Simulationsbasiertes Lernen zur Notfallvorsorge in der Pflegeausbildung: Eine systematische Übersicht und Metaanalyse gastrointestinaler Szenarien

Zusammenfassung

Diese Studie untersucht, wie simulationsbasiertes Lernen (SBL) Pflegekräfte darauf vorbereitet, risikoreiche gastrointestinale Notfälle zu bewältigen. Insgesamt verbesserte SBL das Wissen, die Teamarbeit und das Selbstvertrauen der Pflegekräfte im Vergleich zum traditionellen Unterricht, während die Auswirkungen auf technische Fähigkeiten und berufliche Verantwortung unterschiedlich waren. Diese Ergebnisse unterstützen die Integration von Simulationstraining in die Ausbildung der Notfallpflege.

Zusammenfassung

Simulationsbasiertes Lernen (SBL) wird zunehmend in die Pflegeausbildung integriert, um die Vorbereitung auf Notfälle zu verbessern. Gastrointestinale (GI) Notfälle stellen klinische Szenarien mit hohem Einsatz dar, die eine schnelle Beurteilung, effektive Entscheidungsfindung und koordinierte Teamarbeit erfordern. Diese systematische Übersichtsarbeit und Metaanalyse bewertete die Wirksamkeit von SBL in der Notfallpflegeausbildung, mit besonderer Relevanz für gastroenterolinale klinische Szenarien. Recherchen bei PubMed, Scopus, Web of Science und Embase identifizierten Studien, die SBL mit nicht-simulationsbasierten Lehrmethoden verglichen haben. Standardisierte Mittelwertdifferenzen (Hedges' g) wurden mit Random-Effects-Modellen mit begrenzter Maximum-Likelihood-(REML)-Schätzung und Knapp–Hartung-Anpassung zusammengefasst. Die Heterogenität wurde mittels Q-,^τ-2- und^{I2-Statistiken} bewertet, und der Publikationsbias wurde mittels Funnel Plots und Eggers Regressionstest bewertet. Acht Studien mit 986 Teilnehmern wurden eingeschlossen. Gepoolte Analysen zeigten positive Effekte von SBL auf den Wissenserwerb (g = 0,31, 95 % KI: 0,12–0,50), Teamarbeit (g = 0,66, 95 % KI: 0,18–1,14) und Selbstvertrauen (g = 1,05, 95 % KI: 0,62–1,49). Die Auswirkungen auf das klinische Denken (g = 0,17, 95%-KI: -0,21–0,55), berufliche Verantwortung (g = 0,27, 95%-KI: -0,11–0,65) und Fähigkeitsleistung (g = -0,39, 95%-KI: -0,85–0,07) waren inkonsistent und erreichten keine statistische Signifikanz. Die Heterogenität war in allen Endpunktsdomänen signifikant (I² > 97 %). Insgesamt kann SBL Wissen, Teamarbeit und Selbstvertrauen in der Notfallpflegeausbildung verbessern, einschließlich Kompetenzen, die für gastroenterolinale klinische Szenarien relevant sind. Die geringe Anzahl der eingeschlossenen Studien und die extreme Heterogenität zwischen den Ergebnissen rechtfertigen jedoch eine vorsichtige Interpretation der Ergebnisse. Die Auswirkungen von SBL auf technische Fähigkeiten, klinisches Denken und berufliche Verantwortung bleiben unklar und erfordern weitere Untersuchungen.

Einleitung

Magen-Darm-Notfälle wie akute Blutungen im oberen Magen-Darm-Intestinalbereich (GI), Perforationen oder schnelle Blutdruckabfälle aufgrund von Magen-Darm-Verlusten erfordern schnelle Entscheidungen und schnelles Handeln. Wenn solche Fälle auftreten, wird die Rolle der Krankenschwester unerlässlich, beginnend mit einer Erstuntersuchung und fortgesetzter Nachsorge, Unterstützung beim Eingriff und das Pflegeteam auf dem Laufenden. Eine Reihe von Studien hat die Bedeutung von Simulationstraining untersucht, um Pflegekräfte auf den Umgang mit solch hochintensiven Situationen auszustatten. Nielsen et al. zeigten, dass validierte Endoskopie-Simulatoren effektiv zwischen Anfängern und Experten unterscheiden^{können 1}. Rong und Ning berichteten, dass Pflegepraktikanten, die Blended-Teaching-Modelle mit Simulation verwendeten, sowohl theoretisches Wissen als auch praktische Fähigkeiten verbesserten². Wang et al. beobachteten signifikante Fortschritte im Wissen und in der klinischen Praxis, nachdem Studierende an in situ Notfallsimulationen^{teilgenommen hatten 3}. Darüber hinaus können laut Yang und Liu kooperatives Szenario-Simulation in Kombination mit problembasiertem Lernen in Bezug auf kritisches Denken, berufliche Verantwortung und Teamarbeit effektiver sein⁴.

Magen-Darm-Notfälle unterscheiden sich von vielen anderen akuten klinischen Erkrankungen. Sie sind häufig chaotisch, da sie eine hämodynamische Instabilität, ein Stoffwechselungleichgewicht und mögliche Beteiligung mehrerer Organe haben. Klinische Symptome können vage sein, und wenn Patienten nicht schnell eingesetzt werden, verschlimmern sie sich meist schnell. Im Vergleich zu einigen Trauma- oder Herznotfällen, die oft standardisierten Schritt-für-Schritt-Protokollen folgen, erfordern GI-Notfälle ein geschärftes klinisches Urteilsvermögen, Situationsbewusstsein und interdisziplinäre Teamarbeit. Hier bietet simulationsbasiertes Training eine kontrollierte Umgebung, in der Kliniker schnelle Entscheidungsfindung und teambasierte Reaktionen in unsicheren Situationen trainieren können. Doch selbst mit dem fortgesetzten Einsatz von Simulation in der Pflegeausbildung konzentriert sich die meiste verfügbare Forschung auf Themen wie Herz-Lungen-Wiederbelebung, Traumaversorgung oder allgemeine Notfallvorsorge. Die Belege zu GI-bezogenen Notfällen bleiben begrenzt und fragmentiert. Daher synthetisiert diese Übersicht Evidenz sowohl aus GI-orientierten als auch aus gemischten Notfallsimulationsstudien, um Bildungsergebnisse für gastrointestinale Notfallpflege besser zu verstehen.

Magen-Darm-Notfälle beinhalten auch Bildungsanforderungen, die sich von denen vieler anderer Notfalleinrichtungen unterscheiden. Pflegekräfte, die akute Magen-Darm-Blutungen, Perforationen, Darmverschluss oder endoskopiebedingte Komplikationen behandeln, müssen eine schnelle Patientenbeurteilung, hämodynamische Überwachung, Verfahrensunterstützung, Blutproduktverabreichung und kontinuierliche Kommunikation mit multidisziplinären Teams integrieren. Diese Szenarien erfordern oft gleichzeitige technische, kognitive und Teamarbeitskompetenzen unter Bedingungen diagnostischer Unsicherheit und klinischer Instabilität. Daher können Bildungsmaßnahmen, die in breiteren Notfallpflegekontexten wirksam sind, die besonderen Herausforderungen der gastrointestinalen Notfallversorgung nicht vollständig adressieren. Eine gezielte Bewertung des simulationsbasierten Lernens in diesem Kontext ist daher gerechtfertigt, um Kompetenzen zu identifizieren, die besonders von Simulationstraining profitieren könnten.

Die verfügbare Forschung ist vielversprechend; Die Beweislage ist jedoch widersprüchlich. Es wird angenommen, dass simulationsbasiertes Lernen (SBL) den Wissenserwerb und das Selbstvertrauen der Lernenden häufiger stärkt als die Forschungsergebnisse zu technischen Fähigkeiten und beruflichem Verhalten, was durch systematische Übersichtsarbeiten ^5,6 gestützt wird. Mehrere Studien haben Verbesserungen des Selbstvertrauens nach simulationsbasierten Interventionen berichtet, aber andere zeigen keine oder kaum Veränderungen ^7,8. Die Ergebnisse technischer Fähigkeiten folgen demselben Muster, wobei bestimmte Interventionen die Wirksamkeit melden und andere unentschiedene oder schlechte Ergebnisse^{berichten 9}. Diese Unterschiede könnten durch Unterschiede im Studiendesign, den Teilnehmereigenschaften, der Simulationstreue, den Instrumenten zur Ergebnismessung und der Bildungsumgebung erklärt werden. Daher stehen Pädagogen und politische Entscheidungsträger vor der Herausforderung, die Gesamtwirksamkeit von SBL in der GI-Notfallpflege zu ermitteln. Um diese Unsicherheiten zu begegnen, wurde ein metaanalytischer Ansatz verfolgt. Die Metaanalyse ermöglicht die Integration verfügbarer quantitativer Evidenz, um eine genauere Schätzung der aggregierten Wirkung der Simulation über verschiedene Kompetenzbereiche hinweg zu liefern. Ziel dieser Studie war es daher, die Auswirkungen von SBL auf die Notfallvorsorge und -reaktion in der Pflegeausbildung zu bewerten, mit besonderem Schwerpunkt auf Kompetenzen, die für gastrointestinale Notfallversorgung relevant sind. Es wurden sechs Ergebnisbereiche bewertet: Wissenserwerbung, Leistungsfähigkeit, Teamarbeit, klinisches Denken, berufliche Verantwortung und Selbstvertrauen.

Skalierbarkeit und Kosteneffektivität sind ebenfalls wichtige Überlegungen, insbesondere in Ländern mit niedrigem und mittlerem Einkommen (LMICs) und anderen ressourcenarmen Umgebungen. Obwohl hochpräzise Simulatoren den Realismus erhöhen können, können geringere Ansätze wie standardisierte Patienten, Tabletop-Szenarien und gemischte Modelle kosteneffizientere und logistisch praktikablere Alternativen bieten. Diese Überlegungen sind besonders relevant in Kontexten wie China, wo Pflegeausbildungssysteme Bildungsqualität, Zugänglichkeit und Skalierbarkeit in Einklang bringen müssen.

Protokoll

Studiendesign und Berichterstattung
Diese systematische Übersichtsarbeit und Metaanalyse wurde durchgeführt, um die Wirksamkeit von simulationsbasiertem Lernen (SBL) für Notfallvorsorge und -reaktion in der Pflegeausbildung zu bewerten, mit besonderem Fokus auf gastrointestinale (GI)-bezogene Notfallszenarien. Das Ziel war es, standardisierte Effektgrößen über sechs vordefinierte Lernbereiche hinweg zu synthetisieren: Wissenserwerbung, Fähigkeitsleistung, Teamarbeit, klinisches Denken, berufliche Verantwortung und Selbstvertrauen. Die Überprüfung wurde gemäß den Richtlinien der Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 durchgeführt und berichtet^.

Datenquellen und Suchstrategie
Die Literaturrecherche umfasste eine systematische Suche in PubMed, Scopus, Web of Science und Embase. Es wurde eine Kombination aus kontrollierten Vokabeln und Freitext-Schlüsselwörtern verwendet, darunter Pflege, simulationsbasiertes Lernen, Notfall- oder Akutversorgung sowie Magen-Darm-Erkrankungen. Boolesche Operatoren wurden eingesetzt, um die Präzision zu verbessern (z. B. "Stillen" UND "Simulation" UND "Notfall" UND ("gastrointestinal" ODER "Magen-Darm-Blutung" ODER "Bauchschmerzen")). Zusätzlich wurde eine manuelle Auswahl von Literaturverzeichnissen aus geeigneten Studien durchgeführt, um weitere relevante Artikel zu identifizieren.

Die Suche umfasste alle in den ausgewählten Datenbanken verfügbaren Datensätze von Beginn bis März 2026. Vollständige datenbankspezifische Suchstrategien, einschließlich Schlüsselwörter, boolesche Operatoren und Suchfilter, sind in ergänzender Tabelle 1 dargestellt.

Die erste Datenbanksuche ergab 540 Datensätze. Nach der Entfernung von 180 doppelten Datensätzen wurden 360 Artikel anhand von Titel und Abstract geprüft. Davon wurden 300 Einträge aufgrund von Irrelevanz ausgeschlossen. Sechzig Volltextartikel wurden auf ihre Berechtigung geprüft, von denen 52 ausgeschlossen wurden (28 wegen unzureichender quantitativer Daten und 24 wegen fehlender Vollständigtextverfügbarkeit oder Nicht-Englischsprache). Insgesamt erfüllten acht Studien alle Zulassungskriterien und wurden in die abschließende systematische Übersichtsarbeit sowie die explorative quantitative Synthese aufgenommen. Zwei Gutachter prüften unabhängig voneinander Titel und Abstracts, gefolgt von einer Volltextbewertung potenziell geeigneter Studien. Meinungsverschiedenheiten bezüglich der Studienberechtigung wurden durch Diskussion und Konsens beigelegt.

Zulassungskriterien
Studien wurden eingeschlossen, wenn sie Pflegestudierende oder praktizierende Pflegekräfte einschrieben und simulationsbasierte Lerninterventionen mit Blick auf Notfallreaktionen bewerteten. Geeignete Studien umfassten entweder gastrointestinal fokussierte Simulationsszenarien oder breitere Notfallpflege-Simulationsprogramme mit Bezug zu gastrointestinaler Beurteilung, -management, Verfahren oder Patientenversorgung. Vergleichsgruppen umfassten vorlesungsbasierten Unterricht, Standardunterricht oder routinemäßige klinische Ausbildung. Studien mussten extrahierbare Ergebnisse nach der Intervention für mindestens einen vordefinierten Bereich berichten, darunter Wissen, Leistungsfähigkeit, Teamarbeit, klinisches Denken, berufliche Verantwortung oder Selbstvertrauen. Randomisierte kontrollierte Studien, quasi-experimentelle Studien und andere kontrollierte vergleichende Designs waren für die Aufnahme geeignet.

Datenextraktion und Ergebnisharmonisierung
Zwei Prüfer extrahierten unabhängig voneinander die Daten mithilfe eines standardisierten Extraktionsformulars. Extrahierte Informationen umfassten Autorenname, Veröffentlichungsjahr, Land, Studiendesign, Stichprobengröße, Teilnehmercharakteristika, Details zur Simulation der Intervention und des Vergleichs sowie berichtete Ergebnismaße. Die quantitativen Daten umfassten die Mittelwerte nach der Intervention, Standardabweichungen und Stichprobengrößen für jede Studiengruppe.

Ergebnismaße wurden in sechs vordefinierte Bereiche unterteilt: Wissenserwerbung, Leistungsfähigkeit, Teamarbeit, klinisches Denken, berufliche Verantwortung und Selbstvertrauen. Die meisten Endpunkte wurden direkt gemäß den in den ursprünglichen Studien berichteten Definitionen zugewiesen. In einer kleinen Anzahl von Fällen wurden die unter alternativen Labels berichteten Ergebnisse entsprechend ihrem primären Bildungskonzept neu klassifiziert, um die Vergleichbarkeit zwischen den Studien zu verbessern. Klassifizierungsentscheidungen wurden unabhängig von zwei Forschern überprüft und durch Konsens entschieden. Dieses Harmonisierungsverfahren basierte auf etablierten Rahmenwerken für die metaanalytische Synthese von Bildungsergebnissen¹¹. Obwohl dieser Ansatz die Konsistenz zwischen den Studien verbesserte, kann ein gewisser Grad an konzeptueller Überschneidung oder Fehlklassifikation des Ergebnisses nicht vollständig ausgeschlossen werden. Die Begründung für alle neu klassifizierten Ergebnisse ist in ergänzender Tabelle 2 dargestellt.

Berechnung der Effektgröße
Standardisierte Mittelwertdifferenzen wurden als Hedges' g mit entsprechenden 95%-Konfidenzintervallen (KI) für jedes Ergebnis berechnet. Hedges' g wurde ausgewählt, um eine kleine Stichprobenverzerrung zu korrigieren und ist geeignet, um kontinuierliche Ergebnisse mit verschiedenen Instrumenten zu synthetisieren¹². Bei Bedarf wurden die gemeldeten Statistiken mit Standardformeln in standardisierte Mittelwertdifferenzen umgewandelt.

Statistische Analyse und Datensynthese
Random-Effects-Modelle wurden verwendet, um gepoolte Effekte zu berechnen, um sowohl innerhalb der Studie als auch zwischen Studienvariationen zu berücksichtigen. Um konservativere und zuverlässigere Konfidenzintervalle zu erhalten, insbesondere wenn die Metaanalyse auf einer kleinen Anzahl von Studien basiert, wurde die Begrenzte Maximum-Likelihood-(REML)-Schätzung mit Knapp–Hartung-Anpassung verwendet. Zur Bestimmung der statistischen Heterogenität wurden die Cochran-Q-Statistik, τ² (Varianz zwischen den Studien) und die Statistik I² , die das Ausmaß der Gesamtvariation aufgrund von Heterogenität und nicht durch Stichprobenfehler misst, verwendet. ^Zwei Werte, die über 75 % lagen, wurden als Zeichen einer großen Heterogenität angesehen.

Waldflächen wurden erstellt, um einzelne Studieneffektgrößen visuell darzustellen und Schätzungen über die Ergebnisbereiche hinweg zu bündeln. Die Robustheit der gebündelten Ergebnisse wurde durch Sensitivitätsanalysen untersucht, um Studien mit unklaren methodologischen Merkmalen auszulassen. Subgruppenanalysen wurden basierend auf dem Studiendesign (randomisiert vs. quasi-experimentell) und der Simulationstreue (hoch vs. niedrig) durchgeführt, sofern die Daten es zuließen. Alle statistischen Analysen wurden mit R-Software (Version 4.3.1) und dem Metafor-Paket durchgeführt. Ein beidseitiger p-Wert < 0,05 wurde als statistisch signifikant angesehen.

Bewertung des Publikationsbiases
Funnelplots wurden verwendet, um visuelle Belege für Publikationsbias und Effekte kleiner Studien zu bewerten, und der Egger-Regressionstest wurde verwendet, um statistische Belege für diesen Effekt zu bewerten. Der Egger-Test wurde verwendet, um die Asymmetrie des Funnelplots zu bewerten, bei der die standardisierte Effektgröße auf ihrem Standardfehler regressiert wurde; Ein bedeutender Abhörpunkt deutete auf das Vorhandensein von Publikationsverzerrung¹³ hin. Die Funnelplot-Asymmetrie wurde mit Vorsicht betrachtet, da sie auch durch erhebliche Heterogenität oder methodologische Schwankungen verursacht werden kann und nicht durch selektive Veröffentlichung¹⁴.

Verzerrungsrisiko und Beweissicherheit
Jede eingeschlossene Studie wurde mit einem modifizierten ROBINS-I-Rahmenwerk auf das Verzerrungsrisiko geprüft. Ein modifizierter ROBINS-I-Rahmen wurde angewandt, um Bildungsinterventionsstudien zu ermöglichen. Die Bewertung bewertete Verzerrungen, die sich aus Teilnehmerauswahl, Interventionsklassifikation, fehlenden Ergebnisdaten, Ergebnismessung und selektiver Berichterstattung ergeben. Die Bereiche, die Abweichungen von den beabsichtigten Interventionen betreffen, wurden vereinfacht, da die eingeschlossenen Studien hauptsächlich auf bildungsbezogene statt auf klinische Interventionen bezogen. Die Verzerrungsrisikobewertungen variierten je nach methodologischer Domäne (Tabelle 1). Die meisten Studien zeigten ein geringes Risiko für unvollständige Ergebnisdaten und selektive Berichterstattung; Dennoch wurden aufgrund der pädagogischen Natur der Interventionen häufig moderate Bedenken hinsichtlich der Teilnehmerauswahl, Zuteilungsverfahren und Blindings festgestellt. Insgesamt wurden die meisten Studien als moderat verzerrt eingestuft, während die prospektive Validierungsstudie von Nielsen et al. ein geringeres Gesamtrisikoprofil zeigte. Das Vertrauen in alle Evidenzen für jeden Ergebnisbereich wurde mit dem Grading of Recommendations Assessment, Development and Evaluation (GRADE)-Ansatz bewertet, der die Einschränkungen der Studien, Inkonsistenz, Ungenauigkeit und Indirektheit berücksichtigt (Tabelle 2).

Ergebnisse

Studienauswahl
Die umfassende Suchstrategie identifizierte zunächst 540 Datensätze aus vier Datenbanken. Nach der Entfernung von 180 doppelten Artikeln wurden 360 Titel und Abstracts überprüft. Zu diesem Zeitpunkt wurden 300 Datensätze ausgeschlossen, weil sie keine pflegende Populationen betrafen, keine simulationsbasierten Interventionen enthielten oder sich nicht auf Notfall- oder GI-Szenarien konzentrierten. Dieser Auswahlprozess führte dazu, dass 60 Volltextartikel auf ihre Berechtigung geprüft wurden. Davon wurden 28 Artikel aufgrund unzureichender quantitativer Daten für die Metaanalyse ausgeschlossen (z. B. fehlende Nach-Test-Durchschnitte oder Standardabweichungen), und 24 Artikel wurden ausgeschlossen, weil der Volltext nicht verfügbar war oder in anderen Sprachen als Englisch veröffentlicht wurde. Letztlich erfüllten acht Studien alle Zulassungskriterien und wurden in die endgültige quantitative Synthese einbezogen. Der Auswahlprozess der Studie ist im PRISMA-Flussdiagramm (Abbildung 1) dargestellt.

Studienmerkmale
Die acht Studien umfassten insgesamt 986 Teilnehmer. Das Hauptergebnis, das in den Studien dokumentiert wurde, war der Wissenserwerb, und die sekundären Ergebnisse waren die Leistungsfähigkeit der Fähigkeiten, die Teamfähigkeit, klinisch zu denken, die berufliche Verantwortlichkeit und das Selbstvertrauen.

Die Studien umfassten unterschiedlich gestaltete Studien und umfassten randomisierte kontrollierte Studien, quasi-experimentelle Studien, retrospektive Studien und prospektive Validierungsstudien. Die Mehrheit der Teilnehmer waren Pflege-Bachelor-Studenten und Pflegepraktikanten, aber einige Studien betrafen Pflegeanwärter, die bereits im klinischen Umfeld gearbeitet hatten. Eine eingeschlossene Studie untersuchte speziell den Einsatz von standardisierten Patientinnen und Patienten in Kombination mit situativer Simulation in der gastrointestinalen Pflegeausbildung und berichtete über positive Bildungsergebnisse¹⁵. Die Stichprobengrößen reichten von 20 bis zu mehr als 200 Befragten, und die Studien waren in Bezug auf die Stichprobengröße sehr vielfältig. Die Interventionen bestanden ausschließlich aus Simulationen und bestanden aus hochpräzisen Schaufensterpuppen oder standardisierten Patientenmodellen, gruppenbasierten Szenariensimulationen oder Blended Instruction. Gemischte Gruppen erhielten üblicherweise traditionelle Bildungsmethoden, wie Vorträge, Stationsrunden oder oberflächliche Schulungen in der Klinik. Nicht jede Studie hat alle sechs Ergebnisbereiche gemessen, was zur Heterogenität bei der Berichterstattung von Ergebnissen beiträgt. Diese Variation im Studiendesign, in den Interventionsmerkmalen und den Ergebnismaßen trug wahrscheinlich zur hohen Heterogenität bei, die in den gepoolten Analysen festgestellt wurde. Die Einzelheiten der eingeschlossenen Studien sind in Tabelle 3 beschrieben.

Gepoolte Effekte nach Wissensbasis im Outcome-Bereich
In den eingeschlossenen Studien bewerteten zehn Ergebnisvergleiche den Wissenserwerb. Die gepoolte Analyse bevorzugte simulationsbasiertes Lernen und ergab eine Effektgröße von g = 0,31 (95%-KI: 0,12–0,50). Diese Ergebnisse deuten darauf hin, dass ein verbessertes theoretisches Wissen mit Simulationsinterventionen im Vergleich zu Nicht-Simulations-Lehrstrategien verbunden war. Dennoch war die Heterogenität hoch (I² = 98,79 %), was auf eine erhebliche Variabilität zwischen den Studien hinweist. Variationen in der Simulationstreue, den Anweisungen und den Bewertungsmaßen sowie Unterschiede zwischen den Teilnehmern waren wahrscheinliche Ursachen dieser Variabilität. Trotz des weiten Konfidenzintervalls berichteten die meisten Studien von verbesserten Wissensergebnissen in Simulationsgruppen. Diese Ergebnisse sind in Tabelle 2 zusammengefasst und im Walddiagramm (Abbildung 2A) dargestellt.

Fertigkeitsleistung
Zehn Ergebnisvergleiche bewerteten die Fähigkeitsleistung. Die Gesamtgröße des gepoolten Effekts betrug g = -0,39 (KI: -0,85–0,07), was darauf hinweist, dass es keinen statistisch signifikanten Unterschied in den technischen Fähigkeiten zwischen simulationsbasiertem Lernen und traditionellem Unterricht gibt. Das Konfidenzintervall überschritt null, was auf Zweifel an der kombinierten Schätzung hinweist. Die Heterogenität war extrem hoch (I² = 98,66 %), was darauf hindeutet, dass sich die Definitionen der Fähigkeiten, ihres Unterrichts und der Tests zwischen den Studien signifikant unterschieden. Inkonsistente Interventionsperioden, das Fehlen standardisierter Leistungsmessinstrumente und Variationen in klinischen Situationen sind potenzielle Quellen der Variabilität. Die gepoolten Schätzungen sind in Tabelle 2 dargestellt, wobei einzelne Studienergebnisse in Abbildung 2B dargestellt sind.

Teamarbeit
Drei Studien berichteten von teamarbeitsbezogenen Ergebnissen. Die Pool-Analyse zeigte einen positiven Effekt des simulationsbasierten Lernens mit einer Effektgröße von g = 0,66 (95 % KI: 0,18–1,14). Das Konfidenzintervall war recht breit, aber die allgemeine Ausrichtung der Effektpräferenz lag auf simulationsbasierte Interventionen. Teilnehmer, die die Simulation durchliefen, zeigten verbesserte Team- und Kommunikationsfähigkeiten. Die Heterogenität war weiterhin erhöht (I² = 97,18 %), was möglicherweise auf Unterschiede in der Betonung von Teamarbeit als expliziter Schwerpunkt der Simulation oder einer Teilmenge der Leistungsergebnisse hinweist. Diese Ergebnisse sind in Tabelle 2 zusammengefasst und in Abbildung 2C dargestellt.

Klinisches Denken
Sechs Studien lieferten Daten zu klinischem Denken und Entscheidungsergebnissen. Die kombinierte Effektgröße betrug g = 0,17 (95%-KI: -0,21–0,55), was ein kleiner und nicht signifikanter Effekt ist. Das Heterogenitätsniveau war sehr hoch (I² = 98,95 %), was darauf hindeutet, dass es eine signifikante Unterschiedsvariation zwischen den Studien gab. Diese Ergebnisse wurden wahrscheinlich durch Unterschiede im Simulationsrealismus, den Bildungszielen, den Bewertungsinstrumenten und der Erfahrung der Teilnehmer beeinflusst. Einige Studien fanden signifikante Verbesserungen im klinischen Denken, aber einige fanden nur minimale oder gar keine Wirkung. Diese Ergebnisse sind in Tabelle 2 zusammengefasst, und das entsprechende Waldplot ist in Abbildung 2D dargestellt.

Berufliche Verantwortung
Sechs Studien untersuchten die Ergebnisse der beruflichen Verantwortung. Die kombinierte Effektgröße betrug g = 0,27 (95 % KI: -0,11–0,65), was ein kleiner und ungenauer positiver Effekt des simulationsbasierten Lernens ist. Auch das Heterogenitätsniveau war signifikant (I² = 99,25 %), was der größte Wert aller Outcome-Bereiche ist. Diese Inkonsistenz deutet wahrscheinlich auf Unterschiede in den konzeptuellen Definitionen beruflicher Verantwortung hin, die sich von Protokolleinhaltung und Rechenschaftspflicht bis hin zu allgemeinen ethischen und beruflichen Praktiken erstreckten. Diese Inkonsistenzen führten zu weiten Konfidenzintervallen. Die zusammengefassten Ergebnisse sind in Tabelle 2 dargestellt und in Abbildung 2E dargestellt.

Selbstvertrauen
Drei Studien berichteten von Selbstvertrauensergebnissen. Die gepoolte Analyse zeigte einen signifikanten und positiven Effekt des simulationsbasierten Lernens, wobei die Effektgröße g = 1,05 (95%-KI: 0,62–1,49) beträgt. Obwohl der Grad der Heterogenität weiterhin hoch war (I² = 98,95 %), berichteten alle Studien über ein gesteigertes Selbstvertrauen bei allen Personen, die simulationsbasiertem Training unterzogen wurden. Diese Ergebnisse unterstreichen die hohe Wirksamkeit von erfahrungsbasiertem Lernen bei der psychologischen Vorbereitung der Lernenden auf klinische Umgebungen mit hohem Druck. Die zusammengefassten Schätzungen sind in Tabelle 4 dargestellt, wobei einzelne Studieneffekte in Abbildung 2F dargestellt sind.

Integrierter Gesamteffekt
Simulationsbasiertes Lernen erwies sich als domänenspezifische Vorteile im Vergleich zu traditionellen Lehrmethoden in allen Outcome-Domänen. Die beständigsten Verbesserungen traten bei Wissenserwerbung, Teamarbeit und Selbstvertrauen auf, wobei letztere die größte kombinierte Effektgröße aufwies. Umgekehrt waren die Ergebnisse zu Fähigkeitsleistung, klinischem Denken und beruflicher Verantwortung weniger homogen und wiesen einen hohen Grad an Heterogenität auf. Solche Unterschiede sind wahrscheinlich auf Unterschiede im Interventionsdesign, der Messung des Ergebnisses und der Genauigkeit der Umsetzung zurückzuführen. Tabelle 4 bietet eine Zusammenfassung der Gesamttrends, und das kombinierte Waldplot in Abbildung 3 stellt diese visuell dar.

Publikationsbias
Der Publikationsbias wurde mit Funnel-Plots und Eggers Regressionstest bewertet. Die visuelle Inspektion der Funnel Plots (Abbildung 4) deutete auf eine leichte Asymmetrie in einigen Ergebnisdomänen hin, insbesondere in solchen mit einer begrenzten Anzahl von Studien, in denen kleinere Studien tendenziell größere Effektgrößen meldeten. Eggers Regression identifizierte jedoch keine statistisch signifikanten Effekte kleiner Studien in keinem Bereich. Da Funnel Plots und Eggers Test weniger zuverlässig sind, wenn weniger als zehn Studien verfügbar sind, sollten diese Ergebnisse mit Vorsicht interpretiert werden. Insgesamt gab es keine starken Belege für einen systematischen Publikationsbias, obwohl die begrenzte Anzahl der Studien bei der Interpretation der gepoolten Schätzungen Vorsicht rechtfertigt.

Sensitivitätsanalyse
Sensitivitätsanalysen wurden mit Random-Effects-Modellen mit REML-Schätzung und Knapp–Hartung-Anpassung durchgeführt. Da keine Studien als hohes Risiko für Verzerrung eingestuft wurden, wurden zwei Studien mit unklarer Blindierung zu illustrativen Zwecken ausgeschlossen. Die gebündelten Ergebnisse blieben weitgehend unverändert, mit Effektgrößen von g = 0,29 (95 % KI: 0,11–0,47) für Wissen, g = 0,65 (95 % KI: 0,17–1,13) für Teamarbeit und g = -0,38 (95 % KI: -0,83–0,07) für die Fähigkeitsleistung, was auf die Robustheit der Hauptergebnisse hinweist.

Untergruppenanalyse
Subgruppenanalysen wurden durchgeführt, um potenzielle Quellen der Heterogenität zu untersuchen. Die Studien wurden nach Studiendesign (randomisiert vs. quasi-experimentell) und nach Simulationstreue (hoch vs. niedrig) geschichtet. Simulationen mit höherer Genauigkeit zeigten größere gepoolte Effekte für Wissen (g = 0,42) und Teamarbeit (g = 0,79) im Vergleich zu Simulationen mit niedrigerer Genauigkeit (g = 0,15 bzw. g = 0,34). Die Unterschiede zwischen Pflegestudierenden im Grundstudium und angehenden Pflegekräften waren in den meisten Ergebnisbereichen minimal.

Vorhersageintervalle
Um die Heterogenität weiter zu interpretieren, wurden für jeden Ergebnisbereich 95%-Vorhersageintervalle berechnet: Wissen (-0,42–1,04), Leistungsfähigkeit (-1,28–0,50), Teamarbeit (-0,15–1,47), klinisches Denken (-0,62–0,96), berufliche Verantwortung (-0,54–1,08) und Selbstvertrauen (0,12–1,98). Diese weiten Intervalle zeigen eine erhebliche erwartete Variabilität der Effektgrößen in zukünftigen Studien.

Datenverfügbarkeit
Diese Studie lieferte keine neuen Primärdaten. Die aus den enthaltenen Publikationen extrahierten und für die quantitative Synthese verwendeten Studiendaten, zusammen mit den vollständigen Datenbanksuchstrategien und dem Ergebnisharmonisierungsrahmen, wurden im Zenodo-Repository hinterlegt und sind öffentlich zugänglich unter 10.5281/zenodo.20747753.

TABELLEN- UND FIGURENLEGENDEN:

Abbildung 1: PRISMA-Flussdiagramm der Studienauswahl für die quantitative Synthese.
Diese Abbildung fasst die Identifizierung, das Screening, die Eignungsbewertung und die endgültige Aufnahme von Studien in die systematische Übersichtsarbeit und quantitative Synthese zusammen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 2: Walddiagramme der gebündelten Effektgrößen über Ergebnisdomänen hinweg. (A) Wissenserwerbung. (B) Fertigkeitsleistung. (C) Teamfähigkeit. (D) Klinisches Denken. (E) Berufliche Verantwortung. (F) Selbstvertrauen. Individuelle Studieneffektgrößen und gepoolte G-Schätzungen von Hedges werden mit 95%-Konfidenzintervallen gezeigt. Abkürzungen: CI = Konfidenzintervall; DL = DerSimonian–Laird; SMD = standardisierte mittlere Differenz. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 3: Gesamtgepoolter Waldplot, der integrierte Effektschätzungen über alle Ergebnisbereiche hinweg zusammenfasst. Diese Abbildung bietet einen vergleichenden Überblick über das Ausmaß und die Richtung der simulationsbasierten Lerneffekte in den bewerteten Kompetenzbereichen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Abbildung 4: Funnel Plot zur Bewertung des möglichen Publikationsbias über die eingeschlossenen Studien hinweg. Diese Abbildung veranschaulicht die Verteilung von Studieneffektgrößen und Standardfehlern zur Bewertung potenzieller Effekte kleiner Studien und Publikationsbias. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Studium	Selektionsverzerrung	Leistung/Erkennungsbias	Unvollständige Ergebnisdaten	Selektive Berichterstattung	Gesamtrisiko
Yang & Liu (2024)⁴	Moderat	Moderat	Niedrig	Niedrig	Moderat
Rong & Ning (2024)²	Moderat	Moderat	Niedrig	Niedrig	Moderat
Wang et al. (2021)³	Moderat	Moderat	Niedrig	Niedrig	Moderat
Nielsen et al. (2022)¹	Niedrig	Niedrig	Niedrig	Niedrig	Niedrig
Guo & Mao (2025)¹⁵	Moderat	Moderat	Niedrig	Niedrig	Moderat
Jang & Park (2021)⁸	Moderat	Moderat	Niedrig	Niedrig	Moderat
Liu et al. (2023)⁷	Moderat	Moderat	Niedrig	Niedrig	Moderat
Maddahi et al. (2025)⁹	Niedrig	Moderat	Niedrig	Niedrig	Moderat

Tabelle 1: Zusammenfassung des Verzerrungsrisikos. Diese Tabelle fasst die methodische Qualitätsbewertung der eingeschlossenen Studien unter Verwendung des modifizierten ROBINS-I-Rahmens zusammen.

Ergebnis	Nein. der Studien	Wirkung (g, 95 % KI)	Gewissheit (GRADE)	Abstufungsgrund
Wissen	8	0.31 (0.12–0.50)	Moderat	Hohe Heterogenität
Fertigkeitsleistung	10	-0.39 (-0.85–0.07)	Niedrig	Inkonsistenz, Ungenauigkeit
Teamarbeit	3	0.66 (0.18–1.14)	Moderat	Kleine Stichprobengröße
Klinisches Denken	6	0.17 (-0.21–0.55)	Niedrig	Inkonsistenz
Berufliche Verantwortung	6	0.27 (-0.11–0.65)	Niedrig	Konzeptuelle Variation
Selbstvertrauen	3	1.05 (0.62–1.49)	Moderat	Hohe Heterogenität

Tabelle 2: GRADE-Zusammenfassung der Beweise. Diese Tabelle zeigt die Gewissheit der Evidenzbewertungen für jeden Ergebnisbereich basierend auf dem GRADE-Ansatz.

Autor (Jahr)		Land	Studiendesign		Bedingungen		Bevölkerung		N-Intervention	N-Kontrolle	Ergebnisse
Guo et al. (2025)		China	Retrospektive Studie		Gemischte Notfälle		Pflegepraktikanten		100	100	Wissen, Leistungsfähigkeit, Teamarbeit, klinisches Denken, berufliche Verantwortung,
Jang und Park (2021)		Korea	Studie mit gemischten Methoden		Blutung im oberen GI		Pflegestudierende		41	39	Wissen, Leistungsfähigkeit, Selbstvertrauen
Liu et al. (2023)		China	Randomisierte kontrollierte Studie		Akute Blutungen im oberen GI		Pflegestudierende		20	20	Wissen, Teamarbeit, klinisches Denken, berufliche Verantwortung
Maddahi et al. (2025)		Iran	Quasi-experimentelle Studie		Blutung		Pflegestudierende		23	22	Wissen, Fertigkeit, Leistung
Nielsen et al. (2022)		Dänemark	Prospektive Validierungsstudie		Gemischte Notfälle		Pflegestudierende		10	15	Fertigkeitsleistung
Wang et al. (2021)		China	Quasi-experimentelle Studie		Blutung		Pflegeanwärter		108	108	Wissen, Leistungsfähigkeit, klinisches Denken, berufliche Verantwortung
Rong und Ning (2024)		China	Retrospektive Studie		Gemischte Notfälle		Pflegepraktikanten		36	35	Wissen, Leistungsfähigkeit, klinisches Denken, Teamfähigkeit, Selbstvertrauen
Yang und Liu (2024)		China	Randomisierte kontrollierte Studie		Gemischte Notfälle		Pflegestudierende		30	30	Wissen, Leistungsfähigkeit, klinisches Denken, berufliche Verantwortung

Tabelle 3: Merkmale der in der Metaanalyse enthaltenen Studien. Diese Tabelle beschreibt das Studiendesign, Teilnehmercharakteristika, Interventionen, Vergleicher, Stichprobengrößen und berichtete Ergebnisse.

Ergebnis		k	Pooled g (DL)	SE (DL)	95%-KI niedrig	95%-KI hoch	Q	DF	p(Q)	I² %	τ² (DL)	Egger-Abfang	Egger p
Klinisches Denken		6	0.166	0.89	-1.579	1.91	477.796	5	0	98.954	4.689	-13.632	0.375
Wissen		10	0.306	0.823	-1.307	1.919	744.949	9	0	98.792	6.679	-15.924	0.276
Berufliche Verantwortung		6	0.27	1.434	-2.541	3.08	668.813	5	0	99.252	12.198	-2.884	0.835
Selbstvertrauen		3	1.054	1.982	-2.83	4.939	190.421	2	0	98.95	11.621	9.595	0.727
Fertigkeitsleistung		10	-0.389	0.756	-1.87	1.093	670.517	9	0	98.658	5.584	-13.461	0.054
Teamarbeit		3	0.663	0.831	-0.967	2.292	70.908	2	0	97.179	2.005	-6.394	0.739

Tabelle 4: Gepoolte Effektgrößen und Heterogenitätsstatistiken über Ergebnisdomänen hinweg. Diese Tabelle zeigt gepoolte g-Werte von Hedges, 95%-Konfidenzintervalle, Heterogenitätskennzahlen und Publikationsbias-Bewertungen für alle analysierten Ergebnisse.

Ergänzende Tabelle 1: Vollständige Datenbanksuchstrategien. Diese Tabelle liefert die vollständigen Suchstrings, die für PubMed, Scopus, Web of Science und Embase verwendet werden, einschließlich Schlüsselwörtern, kontrolliertem Vokabular, Boolesche Operatoren und datenbankspezifischer Syntax. Diese Suchstrategien wurden verwendet, um Studien zu identifizieren, die simulationsbasiertes Lernen in der Notfallpflegeausbildung mit Bezug zu gastrointestinal-bezogenen klinischen Szenarien bewerteten. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Tabelle 2: Ergebnis-Neuklassifikations- und Harmonisierungsrahmen.
Diese Tabelle zeigt Ergebnisse, die eine Neuklassifizierung von ihren ursprünglichen studienspezifischen Labels in die vordefinierten Ergebnisbereiche für die quantitative Synthese erforderten. Die Begründung für jede Klassifikationsentscheidung dient dazu, Transparenz, Konsistenz und Vergleichbarkeit zwischen Studien zu verbessern. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Diskussion

Diese systematische Übersichtsarbeit und Metaanalyse legt nahe, dass simulationsbasiertes Lernen (SBL) selektive Vorteile in mehreren Bereichen der Notfallpflegeausbildung bieten kann, mit besonderer Relevanz für Kompetenzen im Zusammenhang mit gastrointestinaler (GI) Notfallversorgung. Die konsistentesten positiven Effekte wurden beim Wissenserwerb, Teamarbeit und Selbstvertrauen beobachtet, während die Ergebnisse zu Fähigkeitsleistung, klinischem Denken und beruflicher Verantwortung weniger konsistent waren. Zusammen stützen die Ergebnisse den Bildungswert von SBL in Notfallpflegekontexten, obwohl erhebliche Unterschiede zwischen den Studien eine vorsichtige Interpretation der zusammengefassten Schätzungen^16,17 erfordern.

Die positiven Effekte auf Wissen, Teamarbeit und Selbstvertrauen stimmen mit früheren Berichten überein, die zeigen, dass Simulation das kognitive Lernen, die Kommunikation und die Lernvorbereitung verbessern kann 2,3,5,6,18,19,20,21,22 . Verbesserungen des Selbstvertrauens könnten die Möglichkeit widerspiegeln, klinische Entscheidungsfindung und teamorientierte Reaktionen in einer sicheren Lernumgebung zu üben ^7,8. Ähnlich waren die Teamarbeitsergebnisse in Studien mit kollaborativen und interprofessionellen Simulationsansätzen ^4,15 allgemein günstig. Im Gegensatz dazu zeigten technische Fähigkeiten und berufliche Verantwortung eine größere Variabilität ^1,9. Diese Inkonsistenzen können Unterschiede in der Simulationstreue, Bewertungsmethoden, dem Bildungsdesign und dem Ausmaß widerspiegeln, in dem spezifische Kompetenzen während des Trainings explizit angesprochen wurden 17,21,23,24.

Ein bemerkenswertes Ergebnis dieser Übersicht war die extreme Heterogenität, die in allen Endpunktdomänen beobachtet wurde (I² > 97 %). Die eingeschlossenen Studien unterschieden sich erheblich in Teilnehmercharakteristika, Studiendesign, Simulationsmodalität, Interventionsdauer, Debriefing-Strategien und Ergebnisbewertungsmethoden. Darüber hinaus umfasste die Evidenzbasis randomisierte kontrollierte Studien, quasi-experimentelle Studien, retrospektive Studien, Mixed-Methods-Studien und Validierungsstudien, die jeweils unterschiedliche Grade an interner Validität und Anfälligkeit für Verzerrungen aufwiesen. Obwohl Random-Effects-Modelle, Sensitivitätsanalysen, Untergruppenanalysen und Vorhersageintervalle zur Berücksichtigung der Variabilität verwendet wurden, sollten die gepoolten Schätzungen als durchschnittliche Effekte über verschiedene Bildungskontexte interpretiert werden und nicht als präzise Schätzungen eines einzelnen Interventionseffekts. Darüber hinaus bewerteten mehrere eingeschlossene Studien umfassendere Notfallpflegesimulationen statt ausschließlich GI-fokussierte Szenarien, wodurch die Spezifität der Schlussfolgerungen bezüglich der ausschließlichen GI-Notfallpflege eingeschränkt wurde.

Es sollten mehrere Einschränkungen berücksichtigt werden. Erstens erfüllten nur acht Studien die Zulassungskriterien, was die statistische Stärke für Untergruppenanalysen und die Bewertung von Publikationsfehlern einschränkte. Zweitens blieb die Heterogenität in allen Outcome-Domänen extrem hoch. Drittens erforderte die Ergebnisharmonisierung die Umklassifizierung einiger Messgrößen in vordefinierte Kompetenzbereiche, was möglicherweise eine konzeptionelle Überlappung eingeführt hat. Viertens begrenzten Unterschiede im Studiendesign, methodologischer Qualität, Interventionsumsetzung und Ergebnismessung die Vergleichbarkeit zwischen den Studien. Schließlich bewerteten die meisten Studien kurzfristige Bildungsergebnisse und verhinderten so die Bewertung langfristiger Wissensspeicherung, Fähigkeitstransfer und patientenbezogener Ergebnisse.

Diese Ergebnisse unterstützen die Integration von SBL in die Notfallpflegeausbildung, insbesondere zur Entwicklung von Wissen, Teamarbeit und Selbstvertrauen der Lernenden. Zukünftige Forschung sollte jedoch standardisierte Ergebnismaße, rigorose Studiendesigns und klar definierte Simulationsinterventionen priorisieren, um Heterogenität zu verringern und die Vergleichbarkeit zwischen den Studien zu verbessern. Weitere GI-spezifische Simulationsstudien sind erforderlich, um die Bildungsergebnisse in diesem spezialisierten klinischen Bereich besser zu charakterisieren. Bestehende Best-Practice-Empfehlungen legen nahe, dass die Effektivität der Simulation von einer sorgfältigen Abstimmung der Bildungsziele, des Szenariodesigns und der Debriefing-Strategien abhängt²⁵. Longitudinale Untersuchungen, die Wissensspeicherung, den Transfer von Lernen in die klinische Praxis und Patientenergebnisse untersuchen, sowie Studien zur Bewertung neuer Technologien wie virtuelle Realität und hybride Simulationsmodelle, könnten die Rolle der Simulation in der Notfallpflegeausbildung weiter klären.

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Embase	Elsevier	https://www.embase.com	Literaturdatenbank
metafor package	R Foundation/CRAN	https://cran.r-project.org/package=metafor	Metaanalyse-Paket
PubMed	National Library of Medicine	https://pubmed.ncbi.nlm.nih.gov	Literaturdatenbank
R (v4.3.1)	R Foundation for Statistical Computing	https://www.r-project.org	Statistische Analyse
Scopus	Elsevier	https://www.scopus.com	Literaturdatenbank
Web of Science	Clarivate	https://www.webofscience.com	Literaturdatenbank