  48. Hanna TN et al. The effects of fatigue from overnight shifts on radiology search patterns and diagnostic performance. J Am Coll Radiol. 2018;15(12):1709–1716.
  49. Su AT, Xavier G, Kuan JW. The measurement of mental fatigue following an overnight on-call duty among doctors using electroencephalogram. PLoS One. 2023;18(7).
  50. Xavier G, Su Ting A, Fauzan N. Exploratory study of brain waves and corresponding brain regions of fatigue on-call doctors using quantitative electroencephalogram. J Occup Health. 2020;62(1).
  51. So WKY, Wong SWH, Mak JN, Chan RHM. An evaluation of mental workload with frontal EEG. PLoS One. 2017;12(4).
  52. Forest G, Godbout R. Effects of sleep deprivation on performance and EEG spectral analysis in young adults. Brain Cogn. 2000;43(1–3):195–200.
  53. Snipes S, Krugliakova E, Meier E, Huber R. The theta paradox: 4–8 Hz EEG oscillations reflect both sleep pressure and cognitive control. J Neurosci. 2022;42(45):8569–8586.
  54. Mora-Sanchez A et al. A brain-computer interface for the continuous, real-time monitoring of working memory load in real-world environments. Cogn Neurodyn. 2020;14(3):301–321.
  55. Zeng H et al. A LightGBM-based EEG analysis method for driver mental states classification. Comput Intell Neurosci. 2019;2019:3761203.
  56. Mastropietro A et al. Reliability of mental workload index assessed by EEG with different electrode configurations and signal pre-processing pipelines. Sensors (Basel). 2023;23(3):1367.
  57. Bjegojevic B et al. Neuroergonomic attention assessment in safety-critical tasks: EEG indices and subjective metrics validation in a novel task-embedded reaction time paradigm. Brain Sci. 2024;14(10):1009.
  58. Liu Y et al. Fusion of spatial, temporal, and spectral EEG signatures improves multilevel cognitive load prediction. IEEE Trans Hum Mach Syst. 2023;53(2):357–366.
  59. Pan Y, Borragán G, Peigneux P. Applications of functional near-infrared spectroscopy in fatigue, sleep deprivation, and social cognition. Brain Topogr. 2019;32(6):998–1012.
  60. Huang M et al. An overview on sleep research based on functional near-infrared spectroscopy [in Chinese]. Sheng Wu Yi Xue Gong Cheng Xue Za Zhi. 2021;38(6):1211–1218.
  61. Hasim YS et al. Cardiac-band fNIRS biomarkers for non-REM sleep stage differentiation: a frequency-domain evaluation with EEG validation. J Innov Opt Health Sci. 2026. doi:10.1142/S1793545826500100.
  62. Mukli P et al. Sleep deprivation alters task-related changes in functional connectivity of the frontal cortex: a near-infrared spectroscopy study. Brain Behav. 2021;11(8).
  63. Verweij IM et al. Sleep deprivation leads to a loss of functional connectivity in frontal brain regions. BMC Neurosci. 2014;15(1):88.
  64. You Y et al. Cognitive performance in short sleep young adults with different physical activity levels: a cross-sectional fNIRS study. Brain Sci. 2023;13(2):171.
  65. Varandas R et al. Automatic cognitive fatigue detection using wearable fNIRS and machine learning. Sensors (Basel). 2022;22(11):4010.
  66. Cao J, Garro EM, Zhao Y. EEG/fNIRS-based workload classification using functional brain connectivity and machine learning. Sensors (Basel). 2022;22(19):7623.
  67. Hong KS, Khan MJ, Hong MJ. Feature extraction and classification methods for hybrid fNIRS-EEG brain-computer interfaces. Front Hum Neurosci. 2018;12:246.
  68. Zhang J et al. Recent progress in wearable brain-computer interface devices based on electroencephalogram for medical applications: a review. Health Data Sci. 2023;3:0096.
  69. Edelman BJ et al. Non-invasive brain-computer interfaces: state of the art and trends. IEEE Rev Biomed Eng. 2025;18:26–49.
  70. Rashid M et al. Current status, challenges, and possible solutions of EEG-based brain-computer interface: a comprehensive review. Front Neurorobot. 2020;14:25.
  71. Xu M et al. Current challenges for the practical application of electroencephalography-based brain-computer interfaces. Engineering. 2021;7(12):1710–1712.
  72. Maiseli B et al. Brain-computer interface: trend, challenges, and threats. Brain Inform. 2023;10(1):20.
  73. Yu P et al. Quantitative influence and performance analysis of virtual reality laparoscopic surgical training system. BMC Med Educ. 2022;22(1):92.
  74. Natheir S et al. Utilizing artificial intelligence and electroencephalography to assess expertise on a simulated neurosurgical task. Comput Biol Med. 2023;152:106286.
  75. Antoniou PE et al. Biosensor real-time affective analytics in virtual and mixed reality medical education serious games: cohort study. JMIR Serious Games. 2020;8(3).
  76. Beauchemin N et al. Enhancing learning experiences: EEG-based passive BCI system adapts learning speed to cognitive load in real time, with motivation as catalyst. Front Hum Neurosci. 2024;18:1416683.
  77. Sano A, Chen W, Lopez-Martinez D, Taylor S, Picard RW. Multimodal ambulatory sleep detection using LSTM recurrent neural networks. IEEE J Biomed Health Inform. 2019;23(4):1607–1617.
  78. Kong G, Li C, Peng H, Han Z, Qiao H. EEG-based sleep stage classification via neural architecture search. IEEE Trans Neural Syst Rehabil Eng. 2023;31:1075–1085.
  79. Yao H, Liu T, Zou R, Ding S, Xu Y. A spatial-temporal transformer architecture using multi-channel signals for sleep stage classification. IEEE Trans Neural Syst Rehabil Eng. 2023;31:3353–3362.
  80. Eldele E et al. Self-supervised learning for label-efficient sleep stage classification: a comprehensive evaluation. IEEE Trans Neural Syst Rehabil Eng. 2023;31:1333–1342.
  81. Ngo HV, Staresina BP. Shaping overnight consolidation via slow-oscillation closed-loop targeted memory reactivation. Proc Natl Acad Sci U S A. 2022;119(44).
  82. Bressler S, Neely R, Yost RM, Wang D, Read HL. A wearable EEG system for closed-loop neuromodulation of sleep-related oscillations. J Neural Eng. 2023;20(5). doi:10.1088/1741-2552/acfb3b.
  83. Gervais C, Hjeij D, Fernandez-Puerta L, Arbour C. Non-pharmacological interventions for sleep disruptions and fatigue after traumatic brain injury: a scoping review. Brain Inj. 2024;38(6):403–416.
  84. Herrero Babiloni A et al. The effects of non-invasive brain stimulation on sleep disturbances among different neurological and neuropsychiatric conditions: a systematic review. Sleep Med Rev. 2021;55:101381.
  85. Victorio M et al. Wearable wireless functional near-infrared spectroscopy system for cognitive activity monitoring. Biosensors (Basel). 2025;15(2):92.
  86. Wen S et al. Rapid adaptation of brain-computer interfaces to new neuronal ensembles or participants via generative modelling. Nat Biomed Eng. 2023;7(4):546–558.
  87. Xia K, Deng L, Duch W, Wu D. Privacy-preserving domain adaptation for motor imagery-based brain-computer interfaces. IEEE Trans Biomed Eng. 2022;69(11):3365–3376.
  88. Xia R, Yang S. Factors influencing the social acceptance of brain-computer interface technology among Chinese general public: an exploratory study. Front Hum Neurosci. 2024;18:1423382.
  89. Goering S et al. Recommendations for responsible development and application of neurotechnologies. Neuroethics. 2021;14(3):365–386.
  90. Ienca M, Andorno R. Towards new human rights in the age of neuroscience and neurotechnology. Life Sci Soc Policy. 2017;13(1):5.
  91. Ajrawi S, Rao R, Sarkar M. Cybersecurity in brain-computer interfaces: RFID-based design-theoretical framework. Inform Med Unlocked. 2021;22. doi:10.1016/j.imu.2020.100489.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

الطبالعدد 233العدد 233قيمة فارغةالعددالعبء المعرفيمراقبة الإرهاقواجهة الدماغ والحاسوبتخطيط كهربائية الدماغEEGمطيافية الأشعة تحت الحمراء القريبة الوظيفيةfNIRS
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.