È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo di revisione
* These authors contributed equally
Questa revisione narrativa e prospettiva esamina come la privazione del sonno e la stanchezza decisionale influenzino le prestazioni cliniche e valutano il monitoraggio basato su EEG e fNIRS come strumenti concettuali per l'interpretazione e il feedback consapevoli della fatica nella formazione medica.
La privazione del sonno e la stanchezza decisionale sono importanti ma spesso poco riconosciuti determinanti della performance clinica diurna. Negli ambienti di formazione medica, questi fattori dipendenti dallo stato possono compromettere l'attenzione, il controllo esecutivo e il processo decisionale, complicando l'interpretazione della competenza osservata durante la veglia. Questa revisione narrativa e prospettiva sintetizza evidenze provenienti dalla scienza del sonno, dalla neurofisiologia, dalla psicologia e dall'educazione medica per esaminare come la perdita del sonno e la stanchezza decisionale influenzino le prestazioni cliniche e come gli approcci di monitoraggio non invasivi possano aiutare a contestualizzare questa variabilità. Si presta attenzione all'elettroencefalografia (EEG) e alla spettroscopia funzionale nel vicino infrarosso (fNIRS) come strumenti di ricerca candidati per caratterizzare i cambiamenti legati alla fatica nel carico di lavoro cognitivo e nella vigilanza. La letteratura revisionata supporta forti legami tra perdita di sonno, affaticamento e compromesso del funzionamento neurocognitivo, ma l'uso del monitoraggio neurofisiologico in tempo reale per una valutazione pratica della prontezza nella formazione medica rimane concettuale e richiede una validazione empirica. Proponiamo il framework CBME-BCI-Fatica come modello prospettico generatore di ipotesi per integrare informazioni fisiologiche sullo stato con la valutazione basata sulle competenze, enfatizzando però limitazioni legate alla validità costruttiva, al valore incrementale, alla variabilità individuale, alla fattibilità e alla governance. Questo quadro potrebbe informare future ricerche basate su simulazioni e a basso rischio sul feedback consapevole della fatica e sul supporto agli studenti in ambienti di formazione clinica vulnerabili al sonno.
L'educazione medica a livello mondiale continua a orientarsi verso modelli orientati ai risultati, in particolare l'educazione medica basata sulle competenze (CBME), che enfatizza le abilità dimostrabili piuttosto che la progressione dipendente dal tempo. Il concetto di competenza professionale è da tempo discusso in relazione alla capacità osservabile, al ragionamento clinico, alla comunicazione, alla professionalità e all'assistenza sicura alpaziente 1,2. Il progetto Outcomes dell'Accreditation Council for Graduate Medical Education (ACGME), gli approcci informati su CanMED e la successiva teoria CBME hanno ulteriormente incoraggiato gli educatori a definire esplicitamente gli obiettivi formazionali e a valutarlilongitudinalmente 3,4. Le discussioni recenti hanno enfatizzato il CBME in prima linea nell'assistenzaai pazienti 5. Il lavoro sull'implementazione in contesti di laurea triennale, post-laurea e sviluppo professionale continuo evidenzia inoltre sfide persistenti in termini di fattibilità, cultura della valutazione e sviluppo del corpo docente 6,7,8,9,10.
All'interno del CBME, le attività professionali affidabili (EPA) e le decisioni di encarreghamento hanno spostato la valutazione verso le sentenze basate sullasupervisione 11, 12, 13, 14, 15. Le curve di apprendimento e l'analisi dell'apprendimento hanno ulteriormente supportato l'interpretazione longitudinale del progresso degli studenti16,17. L'educazione di precisione, i passaporti educativi, gli ambienti di apprendimento orientati alla padronanza e il coaching enfatizzano il feedback, il supporto agli studenti e la supervisione adattiva 18,19,20,21. Questi approcci riconoscono che la competenza deriva da modelli di performance nel tempo e nel contesto, piuttosto che da un singolo test. Tuttavia, rimane un punto cieco persistente: le prestazioni osservate non riflettono sempre una competenza sottostante stabile. È inoltre influenzata da stati fisiologici e cognitivi temporanei, tra cui sonno insufficiente, disallineamento circadiano, carico di lavoro, stress emotivo e affaticamentodecisionale.
Questo problema è particolarmente rilevante negli ambienti clinici dove i tirocinanti lavorano durante la notte, gestiscono elevati volumi di pazienti, svolgono procedure e prendono decisioni ripetute in condizioni di incertezza. La perdita di sonno e la stanchezza sono state associate a una vigilanza compromessibile, al controllo esecutivo, alla velocità psicomotoria, alla regolazione dell'umore e al rischio di erroremedico 23,24,25,26,27. La performance chirurgica e procedurale può essere particolarmente vulnerabile perché dipende da attenzione sostenuta, precisione motoria fine e rapido giudizio situazionale. Revisioni e studi sul simulatore collegano la privazione del sonno a cambiamenti nella destrezza chirurgica e nelle prestazioni nella gestione dellecrisi 28,29,30. Gli studi a livello di paziente e a livello di procedura mostrano risultati più eterogenei, sottolineando la necessità di un'interpretazione cauta 31,32,33. La ricerca sulle ore di servizio, inclusi iCOMPARE e studi randomizzati correlati, mostra che sonno, passaggi di lavoro, carico di lavoro, sicurezza del paziente ed esiti educativi sono interdipendenti piuttosto che riducibili a una singola variabile diprogrammazione 34,35,36,37,38.
La variabilità delle prestazioni dipendente dallo stato è spesso transitoria, situazionale e difficile da catturare utilizzando strumenti di valutazione convenzionali basati sul posto di lavoro. Un episodio di scarsa performance dopo un turno di notte può riflettere un bisogno di apprendimento duraturo, una mancanza di affaticamento transitoria, un carico di lavoro eccessivo, una supervisione inadeguata o una combinazione di questi fattori. Il monitoraggio neurofisiologico è stato proposto come approccio complementare per caratterizzare lo stato cognitivo durante l'apprendimento e la pratica. L'elettroencefalografia (EEG) può catturare risposte oscillatorie neurali rapide e correlate agli eventi, mentre la spettroscopia funzionale nel vicino infrarosso (fNIRS) può tracciare i cambiamenti emodinamici corticali, in particolare nelle regioni prefrontali coinvolte nel controllo esecutivo. Queste modalità possono fornire indicatori contestuali di carico di lavoro, vigilanza e affaticamento. Tuttavia, non devono essere interpretati come misure validate di competenza né utilizzati come trigger diretti per decisioni di supervisione o di incarico.
Questa revisione narrativa e questa prospettiva sintetizzano le evidenze che collegano la privazione del sonno e la fatica decisionale alla performance clinica, riassumono caratteristiche EEG e fNIRS rilevanti per la stanchezza e il carico di lavoro cognitivo, e propongono un quadro CBME-BCI-Fatica. L'obiettivo non è presentare un sistema di valutazione consolidato, ma chiarire un'agenda di ricerca per l'interpretazione consapevole dello stato delle prestazioni dei tirocinanti in ambienti di formazione medica vulnerabili al sonno. La Figura 1 presenta il quadro proposto, illustrando come modulatori di performance dipendenti dallo stato, monitoraggio neurofisiologico e multimodale, interpretazione basata sulle competenze, integrazione dei dati supportata dall'IA e feedback adattivo possano essere collegati in future ricerche di formazione medica consapevoli della fatica.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Approccio di ricerca
Questo articolo è stato sviluppato come una revisione narrativa e una prospettiva, piuttosto che come una revisione sistematica, una revisione di ambito o una meta-analisi. Abbiamo cercato su PubMed, PsycINFO, Web of Science Core Collection ed ERIC dall'inizio del database fino al 31 dicembre 2025. I termini di ricerca combinavano concetti relativi alla privazione del sonno, alla restrizione del sonno, alla stanchezza, alla fatica decisionale, alle prestazioni cliniche, all'educazione medica basata sulle competenze (CBME), al carico di lavoro cognitivo, all'elettroencefalografia (EEG), alla spettroscopia funzionale nel vicino infrarosso (fNIRS), alle interfacce cervello-computer (BCI) e alla formazione medica. È stato inoltre effettuato un aggiornamento mirato per incorporare la recente letteratura fNIRS rilevante per il monitoraggio del sonno e della stanchezza.
Le fonti sono state selezionate e hanno dato priorità quando hanno informato direttamente una delle quattro aree: cambiamenti legati al sonno o alla fatica nelle prestazioni neurocognitive e cliniche; marcatori derivati da EEG o fNIRS di affaticamento, carico di lavoro, vigilanza o vulnerabilità legata al sonno; lavori concettuali o applicati rilevanti per integrare le informazioni sugli stati fisiologici nella CBME; e questioni etiche o di implementazione rilevanti per l'uso educativo. Non sono state selezionate fonti per fornire una copertura esaustiva di tutta la letteratura sul sonno, BCI o neurotecnologie. Non abbiamo dato priorità agli studi che riguardavano principalmente neuroscienze di base, ingegneria dei dispositivi o articoli di neuromodulazione terapeutica, a meno che non informassero direttamente l'interpretazione consapevole della fatica delle prestazioni dei tirocinanti. Non è stata effettuata alcuna valutazione formale del rischio di bias né un aggregamento meta-analitico; I risultati sono stati sintetizzati in modo descrittivo e critico per supportare un quadro concettuale di prospettiva che genera ipotesi.
Contributo al romanzo e pubblico a cui si intende
La novità di questa revisione risiede nel collegare diversi corpi di letteratura correlati ma spesso discussi separatamente—stanchezza dei residenti, privazione del sonno, affaticamento decisionale, carico di lavoro cognitivo, monitoraggio neurofisiologico e valutazione CBME—attorno a un problema educativo specifico: come gli educatori dovrebbero interpretare la performance clinica osservata quando lo stato cognitivo di un tirocinante può essere temporaneamente alterato dalla perdita del sonno, dalla stanchezza decisionale, o carico di lavoro. Il pubblico a cui si rivolge sono educatori medici, clinici-educatori, direttori di programma e ricercatori interessati all'interpretazione consapevole della fatica delle prestazioni dei tirocinanti. Il framework proposto CBME-BCI-Fatigue è pensato per organizzare le future domande di ricerca e chiarire i requisiti di validazione, non per convalidare un sistema di monitoraggio operativo o supportare decisioni attuali di valutazione ad alto rischio.
Competenza come performance dinamica nel CBME
La motivazione originale del CBME non era semplicemente creare nuovi moduli di valutazione, ma allineare l'educazione medica alle esigenze dei pazienti e dei sistemi sanitari. Il CBME enfatizza la progressione basata sulla competenza, sulle traiettorie di apprendimento individualizzate e sulle evidenze che gli studenti possono svolgere attività cliniche significative con un'adeguatasupervisione 5,6. I quadri di competenza nazionali e regionali, inclusi i quadri di competenza per la residenza basati in Cina e le discussioni sullo sviluppo dei talenti i-FIRST, forniscono un linguaggio strutturato per la progettazione del curriculum, lo sviluppo degli studenti e la responsabilità educativa 7,8. Allo stesso tempo, la letteratura sull'implementazione del CBME rileva preoccupazioni persistenti riguardo alla fattibilità, allo sviluppo del corpo docente, al carico di valutazione e al rischio di ridurre la pratica professionale complessa per fare una checklist suicomportamenti 9,10.
Le EPA e le decisioni di encarregamento sono state particolarmente influenti perché collegano la valutazione alla questione clinica di quanta supervisione un apprendente necessiti per un'attività professionaledefinita 11,12,13,14. L'implementazione dell'EPA evidenzia inoltre che l'entrustment è un giudizio su uno studente, un compito, un contesto e un livello di supervisione; Non è semplicemente una caratteristica fissa incorporata neltirocinante 15. Allo stesso modo, le curve di apprendimento e l'analisi dell'apprendimento possono aiutare gli educatori a identificare le traiettorie nel tempo invece di sovrainterpretare singoli dati16,17. L'educazione di precisione, i passaporti educativi, gli ambienti di apprendimento orientati alla padronanza e il coaching rafforzano ulteriormente l'idea che la valutazione debba supportare lo sviluppo, il feedback e il supportoadattivo 18,19,20,21.
Una prospettiva dipendente dallo stato estende questa logica. Se un tirocinante ottiene risultati scadenti dopo una lunga veglia o uno spostamento cognitivamente intenso, la domanda di valutazione non riguarda solo se il tirocinante manchi di competenza. È anche importante se il comportamento osservato rifletta vulnerabilità legata alla fatica, carico di lavoro eccessivo, scarsa supervisione, progettazione del sistema o una discrepanza tra le esigenze del compito e lo stato cognitivo. Un divario di competenza stabile può richiedere pratica e coaching deliberati; Una mancanza legata alla fatica può richiedere la pianificazione del recupero, la riprogettazione del carico di lavoro, l'aggiustamento della supervisione o un intervento a livello di programma. La valutazione della consapevolezza dello Stato quindi non ridefinisce la competenza. Al contrario, migliora il contesto in cui vengono interpretati i dati sulle prestazioni e riduce il rischio di classificare erroneamente l'alterazione transitoria come incapacità duratura.
Privazione del sonno, interruzioni circadiane e affaticamento decisionale
La privazione del sonno e la stanchezza sono pervasivi ma poco apprezzati determinanti delle prestazioni dei medici. Nella formazione clinica, turni prolungati, lavori notturni, carico di lavoro imprevedibile e frequenti passaggi espongono i tirocinanti a condizioni che possono degradare la vigilanza e il processo decisionale. Studi sul sonno e il benessere dei medici hanno collegato il sonno e il disagio correlato al burnout a errori medici clinicamentesignificativi 23. I turni di lunga durata sono stati inoltre associati a un aumento delle inadeguate dell'attenzione, errori medici ed eventi avversi24. La stanchezza e il disagio dei residenti possono ulteriormente influenzare gli errori medici auto-riportati, suggerendo che il rischio di performance è in parte comportamentale, in parte cognitivo e in parte a livellodi sistema 25.
Studi osservazionali e sperimentali su tirocinanti medici e medici rafforzano questa preoccupazione. Tirocinanti e specializzandi che lavorano turni prolungati mostrano una riduzione delle opportunità di sonno e modelli di vigilanzaalterati 26. La riduzione delle ore di lavoro degli interni nelle unità di terapia intensiva è stata associata a meno errori medici gravi in uno studiostorico 27. Studi chirurgici e procedurali mostrano che la privazione del sonno può compromettere la destrezza del simulatore e le prestazioni nella gestione dellecrisi 28,29,30. Gli studi a livello di paziente e a livello di procedura rimangono più eterogenei e non dovrebbero essere semplificatitroppo 31,32,33. Le differenze tra specialità, livello di formazione, complessità del caso, supervisione, struttura del team e tipo di risultato possono spiegare perché le decrementi legate alla fatica sono più chiari per la vigilanza, la simulazione delle prestazioni e le misure di processo rispetto agli esiti a valle dei pazienti.
Le prove durante le ore di servizio illustrano perché l'educazione consapevole della fatica non può basarsi solo sulla durata del turno. Lo studio iCOMPARE ha rilevato che le politiche flessibili con orari di lavoro non erano inferiori alle politiche standard per alcuni esiti educativi e per la sicurezzadel paziente 34,35. Le analisi dei compagni hanno riportato che sonno e vigilanza non sono necessariamente peggiorati secondo le regole flessibili sugli oraridi servizio 36. Al contrario, uno studio randomizzato su orari senza turni di 24 ore ha mostrato che eliminare i turni prolungati non migliorava uniformemente la sicurezzadel paziente 37. Uno studio correlato su turni di lavoro prolungati ha riscontrato effetti sulle prestazioni neurocomportamentali nei mediciresidenti 38. Preso insieme, questi risultati mostrano che opportunità di sonno, carico di lavoro, continuità, passaggi di consegna e supervisione interagiscono in modi complessi.
La più ampia letteratura scientifica del sonno fornisce un contesto meccanicistico. La perturbazione del sonno compromette l'attenzione sostenuta e la memoria di lavoro, l'inibizione della risposta, la regolazione delle emozioni e la performance complessadei compiti 39,40,41,42. Orari di sonno irregolari o instabili possono anche influenzare gli esiti accademici e cognitivi, suggerendo che la stabilità del sonno è importante oltre alla duratadel sonno 43,44. La restrizione cronica del sonno con il recupero nel weekend può lasciare effetti residui sulle prestazioni e sul benessere45. Nell'educazione medica, questi risultati sono importanti perché le valutazioni di formazione vengono solitamente condotte durante la veglia, ma raramente documentano lo stato dell'apprendente in cui si esprime la prestazione.
La fatica decisionale aggiunge un meccanismo correlato ma distinto. Si riferisce a un deterioramento della qualità decisionale dopo scelte ripetute o impegnative, soprattutto quando le decisioni richiedono autocontrollo, gestione dell'incertezza o compromessidi valore 46. Le decisioni cliniche spesso prevedono triage, prescrizioni, escalation delle cure, documentazione e consegne sotto pressione temporale. Ricerche recenti sulla prescrizione suggeriscono che il tempo dedicato al compito e le richieste decisionali accumulate possono influenzare le sceltecliniche 47. La stanchezza dovuta ai turni notturni può anche alterare i modelli di ricerca e le prestazioni diagnostiche inradiologia 48. Tuttavia, la fatica decisionale va interpretata con cautela perché la letteratura è metodologicamente eterogenea e gli effetti possono variare tra compiti, ambienti e clinici.
Marcatori EEG e fNIRS di affaticamento e carico cognitivo
L'EEG è stato ampiamente utilizzato per studiare la vigilanza, la pressione del sonno, la stanchezza e il carico di lavoro mentale. Negli studi medici, l'EEG quantitativo dopo un turno notturno di reperibilità ha mostrato cambiamenti nell'attività theta, alfa e beta compatibili con stanchezza mentale49,50. Questi studi sono importanti perché avvicinano la valutazione neurofisiologica a un vero lavoro clinico, invece di affidarsi esclusivamente a paradigmi di privazione del sonno in laboratorio. Tuttavia, rimangono osservazionali e non possono da soli stabilire che l'EEG possa determinare se un tirocinante è pronto a svolgere un determinato compito clinico.
L'interpretazione EEG a livello di caratteristica è più ampia rispetto ai cambiamenti comunemente citati in theta o alpha/beta. Gli studi di carico di lavoro EEG frontale supportano l'uso di schemi spettrali e regionali per la stima del caricodi lavoro 51. Gli studi EEG per la privazione del sonno hanno esaminato i cambiamenti nell'attività spettrale dopo la perdita delsonno 52. Anche la banda theta ha una doppia interpretazione: può riflettere la pressione del sonno, ma può anche partecipare al controllo cognitivo, un punto che complica la classificazione di faticasemplice 53. Studi di monitoraggio della memoria di lavoro in tempo reale e la classificazione degli stati del driver mostrano ulteriormente come le caratteristiche EEG possano essere incorporate in pipeline in stile BCI, ma queste pipeline rimangono sensibili alla progettazione dei compiti, alla preprocessing e alla variabilitàindividuale 54,55. Gli studi di affidabilità e la validazione neuroergonomica sottolineano che la configurazione degli elettrodi, le scelte di pre-elaborazione, le metriche soggettive e la progettazione dei compiti influenzano gli indici di caricodi lavoro 56,57. Lavori più recenti sulla previsione del carico cognitivo multilivello suggeriscono che la combinazione di firme spaziali, temporali e spettrali può migliorare laclassificazione 58.
La spettroscopia funzionale nel vicino infrarosso fNIRS fornisce informazioni complementari misurando i cambiamenti emodinamici, tra cui emoglobina ossigenata, emoglobina deossigenata e emoglobina totale. La letteratura fNIRS su affaticamento e privazione del sonno ne conferma la rilevanza per misurare i correlati corticali di sforzo cognitivo, riduzione della vigilanza e cambiamentisocio-cognitivi 59. Le revisioni fNIRS focalizzate sul sonno mostrano inoltre come i segnali emodinamici ottici possano contribuire alla ricerca sul sonno e al rilevamento della fatica60. Uno studio recente del 2026 sui biomarcatori fNIRS a banda cardiaca per la differenziazione del sonno non a movimento oculare rapido con validazione EEG illustra il crescente interesse per le caratteristiche del dominio della frequenza e della banda cardiaca oltre la semplice ampiezza61 dell'HbO. Insieme, questa letteratura supporta una discussione a livello di caratteristiche che include HbO, HbR, HbT, risposte nel dominio del tempo, connettività e biomarcatori nel dominio della frequenza.
Gli studi prefrontali di fNIRS sono particolarmente rilevanti perché il controllo esecutivo, l'inibizione della risposta e la regolazione del carico di lavoro dipendono fortemente dai sistemi frontali. La privazione del sonno è stata associata a una connettività funzionale alterata legata al compito nella cortecciafrontale 62. Studi correlati hanno riscontrato una perdita di connettività funzionale frontale dopo la privazione delsonno 63. Studi su giovani adulti con sonno breve suggeriscono inoltre che le risposte emodinamiche prefrontali possono variare con il comportamento del sonno e l'attivitàfisica 64. Il fNIRS indossabile è stato utilizzato per il rilevamento automatico della fatica cognitiva con machinelearning 65. I sistemi ibridi EEG-fNIRS possono migliorare la classificazione dei carichi di lavoro integrando la connettività cerebrale funzionale e le proprietà dei segnali complementari66,67. Collettivamente, questi studi supportano l'uso di EEG e fNIRS come strumenti di ricerca e come indicatori contestuali candidati, ma non ancora come misure di prontezza validate nella formazione medica.
La Tabella 1 è quindi intesa come una mappa a livello di caratteristica piuttosto che come una gerarchia di biomarcatori validati. Distingue le caratteristiche EEG spettrali, legate agli eventi, temporali e di connettività da quelle basate su ampiezza, dominio temporale, connettività, dominio della frequenza o banda cardiaca basate su fNIRS. Questa distinzione è importante perché ogni famiglia di caratteristiche cattura diverse dimensioni del costrutto di carico di lavoro di fatica e comporta rischi differenti di artefatti e interpretazioni. Ad esempio, un rapporto theta/alpha più alto, una riduzione dell'ampiezza P300 o un HbO prefrontale più basso possono essere compatibili con la fatica, ma possono anche riflettere difficoltà del compito, sforzo compensativo, stress, configurazione dei sensori o differenze di base individuali. La tabella è pensata per supportare la progettazione degli studi, la costruzione dell'allineamento e l'interpretazione prudente, non per definire soglie operative per competenza, affidamento o prontezza clinica.
BCI, fusione multimodale e applicazioni educative
I BCI non invasivi e le tecnologie neurofisiologiche indossabili si sono rapidamente espanse nei settori medico, ingegneristico e educativo. Le recensioni dei dispositivi indossabili basati su EEG BCI evidenziano i progressi nella portabilità e nelle applicazionimediche 68. Revisioni più ampie e all'avanguardia sottolineano che i sistemi BCI non invasivi stanno migliorando ma affrontano ancora limitazioni in termini di qualità del segnale, usabilità, calibrazione erobustezza 69,70,71,72. Questi vincoli sono importanti per l'educazione medica perché uno strumento educativo deve essere non solo accurato in un contesto controllato, ma anche fattibile, accettabile, interpretabile e allineato ai concetti educativi.
Le applicazioni educative più difendibili sono la simulazione, la ricerca e il feedback a basso rischio. L'addestramento laparoscopico in VR può sincronizzare i dati di performance con i segnali correlati al carico di lavoro per studiare come la domanda cognitiva si relazioni all'apprendimentoprocedurale 73. I compiti neurochirurgici simulati hanno utilizzato IA ed EEG per distinguere i livelli di competenza, suggerendo un percorso per studiare l'acquisizione delle competenze piuttosto che sostituire il giudiziodella facoltà 74. Gli ambienti di serious game e realtà mista hanno utilizzato l'analisi dei biosensori per stimare l'impegnoaffettivo 75. I sistemi BCI passivi che adattano la velocità di apprendimento al carico cognitivo illustrano come il feedback sensibile allo stato possa operare in contesti educativi a bassorischio 76. Il lavoro di rilevamento ambulatoriale del sonno mostra come i dati delle serie temporali multimodali possano supportare il monitoraggio longitudinale al di fuori del laboratorio77. Questi esempi si interpretano meglio come prove a supporto o prova di concetto, non come convalida per decisioni di encàrreco o bonifica ad alto rischio.
Gli studi di staging del sonno assistiti dall'IA mostrano come i metodi di apprendimento automatico possano classificare le serie temporali fisiologiche legate alsonno 78,79,80. La riattivazione mirata della memoria, la neuromodulazione indossabile, gli interventi per la fatica e i sistemi wireless fNIRS illustrano ulteriormente come i segnali fisiologici possano essere tracciati o utilizzati nelle architetture di feedbackadattivo 81,82,83,84,85. Questi studi sono tecnicamente informativi, ma la loro rilevanza educativa diretta è limitata a meno che non siano collegati a prestazioni diurne, tempi di feedback, decisioni di supervisione o supporto agli studenti nei contesti formistici. Dovrebbero quindi essere interpretati come ponti metodologici piuttosto che come prove che la valutazione consapevoli della fatica all'interno del CBME sia pronta per un uso di routine.
La traduzione sul posto di lavoro richiede maggiore cautela rispetto alla simulazione. Gli ambienti clinici autentici introducono artefatti di movimento, interruzioni, stress emotivo, esigenze di lavoro di squadra, acuità del paziente, obiettivi di compito variabili e dinamiche di potere implicite tra tirocinanti e supervisori. I dati fisiologici nella valutazione sul posto di lavoro dovrebbero quindi essere volontari, a basso rischio e contestuali. Le applicazioni ragionevoli includono la mappatura aggregata del rischio di fatica, la valutazione dei programmi, il debriefing tramite simulazione o il feedback controllato dall'apprendente. Le applicazioni irragionevoli includerebbero l'uso di EEG, fNIRS o soglie multimodali come prove autonome per l'encàrrecamento, la promozione, la bonifica o la sanzione.
Prove consolidate contro estensioni concettuali
Una distinzione centrale in questa revisione è tra evidenze consolidate ed estensione concettuale. Le evidenze consolidate indicano che la privazione del sonno, la perturbazione circadiana, la veglia prolungata e la stanchezza compromettono i domini neurocognitivi che sono rilevanti per il lavoroclinico 23,24,25,26,27. Il lavoro meta-analitico ed sperimentale supporta ulteriormente gli effetti sull'attenzione, il controllo esecutivo, la regolazione dell'umore e la performance di compiticomplessi 39,40,41,42. Studi medici e procedurali indicano che la stanchezza può influire sul rischio di errore, la ricerca diagnostica, la gestione delle crisi e le prestazionitecniche 28,29,30,48. Tuttavia, studi a livello di procedura e di esiti mostrano anch'essi eterogeneità, il che si oppone all'interpretazione semplice uno a uno di affaticamento e dannoclinico 31,32,33. Le sperimentazioni sulle ore di servizio dimostrano che le politiche consapevoli della fatica devono considerare la progettazione delle ore di lavoro insieme all'opportunità di sonno, al carico di lavoro, ai passaggi di consegne, alla continuità e alle conseguenzeeducative 34,35,36,37,38. Gli studi EEG nei medici e nei paradigmi del carico di lavoro supportano la sensibilità neurale alla stanchezza e al caricocognitivo 49,50,51, mentre studi fNIRS, indossabili e ibridi EEG-fNIRS forniscono evidenze emodinamiche e multimodali complementari 59,60,61,62,63,64,65,66, 67.
L'estensione concettuale è la proposta secondo cui gli indicatori dello stato fisiologico potrebbero aiutare a contestualizzare le prestazioni dei tirocinanti all'interno del CBME. Questa estensione è plausibile ma non convalidata. Le evidenze che la perdita di sonno modifichi l'attività neurale non implicano automaticamente che il monitoraggio in tempo reale possa generare decisioni di supervisione o educative azionabili. Attualmente, non è stato dimostrato che un modello generalizzabile in tempo reale di attività neurale o emodinamica possa identificare in modo affidabile l'instabilità cognitiva o la prontezza clinica tra individui, compiti, specialità e contesti operativi. Lo stesso schema fisiologico può riflettere stanchezza, sforzo cognitivo, ansia, motivazione, difficoltà del compito, coinvolgimento compensatorio, artefatti sensoriali, stress ambientale o differenze di base individuali.
Di conseguenza, il framework CBME-BCI-Fatica dovrebbe essere interpretato come un modello di ricerca piuttosto che come un sistema di valutazione implementato. Il suo scopo è chiarire come modulatori dipendenti dallo stato, il monitoraggio fisiologico e comportamentale e l'interpretazione basata sulle competenze delle prestazioni osservate possano essere studiati insieme. In simulazioni o in altri contesti di ricerca a basso rischio, le caratteristiche EEG o fNIRS possono essere raccolte insieme a errori di attività, tempi di risposta, valutazioni del carico di lavoro, storia del sonno, test di vigilanza psicomotoria e feedback del supervisore per verificare se gli indicatori di stato aiutino a spiegare la variabilità delle prestazioni. Nel contesto di valutazione sul posto di lavoro, i dati fisiologici richiedono ancora maggiore cautela. Nella base di evidenze attuale, tali dati potrebbero essere più adatti per la ricerca aggregata sul rischio di fatica, la progettazione di programmi o il supporto volontario agli apprendenti. Non dovrebbero essere utilizzati come base autonoma per incaricazioni, promozioni, sanazioni o decisioni disciplinari. La Tabella 2 riassume queste distinzioni separando le evidenze consolidate, le estensioni concettuali, i requisiti di validazione e i riferimenti rappresentativi all'interno del quadro CBME-BCI-Fatica.
Costruire validità, valore incrementale, punti di riferimento individuali e governance
La validità del costrutto è la sfida metodologica centrale per il monitoraggio neurofisiologico consapevole della fatica. I segnali EEG e fNIRS non sono specifici di affaticamento o prontezza; Possono anche riflettere difficoltà del compito, ansia, motivazione, sforzo cognitivo, coinvolgimento compensativo, stress ambientale, artefatti sensoriali o differenze di base individuali. Gli studi futuri dovrebbero quindi predefinire il costrutto educativo misurato, specificare la relazione attesa tra stato fisiologico e prestazione, e triangolare i segnali fisiologici con dati comportamentali, contestuali ed educativi piuttosto che interpretare un singolo segnale come indicatore diretto di competenza.
Deve essere dimostrato anche un valore incrementale. Il monitoraggio EEG/fNIRS dovrebbe essere valutato rispetto a confrontatori più semplici e fattibili, inclusi log del sonno, actigrafia, test di vigilanza psicomotoria, brevi screening cognitivi, valutazioni del carico di lavoro, telemetria delle prestazioni e osservazione esperta. Un approccio neurofisiologico sarebbe giustificato solo se migliora spiegazione, previsione, tempismo di feedback o supporto allo studente oltre queste misure. Senza tali prove, il monitoraggio multimodale può aggiungere complessità senza migliorare il processo decisionale educativo.
La modellazione individuale di base è essenziale. La variazione interindividuale nell'attività neurale, nella vulnerabilità al sonno, nel cronotipo, nella risposta allo stress, nell'esperienza clinica e nell'adattamento dei sensori limita il valore delle soglie universali. Una base specifica per il tirocinante può aiutare a distinguere deviazioni insolite legate alla fatica dalla normale variazione fisiologica, ma ciò richiede misurazioni ripetute, posizionamento affidabile dei sensori, ancoraggi standardizzati per i compiti e modelli analitici trasparenti. Il machine learning può aiutare a integrare segnali multimodali, ma non può risolvere costrutti non validi, dati distorti, scarsa qualità del segnale o assunzioni causali poco chiare. L'adattamento del dominio, gli algoritmi che preservano la privacy e la modellazione generativa possono ridurre parte del carico di calibrazione, ma richiedono una validazione più ampia prima di essere utilizzati a supporto di decisioni educative86,87.
Le barriere tecniche ed ecologiche rimangono sostanziali. L'EEG è vulnerabile a artefatti di movimento, impedenza degli elettrodi, rumore ambientale, dipendenza dal montaggio e scelte di pre-elaborazione. La fNIRS è influenzata dalla posizione dell'optodo, dal flusso sanguigno del cuoio capelluto, dal movimento, dai capelli, dalla penetrazione limitata della profondità e dalla risoluzione temporale inferiore. I sistemi indossabili stanno migliorando, inclusi dispositivi wireless fNIRS compatti per il monitoraggio dell'attivitàcognitiva 85, ma comfort e fattibilità non garantiscono la validità educativa. Il deployment richiede inoltre una configurazione compatibile con il flusso di lavoro, report interpretabili, sicurezza dei dati e accettazione da parte dell'utente finale. Gli studi sull'accettazione sociale ci ricordano che la fiducia degli utenti e lo scopo percepito sono centrali per l'adozione88.
La governance etica dovrebbe essere trattata come una condizione di confine del quadro piuttosto che come un ripensamento. I dati neurofisiologici possono rivelare o implicare informazioni su stanchezza, attenzione, emozioni o stato di salute. Lo sviluppo responsabile delle neurotecnologie richiede limitazione degli scopi, minimizzazione dei dati, archiviazione sicura, trasparenza, controlli di accesso e un'attenta attenzione all'autonomia e al consenso89,90. I sistemi BCI in rete sollevano anche preoccupazioni sulla cybersecurity, soprattutto se i risultati decodificati influenzano feedback, opportunità di formazione o decisioni rilevanti per lasicurezza 91. Nell'istruzione, gli studenti possono sentire una pressione implicita a partecipare, e le metriche fisiologiche potrebbero involontariamente amplificare il bias se i modelli funzionano in modo disomogeneo tra popolazioni o contesti. Le ricerche future dovrebbero dare priorità alla partecipazione volontaria, dove possibile, una chiara separazione tra feedback di supporto e giudizio ad alto rischio, meccanismi di ricorso e governance informata dagli stakeholder coinvolti.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
La privazione del sonno e la stanchezza decisionale sono contributi consolidati alla variabilità dipendente dallo stato nell'attenzione, nel controllo esecutivo, nelle prestazioni psicomotorie e nel processo decisionale clinico. Nella formazione medica, queste fluttuazioni possono complicare l'interpretazione della competenza osservata, in particolare in ambienti ad alta richiesta come medicina d'emergenza, terapia intensiva, anestesia e chirurgia. L'educazione medica basata sulle compet...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Gli autori dichiarano di non avere conflitto di interessi.
Gli autori ringraziano con gratitudine i colleghi del Dipartimento di Medicina Intensiva e del Dipartimento dell'Istruzione della nostra istituzione per il loro supporto e le discussioni durante la preparazione di questa revisione. Questo lavoro è stato sostenuto dal Progetto di Ricerca Scientifica Generale del Dipartimento Provinciale dell'Istruzione dello Zhejiang (Grant n. Y202557476).
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.