Effets d’application et stratégies d’optimisation de l’enseignement par simulation multi-scénario dans l’enseignement pratique des maladies infectieuses

Summary

Cet essai contrôlé randomisé a évalué l’enseignement par simulation multi-scénario dans l’enseignement des maladies infectieuses chez 121 étudiants en médecine et en soins infirmiers. Comparé à l’enseignement traditionnel, la simulation a amélioré la performance de l’OSCE, le respect des actions critiques, le raisonnement clinique, le travail d’équipe et la sécurité des procédures. Cette approche a efficacement fait le lien entre théorie et pratique sous contraintes de biosécurité et a amélioré les résultats de formation.

Abstract

Cet essai contrôlé randomisé prospectif a évalué l’efficacité de l’enseignement par simulation multi-scénario pour améliorer la compétence pratique des étudiants en médecine et en soins infirmiers lors de la formation aux maladies infectieuses. Un total de 121 élèves ont été assignés au hasard à un groupe de simulation (n = 60) ou à un groupe d’enseignement traditionnel (n = 61). Le programme de simulation couvrait les principaux flux de travail cliniques, notamment le triage, l’isolement, la collecte d’échantillons, la prévention des infections, la gestion responsable des antimicrobiens et la gestion de l’exposition au travail. Les résultats principaux étaient les scores d’examen clinique structuré objectif (OSCE) post-intervention et les taux de conformité aux actions critiques. Les résultats secondaires comprenaient le raisonnement clinique, le travail d’équipe et les compétences en communication, la satisfaction de l’apprenant, l’auto-efficacité, l’engagement et la charge cognitive. Comparé au groupe témoin, le groupe de simulation a obtenu des scores OSCE significativement plus élevés (différence moyenne 8,1 ; IC à 95 %, 5,4–10,9 ; D = 1,14 de Cohen ; P < 0,001) et les taux de conformité aux actions critiques (10,5 % plus élevés ; IC à 95 %, 7,3–13,6 ; d de Cohen = 1,23 ; P < 0,001). Le groupe de simulation a également démontré une amélioration du travail d’équipe, une plus grande satisfaction et auto-efficacité, ainsi qu’une charge cognitive réduite. Ces résultats indiquent que l’enseignement par simulation multi-scénarios améliore la compétence pratique, la performance critique pour la sécurité et les expériences d’apprentissage dans l’éducation aux maladies infectieuses.

Introduction

En tant que branche spécialisée de la médecine clinique, le processus d’enseignement des maladies infectieuses a longtemps été limité par deux facteurs : la sécurité en santé publique et^{la qualité médicale 1,2}. Dans la pratique clinique actuelle de l’enseignement, la forte pathogénicité des maladies infectieuses et les réglementations strictes en biosécurité ont naturellement constitué un obstacle qui limite largement la pratique approfondie des étudiants en médecine dans les services d’isolement de première ligne. Avec l’amélioration continue des normes mondiales de contrôle des infections, le modèle traditionnel d’enseignement au chevet est devenu de plus en plus difficile à répondre aux exigences pour observer en toute sécurité la pratique clinique des étudiants en maladies respiratoires ou hautement virulentes ; il est souvent impossible de mener à bien un processus d’observation^{complet 3}. De plus, la répartition des cas de maladies infectieuses montre une saisonnalité claire, des différences régionales et des épidémies soudaines, ce qui rend difficile pour les étudiants de rencontrer une large gamme de maladies infectieuses durant leur court stage clinique. Ce manque d’opportunités d’exposition de cas crée un fossé important entre les connaissances théoriques et les applications cliniques pratiques pour les étudiants en médecine, notamment lorsqu’il s’agit de maladies infectieuses nouvelles et soudaines. Le manque d’expérience clinique nécessaire est devenu un goulot d’étranglement limitant la formation des professionnels de santé^{publique 4,5}.

L’enseignement traditionnel des maladies infectieuses utilise principalement des cours théoriques ou des supports pédagogiques uniques, et le modèle manque de liens pour former les étudiants en médecine à gérer des situations cliniques complexes. Premièrement, il y a une lacune dans la formation des chaînes de processus. La gestion des maladies infectieuses réelles couvre l’ensemble du processus en boucle fermée, incluant le triage, l’isolement, la collecte d’échantillons, le rapport épidémique, le traitement précis et le suivi post-maladie. Cependant, l’enseignement traditionnel s’est longtemps centré sur le diagnostic étiologique et n’a pas prêté attention aux procédures de signalement prescrites par les lois et règlements ni aux détails opérationnels du contrôle des infections ^6,7. Compte tenu des défis cliniques persistants liés à l’hygiène des mains, à l’utilisation appropriée des EPI et à la conformité critique pour la sécurité, une formation rigoureuse qui mesure et renforce activement ces précautions standards est primordiale pour les praticiens^{débutants 8}. Selon les données d’évaluation pertinentes, le taux d’erreur procédurale des débutants n’ayant pas reçu de formation systématique par simulation et le risque d’exposition professionnelle lors d’opérations cliniques sous des mesures de protection de haut niveau sont significativement plus élevés. Deuxièmement, il existe une superficialité dans le développement des compétences en travail d’équipe. Le traitement des maladies infectieuses repose sur la coopération de plusieurs disciplines médicales, y compris des médecins et infirmiers impliqués dans le travail clinique, le personnel technique et des spécialistes du département des maladies infectieuses dans un^{hôpital 9}. Dans le modèle médical conventionnel, il n’y a généralement qu’un poste de médecin communautaire, et les relations de consultation interdisciplinaire n’ont pas encore été établies. Il n’existe pas de programme unifié entre les différentes étapes de formation, ni d’enseignement systématique en gestion des maladies infectieuses d’urgence. Lors d’une véritable épidémie, les stagiaires montrent souvent un faible degré d’adaptabilité et un manque de sensibilisation à la prévention des^{infections 10,11}.

En réponse aux lacunes de l’enseignement clinique traditionnel, la simulation multi-scénario est devenue une approche éducative à haute fidélité et à faible risque, et constitue désormais une orientation essentielle pour la réforme de l’éducation médicale. Cette approche construit un système de programmes à paliers pour les principaux liens du dépistage ambulatoire initial, de l’isolement en soins intensifs et de la gestion d’urgence de l’exposition au travail, renforçant ainsi les capacités complètes de résolution de problèmes cliniques^{des étudiants en médecine 11}. En plus de l’évaluation de la mémoire des théories de base, plusieurs autres aspects à prendre en compte dans ce critère d’évaluation incluent une amélioration des compétences de pensée critique clinique, le respect des exigences standardisées de prévention et de contrôle des infections, ainsi que la capacité d’adaptation mentale dans des conditions de travail à haute intensité. En effet, des preuves antérieures confirment que la simulation de haute fidélité élève fondamentalement les compétences pratiques de haut niveau, renforçant notamment le jugement clinique et la prise de décision complexe bien au-delà du simple rappel^{des connaissances 12,13}. Les recherches montrent que, grâce à la conception d’enseignement multi-scénario couplée, le temps de prise de décision des étudiants face à des cas atypiques a été efficacement réduit, et leur précision opérationnelle dans un environnement complexe a également été significativement améliorée. Grâce à ce type d’entraînement répété et immersif dans l’environnement de simulation, d’un point de vue objectif, il transforme le sentiment abstrait de protection en mémoire musculaire et développe une habitude protectrice devenue instinctive, compensant ainsi les lacunes d’expérience pratique causées par un travail clinique réel insuffisant. De plus, il a été démontré que la simulation immersive favorise une plus grande satisfaction des apprenants, une plus grande auto-efficacité et un engagement actif, atténuant efficacement le stress associé aux scénarios cliniques à haut^{risque 14, 15, 16}.

Malgré l’adoption croissante de la simulation dans l’enseignement médical, il subsiste un écart de preuves critique concernant son impact quantitatif sur la conformité aux procédures critiques pour la sécurité et la charge cognitive dans la gestion complexe des maladies infectieuses. La nouveauté de cette étude réside dans sa conception de simulation multi-scénarios et couplée au flux de travail, qui intègre un retour d’information en temps réel sur la biosécurité pour cibler spécifiquement les risques d’infection croisée. En conséquence, l’hypothèse principale est que la formation par simulation multi-scénarios surpassera nettement l’enseignement didactique traditionnel en améliorant les compétences pratiques des étudiants, en plus précisément en offrant des scores OSCE plus élevés et une meilleure conformité aux normes de sécurité critiques. De plus, cette étude vise à construire un système d’évaluation dynamique en boucle fermée. Une analyse combinée des données d’examen clinique structuré et objective et des journaux comportementaux issus d’opérations simulées permet d’identifier avec précision les goulots d’étranglement cognitifs et les défauts opérationnels résultant de changements dans diverses situations cliniques chez les étudiants en médecine. Cette étude vise non seulement à montrer les avantages de l’enseignement par simulation multi-scénarios, mais aussi à proposer des stratégies différenciées d’optimisation des voies d’enseignement pour les maladies infectieuses à différentes voies de transmission, basées sur une analyse empirique quantitative^{des données 17}

Protocol

Toutes les procédures impliquant des participants humains ont été menées conformément aux normes éthiques du Conseil d’éthique de l’Hôpital affilié du North Sichuan Medical College et aux principes de la Déclaration d’Helsinki. Le protocole d’étude a été approuvé par le Conseil d’Éthique Institutionnelle de l’Hôpital Affilié du North Sichuan Medical College (Approbation n° 2025ER538-1). Un consentement éclairé écrit a été obtenu de tous les participants avant l’inscription.

1. Recrutement et sélection des participants

1. Obtenez les listes officielles de rotation clinique auprès de l’Hôpital affilié du North Sichuan Medical College durant le semestre académique de printemps. Sélectionnez et recrutez les participants éligibles durant les deux semaines précédant le module de formation aux maladies infectieuses.
2. Limiter l’éligibilité aux étudiants de quatrième ou cinquième année de médecine clinique et d’infirmier, ainsi qu’aux résidents cliniques de première année. Révisez les relevés de notes académiques et les plannings de rotation clinique de tous les candidats en utilisant deux coordinateurs d’enseignement indépendants afin de vérifier le respect des critères d’inclusion.
3. Effectuer des évaluations de qualification pour tous les candidats potentiels conformément aux critères standardisés d’inclusion et d’exclusion.
4. Vérifiez que les participants ont suivi ou suivent actuellement des cours théoriques liés aux maladies infectieuses.
5. Administrez une liste de vérification de base avant la simulation afin de vérifier objectivement que tous les candidats possèdent l’endurance physique et la disponibilité cognitive nécessaires pour supporter un entraînement de scénario à haute intensité. Utilisez cette liste de contrôle standardisée pour confirmer leur capacité à réaliser l’examen clinique structuré et objectif rigoureux sans aucune restriction médicale sous-jacente ni conflit de planning.
6. Obtenir un accord des participants concernant l’enregistrement du processus d’enseignement et la collecte des données, y compris la complétion du questionnaire et la notation des standards.
7. Évaluer les capacités de communication et de travail d’équipe de base à l’aide de la sous-échelle standardisée de communication de l’exercice d’évaluation mini-clinique lors de leur rotation clinique initiale. Excluez les candidats qui obtiennent un score inférieur au seuil établi de 4 sur 9 afin d’assurer des compétences interactives adéquates pour accomplir des tâches simulées de poste.
8. Excluez les participants qui ne sont pas dans la phase de formation spécifiée ou qui ne manquent pas de connaissances de base en théorie des maladies infectieuses.
9. Excluez les individus ayant déjà reçu une formation systématique à simulation multi-scénario qui chevauche fortement l’intervention de l’étude afin d’éviter une contamination par intervention.
10. Excluez ceux qui ont des limitations objectives, telles que les horaires de rotation ou de service empêchant l’accomplissement des heures de cours obligatoires, ou un risque élevé d’absentéisme grave.
11. Collectez des données démographiques et d’apprentissage de base, incluant l’âge, le sexe, le stade de formation, l’expérience du cours sur les maladies infectieuses et l’expérience de formation par simulation.
12. Utilisez ces données de référence pour une analyse descriptive ultérieure et les ajustements statistiques nécessaires¹⁸.

2. Conception et allocation de l’étude

1. Adopter un design d’intervention éducative prospective, randomisée et contrôlée parallèlement afin d’évaluer les effets d’application de l’enseignement par simulation multi-scénarios.
2. Suivez le flux de travail prédéfini de l’étude pour l’inscription des participants, l’allocation des groupes, la prestation des interventions et l’évaluation des résultats. Voir la Figure 1 pour un aperçu du parcours d’étude.
3. Effectuer une randomisation individuelle pour répartir les 121 sujets dépistés dans le groupe d’intervention composé de 60 élèves et le groupe témoin composé de 61 élèves. Générez la séquence d’allocation aléatoire à l’aide d’un générateur de nombres aléatoires basé sur ordinateur avec un ratio de 1 pour 1. Dissimulez cette séquence dans des enveloppes opaques, numérotées séquentiellement et scellées, administrées par un assistant de recherche désigné, totalement indépendant des processus d’enseignement et d’évaluation.
4. Mener la recherche pour les deux groupes dans un environnement d’enseignement standardisé.
5. Complétez les arrangements d’enseignement correspondants pour les deux groupes dans le même cycle pédagogique.
6. Maintenir la comparabilité du contenu pédagogique et des arrangements horaires entre les conditions d’intervention et de contrôle afin de minimiser les interférences causées par les différences de dosage^{dans l’enseignement 19}.

3. Mise en œuvre de la condition de contrôle (enseignement de routine de routine)

1. Dispenser un enseignement de routine sur les maladies infectieuses au groupe témoin afin de refléter le mode d’enseignement courant dans le système éducatif actuel.
2. Standardisez l’exposition éducative en fournissant exactement 16 heures de contact totales réparties équitablement sur un cycle de quatre semaines pour les deux conditions. Maintenir un ratio enseignants/étudiants cohérent de 1:10 sur toutes les sessions afin d’égaliser l’interaction avec les enseignants et d’éviter les biais de dosage pédagogique.
3. Mener des discussions de cas traditionnelles et fournir des explications cliniques dans un amphithéâtre standard de quarante places. Effectuer toute l’instruction théorique et les démonstrations situationnelles en utilisant une approche strictement centrée sur l’enseignant, en allouant exactement quatre heures par session hebdomadaire pour assurer l’équivalence temporelle avec le groupe d’intervention.
4. Fournir des démonstrations de routine de la collecte d’échantillons, des procédures de base de contrôle des infections hospitalières et des techniques d’isolement utilisant des modèles anatomiques statiques et de faible fidélité. Limitez l’engagement de l’apprenant lors de ces démonstrations de routine strictement à l’observation passive et à des démonstrations physiques de base sans aucun stress contextuel immersif.
5. Limitez les composantes pratiques du programme de contrôle à des discussions théoriques sur papier et à une pratique isolée à compétence unique sur des modèles de laboratoire à faible fidélité. Vérifiez que ces apprenants ne participent à aucune simulation intégrée multi-scénario ni à des environnements immersifs de résolution de problèmes cliniques.
6. Prévenir la contamination inter-groupes opérationnellement en programmant les sessions d’intervention et de formation des groupes témoins à des jours totalement différents et en utilisant des installations physiquement séparées du campus.
7. Surveillez strictement la conformité en exigeant que tous les participants inscrits signent un accord de confidentialité formel interdisant le partage de supports pédagogiques ou de détails de scénarios avant l’évaluation finale.

4. Mise en œuvre de l’intervention (enseignement par simulation multi-scénario)

1. Basez la conception globale du cours de simulation sur les processus cliniques réels.
2. Standardiser les tâches pratiques à haute fréquence et à haut risque en unités d’enseignement spécifiques à la formation et à l’évaluation de quantités.
3. Organiser le programme de simulation séquentiellement autour des flux de travail clés des maladies infectieuses, incluant le triage et l’évaluation des risques, la prise de décision sur l’isolement, la collecte d’échantillons, la prévention et le contrôle des infections, la gestion responsable des antimicrobiens et la gestion de l’exposition au travail.
4. Livrez les modules de simulation selon le cadre curriculaire prédéfini et les objectifs de compétences. Voir la Figure 2 pour un aperçu de la structure du programme.
5. Utilisez une méthode de construction basée sur des matrices pour aligner directement les thèmes de scénarios avec les flux de travail pratiques des maladies infectieuses.
6. Attribuer une compétence cible et des critères comportementaux observables prédéfinis à chaque scénario de simulation pour guider l’instruction et l’évaluation.
7. Mettez en œuvre le cadre scénario-compétence tout au long du programme de formation. Voir la Figure 3 pour la correspondance entre les scénarios de simulation et les compétences cibles.
8. Mettre en œuvre les scénarios de simulation selon les paramètres spécifiés dans le Tableau 1. Utilisez des manubrins patients haute fidélité avec signes vitaux programmables et un équipement clinique standard pour créer un environnement de formation clinique réaliste.
9. Organiser la formation en petits groupes de cinq apprenants afin d’assurer un engagement pratique optimal. Planifiez quatre sessions de simulation distinctes par cohorte, en allouant précisément quatre heures par session pour atteindre un total de 16 heures de contact par apprenant.
10. Assurez-vous que toutes les simulations sont facilitées par des médecins seniors titulaires d’une certification formelle d’instructeur en simulation et possédant plus de cinq ans d’expérience clinique en gestion des maladies infectieuses.
11. Réaliser chaque simulation selon un script standardisé contenant les informations du patient, les facteurs de risque, les points de décision, les actions critiques et les exigences de rapport. Suivez le flux de travail prédéfini, de l’évaluation du triage jusqu’à l’isolement, la collecte des échantillons et la communication de transfert. Voir la Figure 4 pour un exemple du script de scénario.
12. Effectuer un scénario clinique continu impliquant la stratification des risques de triage, la prise de décision d’isolement et la remise des tests d’échantillons. Limitez la durée du scénario à 15 à 25 minutes sans interruption afin de reproduire la prise de décision clinique urgente.
13. Appliquez une lotion tracante fluorescente invisible sur des surfaces ou équipements sélectionnés dans l’environnement de simulation. Inspectez les participants et les points de contact environnementaux à l’aide d’un système de lumière ultraviolette de 395 nm immédiatement après des procédures à haut risque, telles que la manipulation d’échantillons ou le retrait des équipements de protection individuelle (EPI).
14. Utilisez les résultats de l’inspection pour identifier les voies de contamination, les étapes d’hygiène des mains oubliées et les zones de contact à haut risque. Fournir un retour visuel immédiat aux participants en fonction des schémas de contamination observés (voir Figure 5).
15. Assignez un instructeur de simulation formé pour surveiller la performance des participants tout au long de chaque scénario à l’aide d’une grille d’évaluation prédéfinie des erreurs critiques. Identifiez les erreurs critiques pour la sécurité, notamment une mauvaise hygiène des mains, une utilisation incorrecte des EPI et des expositions non protégées.
16. Fournir un retour immédiat en cas de violations graves de sécurité en utilisant des scripts standardisés par les instructeurs. Limitez les interventions aux erreurs qui compromettent la sécurité des participants ou interfèrent avec l’atteinte des objectifs d’apprentissage.
17. Effectuez un débriefing structuré immédiatement après chaque séance de simulation. Utilisez le cadre Collecter, Analyser et Résumer (GAS) pour faciliter la réflexion sur la prise de décision clinique, le travail d’équipe, la communication et les pratiques de contrôle des infections.

5. Mesure des résultats et collecte de données

1. Effectuer une évaluation unifiée des résultats pour tous les participants dans la semaine suivant la fin de l’intervention pédagogique.
2. Aveugler tous les évaluateurs de l’OSCE à l’allocation des groupes de participants tout au long du processus d’évaluation.
3. Planifiez les participants des groupes d’intervention et de groupe témoin dans un ordre mixte pendant les séances d’évaluation afin de minimiser la divulgation des allocations.
4. Évaluer la performance des participants à l’aide d’un examen clinique structuré objectif (OSCE) en six stations.
5. Allouez 10 minutes pour l’achèvement de chaque station de l’OSCE.
6. Assignez deux examinateurs indépendants à chaque station et évaluez la performance à l’aide de feuilles de notation standardisées de 100 points.
7. Calculez le coefficient de corrélation intraclasse après l’examen afin d’évaluer la fiabilité entre évaluateurs.
8. Évaluer la conformité aux actions critiques prédéfinies à l’aide de listes de contrôle standardisées de l’OSCE.
9. Triage des scores, stratification du risque selon la précision de la classification du risque, réalisée en moins de 3 minutes.
10. Isolement des scores de prise de décision selon le lancement rapide des procédures appropriées de notification et de signalement.
11. Évaluer la collecte des échantillons selon les procédures correctes d’étiquetage, d’emballage et de double emballage.
12. Notez le retrait des équipements de protection individuelle (EPI) selon le respect de la séquence de retrait prescrite.
13. Évaluer la gestion de l’exposition professionnelle selon la rapidité et l’exhaustivité des procédures de décontamination.
14. Mesurez le respect des comportements critiques pour la sécurité tout au long de l’évaluation de l’OSCE.
15. Évaluez l’hygiène des mains en fonction du moment et de l’exhaustivité des actions d’hygiène des mains.
16. Évaluer l’utilisation des EPI selon la séquence correcte des procédures de port et d’enlèvement.
17. Évaluer la gestion des échantillons selon la conformité aux exigences d’emballage et de transport des échantillons.
18. Évaluer la réponse à l’exposition selon le respect des délais de réponse prédéfinis et des procédures de gestion.
19. Administrez des évaluations de raisonnement et de prise de décision basées sur des scénarios comme indicateurs secondaires des résultats afin d’éviter de se fier uniquement à des questions basées sur la mémoire des connaissances.
20. Observez et évaluez les comportements de communication et de collaboration de l’équipe pendant les scénarios.
21. Évaluer les éléments de communication observables, en se concentrant sur la complétude des informations transmises, la structure de l’expression SBAR (Situation, Contexte, Évaluation, Recommandation), la communication en boucle fermée et les attributions de tâches inter-rôles.
22. Administrez un ensemble complet de questionnaires psychométriques précédemment validés pour recueillir les résultats rapportés par les apprenants, ciblant spécifiquement la satisfaction, l’auto-efficacité, l’engagement actif et la charge cognitive perçue.
23. Assurez-vous que ces instruments établis aient fait l’objet d’une adaptation culturelle rigoureuse et de tests pilotes préliminaires dans le contexte pédagogique local avant leur déploiement officiel. Consultez le tableau 2 pour les preuves de fiabilité et de validité, les méthodes d’acquisition et les critères d’évaluation de tous les outils d’évaluation de la performance.
24. Former tous les évaluateurs lors d’une séance standardisée d’étalonnage de 4 heures. Exiger que chaque évaluateur atteigne une valeur de kappa de Cohen’s >0,80 avant la notation officielle.
25. Utilisez des enregistrements vidéo partiels lors des contrôles d’échantillons pour vérifier la cohérence et la précision des scores de l’examinateur.
26. Désignez des chercheurs spécifiques pour qu’ils anonymisent complètement toutes les données collectées en remplaçant les identifiants personnels par des codes alphanumériques aléatoires. Stockez ces données désidentifiées en toute sécurité sur un serveur cloud institutionnel chiffré, avec un accès protégé par mot de passe réservé uniquement à l’équipe de recherche principale, et conservez ces dossiers pendant une durée obligatoire de conservation de cinq ans afin d’assurer la traçabilité et la conformité.

6. Préparation à l’analyse statistique

1. Calculez les moyennes et les écarts-types (ou médianes et quartiles) pour les variables continues, et présentez les variables catégorielles comme fréquences et pourcentages.
2. Testez toutes les variables de résultat continues pour la normalité à l’aide du test de Shapiro-Wilk avant d’effectuer toute analyse de covariance ou modélisation linéaire généralisée. Ensuite, évaluer l’homogénéité des variances via le test de Levene afin de garantir que toutes les hypothèses statistiques fondamentales sont strictement satisfaites.
3. Contrôle des niveaux de base et des variables de fond clés (par exemple, âge, sexe, stade d’entraînement, expérience préalable des maladies infectieuses) au sein des modèles linéaires afin d’améliorer la robustesse de l’estimation.
4. Analyser les résultats dichotomiques, tels que la conformité aux étapes clés, en utilisant des modèles linéaires généralisés pour les comparaisons entre groupes.
5. Rapporter les tailles d’effet, les rapports de cotes et les intervalles de confiance correspondants pour tous les résultats principaux.
6. Imputer les données de suivi manquantes en utilisant une imputation multiple avec une spécification entièrement conditionnelle. Comparez les ensembles de données imputés et complets dans les analyses de sensibilité.
7. Fixez le niveau de signification à 0,05 pour tous les tests statistiques à deux volets.

Results

Caractéristiques de base
Un total de 121 participants ont été inclus dans l’étude, comprenant 60 étudiants du groupe de simulation multi-scénario et 61 du groupe témoin. Les caractéristiques démographiques de base et les expériences d’apprentissage étaient comparables entre les deux groupes. La répartition par âge, la composition par genre, le type de formation, le stade de formation et la répartition des spécialités étaient similaires entre les groupes. Les proportions d’étudiants de premier cycle et de résidents juniors étaient également comparables. Aucune différence significative n’a été observée lors des rotations antérieures en maladies infectieuses, des formations en simulation, des formations en contrôle des infections hospitalières ou en équipements de protection individuelle (EPI), ni lors de l’expérience antérieure en Examen Clinique Structuré Objectif (OSCE).

Les évaluations de compétence de base et cognitives étaient également comparables entre les groupes. Les scores au test de connaissances sur les maladies infectieuses, à l’évaluation du raisonnement situationnel, au test de connaissance des infections acquises à l’hôpital, à l’OSCE de base et aux mesures clés de conformité procédurale n’ont montré aucune différence significative. Les résultats rapportés par les apprenants, y compris l’auto-efficacité, l’engagement de l’apprentissage et la charge cognitive, étaient également similaires entre les groupes. Ces résultats ont indiqué que les deux groupes étaient bien équilibrés au départ, ce qui soutient l’attribution des différences ultérieures à l’intervention éducative. Le tableau 3 présente les caractéristiques de référence et les mesures d’évaluation des participants à l’étude.

Résultats principaux

Les principaux critères étaient les scores de la liste de contrôle OSCE post-intervention et le respect des actions critiques pour la sécurité. Le groupe de simulation multi-scénarios a montré des améliorations plus importantes de la performance objective que le groupe témoin à plusieurs étapes de la pratique des maladies infectieuses. Les scores de la liste de contrôle OSCE post-intervention étaient significativement plus élevés dans le groupe de simulation, et le respect des étapes procédurales clés s’est également amélioré. Ces résultats ont indiqué une performance supérieure tant dans l’exécution procédurale que dans le respect des comportements critiques pour la sécurité.

La Figure 6 présente des changements dans la performance de l’OSCE et la conformité inter-scénarios de la base à l’intervention. Dans les domaines évalués, les participants du groupe de simulation ont constamment obtenu des scores totaux plus élevés et une meilleure conformité aux actions procédurales clés que ceux du groupe témoin.

Le groupe de simulation multi-scénarios a obtenu des performances supérieures à celles du groupe témoin en stratification des risques de triage, en prise de décision et rapport d’isolement, en collecte et étiquetage des échantillons, en hygiène des mains, en enfilant et enlevant des EPI et en gestion de l’exposition au travail. Les différences post-intervention entre les groupes ont été constamment observées dans ces compétences critiques pour la sécurité et procédurales, les estimations d’effet indiquant des bénéfices éducatifs modérés à importants.

Les comparaisons entre groupes et les estimations d’effets pour ces résultats objectifs sont présentées dans le tableau 4 sous forme de données non ajustées. Ces résultats fournissent une évaluation quantitative initiale des critères principaux et sont examinés plus en détail à l’aide de modèles ajustés par covariables dans le tableau 5.

Résultats secondaires

Les résultats secondaires ont été évalués à l’aide de mesures rapportées par les apprenants et de métriques de performance en communication d’équipe. Comparés au groupe témoin, les participants du groupe de simulation multi-scénario ont rapporté des niveaux plus élevés d’auto-efficacité et d’engagement à l’apprentissage, ainsi que des niveaux plus faibles de charge cognitive perçue après l’intervention. La figure 7 résume les différences entre les groupes et les tendances temporelles des résultats rapportés par les apprenants, montrant des changements favorables sur la plupart des indicateurs d’expérience éducative du groupe de simulation.

Le groupe de simulation multi-scénarios a également démontré une communication d’équipe supérieure et des performances collaboratives. Les scores post-intervention pour la communication SBAR, la complétion de la communication en boucle fermée et la qualité du transfert étaient plus élevés dans le groupe simulation que dans le groupe témoin. Des comparaisons détaillées entre groupes, des estimations d’effets et des intervalles de confiance pour tous les résultats secondaires sont présentés dans le tableau 6. Les améliorations tant dans les résultats rapportés par les apprenants que dans les mesures de communication d’équipe étaient statistiquement significatives.

Effets ajustés et vérifications de robustesse

Pour évaluer la robustesse des résultats primaires, des analyses multivariées ont été réalisées pour les résultats de compétence post-intervention tout en contrôlant la performance de base et les facteurs de confusion potentiels. Les mesures de résultat post-intervention ont été incluses comme variables dépendantes, le groupe d’étude étant la principale variable indépendante. Les covariables comprenaient l’âge, le sexe, la spécialité, le stade de formation, l’expérience préalable en rotation des maladies infectieuses, la formation préalable en simulation, ainsi que la formation récente en contrôle des infections et en équipements de protection individuelle (EPI) en milieu hospitalier. Les valeurs de référence des résultats correspondants ont été incluses dans tous les modèles pour tenir compte des différences initiales entre les groupes.

Les analyses ajustées ont indiqué que la participation au programme de simulation multi-scénario restait significativement associée à des scores OSCE plus élevés et à une plus grande conformité aux étapes procédurales clés après avoir contrôlé les facteurs de confusion potentiels. Des effets favorables significatifs ont également été observés sur la communication d’équipe, la qualité des passions et la charge cognitive. Les estimations d’effet ajustées, les intervalles de confiance et les niveaux de signification sont présentés dans le tableau 5.

Signaux d’optimisation issus des schémas d’erreur

Pour identifier les domaines à affiner du programme, les erreurs à haute fréquence enregistrées lors de l’OSCE et des sessions de simulation ont été analysées après l’intervention. Les erreurs les plus courantes sont survenues dans les procédures critiques pour la sécurité et les transitions inter-phases, notamment le port et le retrait des EPI, le calendrier de l’hygiène des mains, l’étiquetage et l’emballage des échantillons, la sélection et le rapport des niveaux d’isolement, ainsi que la communication structurée de transfert de main. Ces erreurs sont survenues le plus fréquemment lors de tâches limitées dans le temps et lors de transitions de flux de travail.

L’analyse de l’incidence des erreurs et des facteurs contributifs a révélé des difficultés récurrentes dans l’application cohérente des règles procédurales sur des chaînes de tâches continues, malgré des performances satisfaisantes sur chaque tâche. Le tableau 7 résume les erreurs les plus courantes, leurs causes potentielles profondes et les domaines correspondants d’amélioration du programme.

Figure 1 : Diagramme du flux de l’étude : Inscription des participants, répartition des groupes, prestation d’intervention et évaluation des résultats. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Aperçu du programme de simulation multi-scénarios pour la formation pratique en maladies infectieuses. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Matrice de scénarios et cartographie des compétences à travers les flux de travail pratiques des maladies infectieuses. (A) Illustre le scénario de la transmission respiratoire, en mettant l’accent sur le triage et la stratification des risques. (B) Décrit le scénario d’isolement et de prise de décision de prise de comptes. (C) Décrit le flux de travail pour la collecte des échantillons et la communication en laboratoire. (D) Illustre le scénario de prévention des infections et de sensibilisation à la contamination. (E) Présente le scénario de contrôle des épidémies gastro-intestinales, en mettant l’accent sur les précautions de contact. (F) Décrit le scénario décisionnel de la gestion des antimicrobiens. (G) Illustre le flux de travail pour gérer l’exposition transmise par le sang et les blessures par piqûre d’aiguille. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4 : Exemple de script standardisé de scénario pour le triage des infections virales respiratoires, la décision d’isolement et la collecte des échantillons. (A) Détaille le portrait du patient en même temps que les facteurs de risque épidémiologiques. (B) Illustre le point de décision critique pour la sélection du niveau d’isolation. (C) Décrit les actions spécifiques critiques pour la sécurité et les équipements de protection individuelle requis. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5 : Interfaces de simulation représentatives et mécanismes de rétroaction critiques pour la sécurité à travers les scénarios. (A) Affiche l’exploration d’un environnement sûr combinée à la répétition standard du flux de travail de prévention des infections. (B) Démontre le mécanisme du détecteur de contamination en temps réel, fournissant un retour visuel immédiat concernant des failles spécifiques dans le contrôle des infections. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 6 : Performance évaluée par l’instructeur et l’évaluateur comparant le groupe de simulation multi-scénarios à l’enseignement conventionnel. (A) Affiche les scores totaux de la liste de contrôle de l’examen clinique structuré et objectif sur les points de base et post-intervention. (B) Résume les pourcentages de conformité des étapes clés dans différents scénarios lors de l’évaluation post-intervention. Les données sont présentées en moyenne ± intervalle de confiance à 95 %. Les comparaisons entre groupes ont été ajustées pour les valeurs de référence. *p < 0,05 ; **p < 0,01. Abréviations : OSCE = Examen clinique structuré objectif ; EPI = équipement de protection individuelle ; IPC = prévention et contrôle des infections ; AMS = gestion responsable des antimicrobiens. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 7 : Résultats rapportés par l’apprenant évalués après l’intervention de simulation multi-scénario. (A) Présente les scores de satisfaction en comparant le niveau de base à celui post-intervention. (B) Met en lumière les changements dans l’auto-efficacité de la pratique des maladies infectieuses. (C) Détaille les évolutions des scores d’engagement dans l’apprentissage. (D) Illustre la charge cognitive perçue, en démontrant des scores plus faibles pour le groupe de simulation après l’intervention. Les tailles d’effet sont rapportées comme la g de Hedges avec des intervalles de confiance à 95 %. Les valeurs p ajustées sont affichées dans chaque case. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

ID de scénario	Scénario (standardisé)	Couverture principale du flux de travail	Compétences cibles (exemples)	Actions critiques
A	Triage viral respiratoire et stratification du risque	Triage > initiation précoce de l’IPC	Stratification du risque ; premiers IPC ; Communication	Patient masqué ; l’hygiène des mains ; la priorité de triage correcte ; Prendre en place les précautions appropriées
B	Sélection et rapport du niveau d’isolement	Décision d’isolement > rapport/documentation	la prise de décision IPC ; Conformité des rapports	Catégorie d’isolation correcte ; notifier à l’IPC ; Remplissez le formulaire de dépistage/rapport
C	Collecte d’échantillons et transfert en laboratoire	EPI > préluche >étiquetage/emballage > demande de laboratoire	compétence technique ; la biosécurité ; Communication en laboratoire	EPI correct ; technique de prélèvement correcte ; Contrôle 2 pièces d’identité ; étiqueter avant de l’ensacher ; Demande de laboratoire correcte
D	Hygiène des mains et enlèvement des EPI (contrôle de la contamination)	L’hygiène des mains > enlève/enlève > évite la contamination	Conformité IPC ; Reconnaissance des erreurs	Ordre correct de retrait ; des moments d’hygiène des mains ; éviter toute contamination en contact élevé ; Hygiène des mains terminale
E	Contrôle des épidémies gastro-intestinales (précautions de contact)	Dépistage > précautions de contact > contrôle environnemental	Sensibilisation aux épidémies ; Contrôle environnemental	Mettez en place des précautions de contact ; alerte cluster de déclenchement ; Plan de nettoyage/désinfection
F	Gestion des antimicrobiens (décisions basées sur la culture)	Revue culturelle > optimiser/désamorcer la thérapie	Raisonnement clinique ; AMS fondée sur des preuves	Interprétation correcte de la culture ; choix approprié d’antibiotiques ; désescalade ; Indication/durée du document
G	Exposition transmise par le sang / Réponse à la piqûre d’aiguille	Premiers secours > rapport > évaluation des risques/PEP > suivi	Sécurité au travail ; le reportage ; Planification de suivi	Lavage immédiat ; faire un rapport rapide ; remplir le formulaire d’exposition ; initier la voie PEP si indiqué

Tableau 1 : Couverture des scénarios et cartographie des compétences du programme de simulation multi-scénarios. Veuillez cliquer ici pour télécharger ce tableau.

Outil d’évaluation	Construction	Type de preuve	Comment les preuves sont obtenues dans cette étude	Statistique	Critères d’acceptabilité a priori
	(s) mesuré			(s) pour signaler
Listes de contrôle des stations OSCE (6 à 7 stations alignées sur des scénarios)	Compétences procédurales, conformité IPC, exécution des flux de travail	Validité du contenu	Feuille de contrôle dérivée des scripts de scénarios et des normes institutionnelles de CIP ; examiné par un comité d’experts (maladies infectieuses, IPC, soins infirmiers, médecine de laboratoire)	Documentation de validité du contenu (composition d’experts ; tours de révision)	Accord d’experts sur la pertinence et la couverture des éléments ; Actions critiques explicitement définies
Listes de contrôle des stations de l’OSCE (identiques à celles ci-dessus)	Comme ci-dessus	Fiabilité inter-évaluateurs	Formation des évaluateurs utilisant des exemples standardisés de grilles et d’ancrages ; Double score sur un sous-ensemble de performances enregistrées	ICC (consensus absolu aléatoire à double sens) ou kappa pondéré (niveau item)	ICC ≥ 0,75 (bon), ≥ 0,90 (excellent) ; Niveau d’objet κ ≥ 0,60
Score total de l’OSCE (sommé entre les stations)	Performance objective globale	Consistance interne (si considérée comme une échelle)	Calculer la fiabilité entre les stations et les composants du score après la collecte des données	Le α de Cronbach (ou McDonald’s ω)	α/ω ≥ 0,70 acceptable ; ≥ 0,80 préféré
Indice de conformité aux actions critiques (complétion binaire des étapes critiques pour la sécurité)	Exécution des comportements critiques pour la sécurité (par exemple, moments d’hygiène des mains, séquence de retrait, étiquetage)	Validité liée aux critères (validité du processus)	Actions critiques pré-spécifiées dans des scripts ; Conformité dérivée de la checklist + vérification vidéo optionnelle	Respect des proportions ; Accord entre la revue en direct et la vidéo (κ)	Accord élevé entre le direct et la vidéo (κ ≥ 0,60) ; Trace d’audit claire pour chaque action critique
Test de raisonnement clinique basé sur des scénarios (format des caractéristiques clés)	Raisonnement clinique, décision d’isolement, jugement de rapport, sélection de la voie diagnostique	Validité du contenu	Le plan d’élément est mappé aux étapes du flux de travail et aux objectifs d’apprentissage ; examiné par des experts ; Retour révisé après le pilote	Documentation de la couverture des plans ; Résultats de la revue des items	Couverture de toutes les décisions ciblées de flux de travail ; Retrait/révision des éléments ambigus
Test de raisonnement clinique basé sur des scénarios	Comme ci-dessus	Fiabilité du score	Deux scores indépendants sur un sous-ensemble (si des composantes ouvertes existent) ; Clé de réponses standardisée	ICC ou κ (selon le score) ; Difficulté/discrimination des objets (optionnel)	ICC ≥ 0,75 ; Performance acceptable des objets (pas de plancher/plafond extrême sauf si c’est justifié)
Évaluation du travail d’équipe/communication (SBAR/checklist en boucle fermée)	Qualité de communication, comportements de travail d’équipe	Validité du contenu	Adapté des cadres établis de travail d’équipe ; Revue d’experts sur l’ajustement contextuel des flux de travail liés aux maladies infectieuses	Notes d’expertise ; Mappage des éléments aux comportements	Items observables et ancrés comportementalement ; chevauchement/redondance minimal
Évaluation du travail d’équipe/communication	Comme ci-dessus	Fiabilité inter-évaluateurs	Double évaluation sur un sous-ensemble de simulations d’équipe ; Session d’étalonnage du évaluateur	ICC ou κ	ICC ≥ 0,75 ; κ ≥ 0.60
Ensemble de questionnaires rapportés par les apprenants (satisfaction, auto-efficacité, engagement, charge cognitive)	Expérience d’apprentissage et compétence perçue	Cohérence interne et validité structurelle	Utilisez des gammes établies lorsque cela est disponible ; si adapté, effectuer une vérification de formulation du pilote ; calculer la cohérence interne ; CFA/EFA optionnel selon la taille de l’échantillon	Les α/ω de Cronbach ; Indices de structure factorielle (optionnel)	α/ω ≥ 0.70; structure factorielle interprétable et cohérente avec les constructions théoriques
Tous les instruments (global)	Faisabilité et acceptabilité	Validité de la faisabilité	Suivre le taux d’achèvement, les schémas de manque, la charge de temps et les effets de plancher/plafond	Taux de complétion ; manquant ( %) ; temps pour terminer ; Plancher/plafond ( %)	Complétion ≥ 90 % ; manquant faible et non différentiel ; Charge acceptable et distributions interprétables

Tableau 2 : Preuves de fiabilité et de validité pour les outils d’évaluation de performance. Veuillez cliquer ici pour télécharger ce tableau.

Caractéristiques	Simulation multi-scénarios	Enseignement conventionnel
	(n = 60)	(n = 61)
Âge, âges, moyenne (SD)	22.8 (1.4)	22.6 (1.6)
Femme, n ( %)	36 (60.0)	38 (62.3)
Homme, n ( %)	24 (40.0)	23 (37.7)
Programme, n ( %)
Médecine clinique	34 (56.7)	33 (54.1)
Soins infirmiers	18 (30.0)	20 (32.8)
Santé publique/Autres	8 (13.3)	8 (13.1)
Stade d’entraînement, n ( %)
Études supérieures	45 (75.0)	46 (75.4)
Résident/stagiaire junior	15 (25.0)	15 (24.6)
Rotation antérieure des maladies infectieuses (≥1 semaine), n ( %)	27 (45.0)	29 (47.5)
Exposition en rotation, semaines, médiane (IQR)	1.0 (0.0–2.0)	1.0 (0.0–2.0)
Entraînement préalable basé sur la simulation (n’importe lequel), n ( %)	21 (35.0)	23 (37.7)
Formation formelle antérieure IPC/PPE (derniers 12 mois), n ( %)	33 (55.0)	31 (50.8)
Expérience antérieure de l’OSCE (n’importe lequel), n ( %)	41 (68.3)	43 (70.5)
Test de connaissance de référence sur les maladies infectieuses (0–100), moyenne (DS)	71.6 (8.7)	70.9 (9.1)
Score de raisonnement basé sur des scénarios de référence (0–20), moyenne (DS)	12.8 (2.7)	12.6 (2.9)
Quiz de connaissances IPC de référence (0–10), moyenne (SD)	6.9 (1.4)	6.7 (1.5)
Score total de base OSCE (0–100), moyenne (DE)	68.4 (7.9)	67.8 (8.3)
Conformité de base aux actions critiques ( %, 0–100), moyenne (DC)	62.7 (10.8)	61.9 (11.2)
Auto-efficacité pour la pratique des maladies infectieuses (1–7), moyenne (DS)	4.3 (0.8)	4.2 (0.9)
Engagement à l’apprentissage (1–7), moyenne (SD)	4.8 (0.9)	4.7 (0.9)
Charge cognitive perçue au départ (1–10), moyenne (DS)	6.2 (1.5)	6.1 (1.6)
Résultats académiques/moyenne moyenne (0–4,0), moyenne (SD)	3.18 (0.34)	3.14 (0.36)
Temps d’auto-étude hebdomadaire pour les maladies infectieuses, heures, moyenne (SD)	2.6 (1.3)	2.7 (1.4)
Intention de travailler dans des unités liées à l’infection (1–5), moyenne (DE)	3.1 (1.0)	3.0 (1.1)

Tableau 3 : Caractéristiques de référence des participants par groupe d’étude. Veuillez cliquer ici pour télécharger ce tableau.

Conséquences	Simulation multi-scénarios	Enseignement conventionnel	Différence entre groupes	Taille de l’effet	Valeur p
(T1, après intervention)	(n = 60)	(n = 61)	(Simulation − Contrôle)
Score total de la liste de contrôle OSCE (0–100), moyenne (SD)	82.7 (6.8)	74.6 (7.4)	8,1 (IC 95 % 5,4 à 10,9)	D de Cohen = 1,14	<0,001
Indice de conformité par étapes clés ( %), moyenne (SD)	88.9 (7.6)	78.4 (9.3)	10,5 (IC 95 % 7,3 à 13,6)	D de Cohen = 1,23	<0,001
Actions critiques de l’OSCE accomplies (comptage), moyenne (SD)*	17.6 (2.1)	14.9 (2.6)	2,7 (IC 95 % 1,9 à 3,5)	D de Cohen = 1,13	<0,001
Score de triage et de stratification du risque (0–20), moyenne (SD)	16.8 (2.0)	14.7 (2.3)	2,1 (IC à 95 % 1,3 à 2,9)	D de Cohen = 0,97	<0,001
Score de décision d’isolement et de rapport (0–15), moyenne (SD)	12.7 (1.7)	10.8 (2.0)	1,9 (IC 95 % 1,2 à 2,6)	d de Cohen = 1,02	<0,001
Score de collecte et d’étiquetage des échantillons (0–15), moyenne (SD)	13.4 (1.5)	11.8 (1.9)	1,6 (IC 95 % 1,0 à 2,2)	D de Cohen = 0,94	<0,001
Score de comportement IPC (hygiène des mains + EPI) (0–20), moyenne (DE)	17.1 (1.9)	15.0 (2.4)	2,1 (IC à 95 % 1,3 à 2,9)	D de Cohen = 0,97	<0,001
Score de réponse à l’exposition professionnelle (0–10), moyenne (DE)	8.7 (1.2)	7.8 (1.4)	0,9 (IC 95 % 0,4 à 1,4)	D de Cohen = 0,69	0.001

Tableau 4 : Résultats principaux : comparaisons entre groupes de la performance objective après intervention. Veuillez cliquer ici pour télécharger ce tableau.

Résultat (T1)	Type de modèle	Effet ajusté de l’enseignement par simulation	IC à 95 %	Valeur p
		(contre le contrôle)
Score total de la liste de contrôle de l’OSCE (0–100)	Régression linéaire (ANCOVA)	7.48	4,92 à 10,05	<0,001
Indice de conformité par étapes clés ( %), (0–100)	Régression linéaire (ANCOVA)	9.61	6.31 à 12.90	<0,001
Actions critiques de l’OSCE accomplies (comptage)	Régression de Poisson (lien logarithmique)	IRR 1.17	1.10 à 1.24	<0,001
Note de travail d’équipe/communication (0–20)	Régression linéaire (ANCOVA)	1.56	0,82 à 2,30	<0,001
Score de qualité des remises (0–15)	Régression linéaire (ANCOVA)	1.21	0,67 à 1,76	<0,001
Charge cognitive perçue (1–10 ; plus faible mieux)	Régression linéaire (ANCOVA)	−0,57	−0,98 à −0,16	0.007
Haute compétence (OSCE ≥80), n ( %)	Régression logistique	OR 3.12	1,44 à 6,91	0.004

Tableau 5 : Modèles multivariés de la compétence post-intervention : effets ajustés de l’enseignement par simulation multi-scénarios. Veuillez cliquer ici pour télécharger ce tableau.

Conséquences	Simulation multi-scénarios	Enseignement conventionnel	Différence entre groupes	Taille de l’effet	Valeur p
(post-intervention, T1)	(n = 60)	(n = 61)	(Simulation − Contrôle)
Satisfaction (1–7), moyenne (DS)	6.12 (0.63)	5.24 (0.71)	0,88 (IC à 95 % 0,64 à 1,12)	d de Cohen = 1,31	<0,001
Auto-efficacité pour la pratique des maladies infectieuses (1–7), moyenne (DS)	5.86 (0.66)	5.02 (0.78)	0,84 (IC 95 % 0,57 à 1,11)	D de Cohen = 1,17	<0,001
Engagement à l’apprentissage (1–7), moyenne (SD)	5.98 (0.69)	5.31 (0.76)	0,67 (IC à 95 % 0,40 à 0,94)	D de Cohen = 0,92	<0,001
Charge cognitive perçue (1–10)* , moyenne (DE)	5.41 (1.17)	6.03 (1.23)	−0,62 (IC à 95 % −1,05 à −0,19)	d de Cohen = −0,51	0.005
Évaluation du travail d’équipe/communication (SBAR/checklist en boucle fermée, 0–20), moyenne (SD)	16.7 (2.1)	14.9 (2.4)	1,8 (IC 95 % 1,0 à 2,6)	D de Cohen = 0,80	<0,001
Complétion de la communication en boucle fermée ( %), moyenne (SD)	84.6 (9.7)	76.8 (11.2)	7,8 (IC à 95 % 4,1 à 11,6)	D de Cohen = 0,75	<0,001
Score de qualité des transferts (checklist structuré, 0–15), moyenne (SD)	12.9 (1.6)	11.4 (1.8)	1,5 (IC 95 % 0,9 à 2,1)	D de Cohen = 0,89	<0,001

Tableau 6 : Résultats secondaires : Mesures rapportées par les apprenants et évaluations du travail d’équipe/communication. Veuillez cliquer ici pour télécharger ce tableau.

Grade de priorité	Liaison domaine de flux de travail / scénario	Signal d’erreur haute fréquence	Taux d’erreur	Taux d’erreur	Cause profonde probable	Stratégie de raffinement ciblée
		(définition opérationnelle)	(Simulation, n = 60)	(Contrôle, n = 61)	(s)	(prochaine itération)
1	Enlèvement de l’EPI et hygiène des mains (Scénario D)	Moment critique d’hygiène des mains manqué après le retrait du gant ou avant la sortie	18.30%	34.60%	Surcharge cognitive lors du séquençage ; faible « reconnaissance des moments »	Ajouter un micro-exercice de 3 minutes avec des consignes chronométrées ; introduire la carte de checklist pour enlever ; exiger la verbalisation du « moment »
2	Étiquetage et emballage des échantillons (Scénario C)	Étiquette appliquée après un emballage ou une vérification incomplète des deux identifiants	14.70%	27.90%	Raccourcis basés sur les habitudes ; Propriété incertaine de l’étape d’étiquetage	Standardisez la règle « label-first » ; démonstration d’échec d’étiquetage d’ajout ; Ajouter l’étape de vérification croisée entre pairs
3	Décision d’isolement (Scénario B)	Sous-triage du niveau d’isolement pour l’historique d’exposition à haut risque	16.10%	29.40%	Histoire épidémiologique incomplète ; incertitude concernant les seuils de politique politique	Ajouter un algorithme rapide basé sur la carte de risque ; inclure 2 cas supplémentaires de quasi-accident dans l’ensemble de pratique
4	Reportage/documentation (Scénario B, G)	Retard ou omission de la soumission du formulaire de déclaration IPC/exposition	12.80%	24.10%	Méconnaissance du flux de travail ; Voie de signalement incertaine	Enseignez la règle du « rapport dans les 30 minutes » ; Ajoutez la répétition de remplissage de formulaires avec des exemples
5	Stratification du risque de triage (Scénario A)	Attribution incorrecte des priorités de triage malgré des signes vitaux sous drapeau rouge	10.90%	19.70%	Ancrage sur des symptômes légers ; Mauvaise intégration des signaux d’alerte	Ajouter un exercice de déclenchement de drapeau rouge ; exiger une déclaration de raisonnement de triage structurée
6	IPC environnemental (Scénario E)	Négligence de la désinfection des surfaces très touchées ou temps de contact désinfectant inapproprié	13.60%	22.80%	Écart de connaissances sur le temps de contact ; Changement de tâches dans le cadre de l’équipe	Ajouter un minuteur de signal de contact ; incluez une liste de contrôle en surface pour les épidémies en chambre partagée
7	Décision AMS (Scénario F)	Échec à désamorcer après la disponibilité des résultats de susceptibilité	19.40%	26.60%	Aversion au risque ; incertitude concernant les critères de désescalade	Ajouter un arbre de décision de désescalade ; Pratique « culture à la commande » basée sur les cas
8	Réponse à l’exposition professionnelle (Scénario G)	Séquence de premiers secours incomplète ou suivi manqué	9.60%	17.30%	Faible familiarité avec le parcours de suivi ; Priorités concurrentes	Ajouter une carte de chemin d’exposition d’une page ; inclure la réservation de suivi comme élément de la liste de contrôle
9	Communication d’équipe (inter-scénarios)	Transfert incomplet du SBAR (statut de risque manquant ou plan d’isolement)	21.20%	33.10%	Transfert verbal non structuré ; Habitudes limitées en boucle fermée	Ajouter une carte modèle SBAR ; Entraînez-vous à la lecture en boucle fermée par paires
10	Comportement de sécurité transversal	Sauter la « vérification finale » avant de quitter la station (EPI, élimination des déchets, documentation)	11.50%	20.20%	Précipitation de fin de tâche ; « routine de terminaison » faible	Introduire la routine « stop-check-go » de 10 secondes ; ajouter une liste de contrôle de fin de station

Tableau 7 : Priorités d’optimisation basée sur les données : erreurs à haute fréquence, causes profondes et stratégies de raffinement ciblées. Veuillez cliquer ici pour télécharger ce tableau.

Discussion

À travers un essai contrôlé randomisé prospectif, cette étude a démontré que l’enseignement par simulation multi-scénario est significativement plus efficace que l’enseignement traditionnel pour la pratique des maladies^{infectieuses 20,21}. Le groupe d’intervention a réalisé des progrès considérables dans les scores totaux de l’OSCE, le respect des étapes essentielles, la stratification des risques de triage, la prise de décision d’isolement, la collecte de spécimens, l’hygiène des mains et la gestion de l’exposition professionnelle portant et retirant les équipements de protection, avec des tailles d’effet modérées à^{grandes 22}. L’intervention a également amélioré la communication d’équipe, la diffusion structurée de l’information et la collaboration en boucle fermée. Les indicateurs subjectifs ont montré que les apprenants étaient très satisfaits de l’expérience d’apprentissage, possédaient un fort sentiment d’auto-efficacité et de participation, et présentaient une charge cognitive plus faible. Ces résultats montrent que l’enseignement par simulation multi-scénarios répond efficacement aux lacunes de l’enseignement traditionnel en termes d’intégrité des processus, de profondeur collaborative et de standardisation des comportements à haut risque, offrant un parcours de formation à haute fidélité et sans risque^23,24.

L’efficacité de ce modèle repose fondamentalement sur la traduction de la théorie de l’apprentissage cognitif en flux de travail cliniques structurés. En utilisant une matrice de scénarios complète et des scripts de décision standardisés (Figure 3 et Figure 4), le programme intègre sans effort des tâches cliniques isolées dans une boucle de gestion continue. De plus, l’intégration d’une relance visuelle de contamination (Figure 5) répond de manière ferme à la lacune théorique-pratique en rendant les risques d’infection invisibles distinctement tangibles, accélérant ainsi l’internalisation des protocoles de biosécurité et atténuant les risques d’exposition au travail²⁵. Comparé à l’enseignement fragmenté traditionnel, la conception multi-scénarios est plus susceptible d’atténuer la surcharge d’information, de faciliter le transfert de connaissances et ainsi d’accroître la confiance. Comme c’est cohérent avec la littérature nationale et internationale, la conception matricielle de la formation aux maladies infectieuses dans cette étude couvre non seulement la différenciation des voies de transmission, mais corrige également les lacunes dans la formation à la conformité en équipe et en rapport, ce qui la rend particulièrement applicable aux environnements d’enseignement post-pandémique avec des opportunités d’exposition réelle^{réduites 26}.

La valeur éducative de cette étude réside dans l’offre d’un cadre de référence pratique pour réformer l’enseignement clinique des maladies infectieuses. Bien que les résultats de cette étude suggèrent que ce modèle structuré peut atténuer les limites inhérentes à la saisonnalité et à la soudainité des cas en offrant des expositions de formation cohérentes, ces bénéfices éducatifs doivent être interprétés avec prudence. Étant donné que les preuves empiriques actuelles proviennent d’une cohorte à centre unique avec des évaluations à court terme, le potentiel de ce programme à éliminer durablement les failles dans la lutte contre les infections dans la pratique clinique réelle reste une hypothèse nécessitant une validation longitudinale étendue. En ce qui concerne la formation des talents en santé publique, ce modèle convient aux institutions qui manquent de ressources pour constituer une force de réserve capable de répondre efficacement aux maladies infectieuses nouvelles et soudaines. Malgré les résultats très encourageants observés, plusieurs limites distinctes méritent une réflexion approfondie. La nature uni-centrée de cet essai limite intrinsèquement la généralisation immédiate des résultats dans divers contextes institutionnels. Plus important encore, le cadre d’évaluation a capturé exclusivement les gains de performance à court terme immédiatement après l’intervention éducative. Parce que les compétences cliniques complexes et le respect strict des protocoles de contrôle des infections sont notoirement sujets à la dégradation temporelle, l’absence actuelle de suivi longitudinal limite fortement la capacité à confirmer la conservation durable de ces compétences essentielles. Enfin, les coûts logistiques substantiels de la simulation haute fidélité et son incapacité inhérente à reproduire parfaitement le stress psychologique chaotique des urgences cliniques réelles doivent être reconnus de manière pragmatique.

Sur la base des résultats, cette étude suggère un ajustement pondéré des poids des scénarios, l’introduction de rétroaction renforcée par la réalité virtuelle, la construction d’un système dynamique d’analyse d’erreurs en boucle fermée, ainsi que des recherches multicentriques pour évaluer la rentabilité et les effets à long terme. En résumé, l’enseignement par simulation multi-scénarios a démontré une grande efficacité pour améliorer la compétence pratique des maladies infectieuses et devrait devenir le principal modèle d’enseignement après la pandémie, contribuant à la formation de talents de santé publique de haute qualité.

Cet essai contrôlé randomisé prospectif a démontré que l’enseignement par simulation multi-scénario est très efficace dans l’enseignement de la pratique des maladies infectieuses. L’application de ce modèle a effectivement amélioré la performance pratique objective des étudiants en médecine, le degré de conformité aux étapes critiques, la capacité à prendre des décisions cliniques, le travail d’équipe et l’expérience d’apprentissage, avec un impact de taille modérée à élevée. En particulier dans le comportement de contrôle des infections à haut risque et l’intégration des processus, ses avantages étaient particulièrement évidents, résolvant efficacement les problèmes que l’enseignement traditionnel ne peut offrir pas assez d’opportunités de pratique réalistes, présente des lacunes dans la formation collaborative et a une capacité limitée à intérioriser la sensibilisation à la sécurité. Par conséquent, bien que l’enseignement par simulation multi-scénarios démontre une efficacité notable à court terme pour surmonter les contraintes de biosécurité et standardiser les comportements essentiels de pratique, son rôle en tant que principal moteur éducatif dans l’ère post-pandémique doit actuellement être considéré comme une stratégie prometteuse mais préliminaire. Plutôt qu’une adoption immédiate à l’échelle nationale, une mise en œuvre généralisée doit reposer fermement sur de futurs essais multicentriques qui examinent rigoureusement la rétention des compétences à long terme, la rentabilité et le véritable impact translationnel sur les résultats cliniques des patients. Cela fera progresser l’éducation aux maladies infectieuses vers la standardisation et la systématisation.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
High-fidelity Simulation System	Centre de simulation, Hôpital affilié à l'Université de médecine du Nord du Sichuan	Spécifique au modèle	Formation de simulation multi-scénario pour les maladies infectieuses
Liste de vérification OSCE & Formulaires de notation	Équipe de recherche	Protocole standardisé	Évaluation objective des compétences cliniques et des actions critiques
Formulaires d'enquête par questionnaire	Équipe de recherche	Échelles validées	Évaluation de la satisfaction des apprenants, de l'auto-efficacité et de la charge cognitive
Logiciel de statistique (SPSS)	IBM Corp.	Version 26.0	Analyse statistique des données de résultat