정형외과 레지던트의 임상 의사결정 향상에 있어 구조화된 사례 기반 학습과 전통적인 강의법의 효과

Summary

원고는 정형외과 레지던트의 의사결정에 적당하고 지속적인 향상을 가져오고, 정확성, 적절성, 속도, 지식 및 의사소통을 향상시키는 구조화된 사례 기반 학습(CBL)을 설명합니다. 기초 능력과 출석률 조정 후에도 CBL 효과가 지속되어, 전립되고 구조화된 사례 토론, 명시적 의사결정 노드, 그리고 레지던시 강의의 일부로 안내된 브리핑을 채택하는 데 기여하였다.

Abstract

임상 의사결정은 정형외과 레지던시 훈련의 중심이지만, 정보 전달을 강조하는 전통적인 강의를 사용하는 것은 어렵습니다. 구조화된 사례 기반 학습(CBL)은 진단 추론, 관리 계획, 불확실성 하에서의 의사결정을 목표로 하는 학습자 중심 대안으로 제안되었습니다. 정형외과 레지던트들의 임상 의사결정 향상에 있어 구조화된 사례 기반 학습과 전통적인 강의(TDL)의 교육 효과를 비교하는 것. 중국에서 4개 대학원 의학교육 프로그램에 걸친 후향적 다기관 코호트 연구가 실시되었습니다. 총 120명의 정형외과 레지던트가 포함되었습니다(CBL 및 TDL, n = 60). 두 그룹 모두 8주간의 고위험 정형외과 주제를 포함해 동일한 교육 시간과 목표를 가진 커리큘럼을 완료했습니다. CBL 개입은 뒤집힌 사전 작업, 점진적 사례 공개, 강제 결정 노드, 구조화된 브리핑을 포함했으며, TDL 그룹은 질문과 답변 시간이 포함된 슬라이드 기반 강의를 사용했습니다. 주요 결과는 표준화된 객관적 구조 임상 시험(OSCE) 의사결정 스테이션, 스크립트 코코던스 테스트, 그리고 시정 시간 지표에서 도출된 사전에 정해진 복합 임상 의사결정 점수였습니다. 부차적 결과로는 지식 수행, 관리 적합성, 의사소통 점수, 8주 차 유지율, 학습자 만족도, 몰입도, 인지 부하가 포함되었습니다. 평가자들은 교육 그룹에 대해 눈가림이 부여되었습니다. 기초 특성과 수행 능력은 그룹 간 유사하였다. CBL 그룹은 중재 후 및 8주 유지 단계에서 TDL 그룹보다 유의하게 높은 복합 의사결정 점수를 달성했으며, 효과량은 중간 정도였습니다. OSCE 성과, 불확실성 하에서의 추론, 의사결정 속도, 지식 점수, 관리의 적절성, 의사소통 평가 등 부차적 결과는 일관되게 CBL에 유리하게 작용했습니다. 학습자 만족도는 CBL 그룹에서 더 높았으며, 인지 부하와 출석은 그룹 간 유사했습니다. 구조화된 사례 기반 학습은 정형외과 레지던트들 사이에서 전통적인 강의보다 우수한 교육 성과와 연관되어 의사결정에서 지속적인 향상을 보였습니다. 이러한 연구 결과는 구조적이고 의사결정 중심의 사례 토론을 레지던시 강의 교육과정에 통합할 수 있음을 뒷받침합니다.

Introduction

임상 의사결정은 정형외과 레지던시 교육의 핵심에 위치해 있습니다. 어느 당일마다 레지던트들은 불완전한 병력, 변화하는 신체 소견, 영상, 실험실 데이터, 시스템 제약 조건을 적시적절하고 방어 가능한 관리 계획에 통합해야 합니다. 사실 회상과 달리, 이러한 판단은 맥락적이고 확률적이며, 불확실성, 시간 압박, 환자 목표 및 위험 프로필의 변동성에 의해 형성됩니다. 전통적인 강의 기반 강의는 시험 청사진과 일치하는 표준화된 지식을 효율적으로 전달하기 때문에 많은 레지던시 프로그램에서 여전히 지배적인 교육 형식으로 남아 있습니다. 그러나 누적된 증거에 따르면, 특히 플립드 또는 블렌디드 설계 내에서 구조화된 사례 기반 학습(CBL)이 전문가 임상 추론의 근저에 있는 인지 과정을 더 직접적으로 겨냥하며, 따라서 진단 정확성 개발, 관리 계획 개발, 불확실성 하에서의 의사소통에 더 적합할 수 있습니다¹. 정형외과 교육에서 초기 연구들은 레지던트가 현실적인 사례를 참여시키고, 점진적으로 정보를 공개하며, 주요 의사결정 지점에서 강의를 강화하는 것이 지식 적용과 시험 수행 등 실무와 관련된 결과에 관한 강의를 보완하거나 더 효과적으로 수행할 수 있음을 보여줍니다^. 대학원 의학 교육은 점점 더 학습자 중심적이고 역량 기반 접근법으로 전환되어 비판적 사고와 의사결정을 강조하고 있습니다. CBL은 문제 해결을 실제 임상 상황 안에 위치시키며, 이론적 교육과 실제 적용 사이의 간극을 메우는 데 도움을 줍니다. CBL은 서구의 교육 시스템에서 널리 채택되고 있지만, 중국 본토의 많은 프로그램은 여전히 주로 강의에 의존하고 있습니다. 이러한 맥락은 결과 기반 교육으로의 전환 중인 시스템에서 CBL의 효과를 평가할 기회를 제공합니다. 본 연구는 여러 중국 교육 병원에서 구조화된 CBL과 전통적인 강의 기반 교수법을 비교하며, 레지던트의 지식 습득, 문제 해결 능력, 학습자 만족도에 중점을 둡니다.

강의 중심 교육의 한계는 외과 교육에서 잘 알려져 있습니다. 강의는 적용과 표준화를 촉진하지만, 학습자들을 주로 수동적인 정보 수신자로 위치시키고 가설을 명확히 제시하고, 경영 결정을 전념하며, 목표에 맞는 피드백을 받을 기회를 제한적으로 제공합니다. 이러한 고차원 추론 기술은 응급실, 클리닉, 수술실에서의 정형외과 진료에 필수적입니다. 임상 노출의 변동성은 교육을 더욱 복잡하게 만들어, 레지던트가 특정 실습 중 병리나 의사결정 지점의 균형 잡힌 조합을 경험하지 못할 수 있습니다. 구조화된 CBL은 흔하고 고위험 시나리오를 의도적으로 시뮬레이션함으로써 이러한 격차를 해소하며, 학습자가 진단 및 치료 선택을 정당화하고, 변화하는 정보에 적응하며, 피드백과 반복을 장려하는 지원 환경 내에서 결과를 성찰하도록 유도합니다^. 강의 시간을 상호작용 형식으로 재배분하는 것이 표준화 시험 결과를 개선할 수 있다는 증거도 이러한 교수적 전환을 뒷받침합니다².

COVID-19 팬데믹은 가상 및 혼합 학습 형식의 빠른 도입을 강제함으로써 전통 교육 모델의 재평가를 가속화했습니다. 전 세계 정형외과 프로그램들은 동기식 화상회의, 비동기식 저장소, 국가 웨비나를 실험하며 수동 온라인 강의의 한계와 인터랙티브 접근법의 잠재력을 모두 드러냈^{습니다. 3,4,5}. 이 시기의 보고서들은 수술 노출은 줄었지만 다양한 강의 내용, 초청 전문성, 기관 간 협력에 대한 접근성이 확대되었음을 설명하며, 이는 잘 설계된 CBL ^4,5에 유리한 조건입니다. 이후 많은 프로그램들이 간결한 사전 세션 준비와 상호작용적 사례 토론, 시뮬레이션, 비동기식 포럼을 결합한 혼합형 포트폴리오를 유지하여 학습자가 의사결정을 확립하고 성찰적 브리핑에 참여하도록 요구하고 있습니다. 동시에 정형외과는 대규모로 플립드 및 사례 기반 원칙을 실천하는 다기관 맞춤형 커리큘럼이 개발되었습니다. 전국적으로 공유되는 프로그램은 표준화된 사전 작업과 구조화된 토론 주제를 통해 정형외과 의사처럼 사고하는 것을 강조하며, 레지던시 교육에 대한 실현 가능성과 적응력을 보여줍니다 ^6,7. 정형외과 및 관련 분야 전반에 걸친 연구들은 상호작용성, 의도적인 사례 설계, 그리고 교육 플랫폼만이 아니라 교육과 평가 간의 정렬이 교육의 질을 결정한다는 점을 강화합니다 8,9,10,11. 온라인 및 가상 사례 기반 형식에 대한 연구는 점진적 정보 공개, 강제 약속, 구조화된 성찰을 포함하는 사례에서 전통적 교육에 비해 임상 추론 능력에서 측정 가능한 향상을 보여준다 12,13,14,15,16. CBL은 시뮬레이션과 몰입형 기술을 통해 확장되어, 레지던트들이 심각한 트라우마, 윤리적 딜레마, 질 개선 이니셔티브와 같은 드물거나 고위험 상황에서 의사결정을 연습할 수 있게 되었습니다 17,18,19,20,21,22. 이러한 접근법은 정신운동 기술만이 아니라 선택과 정당화를 강조하며, 정형외과 진료의 인지 요구에 부합합니다.

의학 및 관련 건강 교육 전반의 메타분석은 CBL이 전통적인 강의에 비해 가지는 장점의 일반화 가능성을 뒷받침하며, 정형외과 레지던시 환경에서 엄격한 평가의 근거를 강화합니다²³. 공유 저장소와 협력 사례 라운드는 구조화된 CBL의 실질적 촉진 수단으로 부상했으며, 수술 노출과 임상 볼륨의 변동에도 불구하고 의사결정 실천에 대한 접근성을 표준화하는 데 도움을 줍니다 24,25,26,27,28,29. 이러한 수렴하는 증거들은 실제 임상 업무와 일치하는 결과를 사용하여 정형외과 레지던트를 위한 구조화된 CBL과 전통적 교육법의 집중적 비교를 촉진합니다. 지식 검사를 넘어, 의미 있는 평가는 진단의 정확성, 적절성, 관리 결정, 작전 계획, 커뮤니케이션 성과를 포함해야 합니다. 구조화된 CBL은 강의를 대체하려는 것이 아니라, 임상 의사결정과 더 가깝게 대응하는 활동으로 강의 시간을 재조정하는 것을 목적으로 합니다. 강의는 간결한 개념적 틀을 제공할 수 있으며, CBL은 레지던트가 불확실성 속에서 그 틀을 적용하고, 상충관계를 명확히 하며, 피드백을 받도록 도전합니다. 본 연구는 의도적으로 평가에 맞춘 비계 구조의 CBL 교육과정이 동등한 내용을 다루는 강의 기반 수업에 비해 임상 의사결정 및 의사소통에서 더 우수한 성과를 가져와, 향후 정형외과 레지던^{시 교육의} 교육과정 설계에 영향을 미친다는 가설을 검증합니다.

Protocol

프로토콜은 각 참여 대학원 의학교육(PGME) 교육 센터의 기관심사위원회/윤리위원회로부터 이 후향적 교육 연구의 승인을 받았습니다. 헬싱키 선언과 관련 기관 규정에 따라 모든 절차를 수행한다. 최소 위험 교육 연구에 대한 기관 심사 위원회 요건에 따라 정보에 입각한 동의 포기가 제공되었습니다. 참여 여부가 학업 평가, 임상 업무 또는 승진 결정에 영향을 미치지 않도록 하십시오.

1. 연구 설계

1. 네 개의 PGME 정형외과 훈련 센터를 대상으로 후향적 다기관 코호트 연구를 실시합니다. 2023년 1월부터 12월 사이에 표준 교육과정의 일부로 구조화된 사례 기반 학습(CBL) 세션 또는 전통 강의(TDL)를 이수한 적격 참가자를 식별합니다. 아카이브된 학업, 평가, 훈련 기록에서 데이터를 추출합니다. 연구 기간 동안 받은 교육 형식에 따라 참가자를 CBL 또는 TDL 그룹에 배정하세요.
2. 교육, 평가, 기록 생성에 관여하지 않은 독립 연구자를 지정하여 그룹 분류 및 데이터 추출을 수행합니다. 두 교육 그룹이 동일한 총 수업 시간과 동일한 학습 목표를 받았는지 확인하세요. 지식 습득을 주요 결과로, 비판적 사고, 문제 해결 능력, 학습자 만족도를 부차적 결과로 정의합니다.
3. 연구 기준
   1. 포함 기준: 연구 기간 동안 참여 프로그램에 적극적으로 등록한 대학원 과정(PGY) 1부터 5까지의 정형외과 레지던트를 포함합니다. 레지던트가 최소 6개월의 임상 업무를 완료하고, 예정된 교육 세션의 최소 75% 이상 참석하며, 평가 중 비디오 녹화에 동의해야 합니다.
   2. 제외 기준: 개입 기간 내내 지속적으로 비서비스 실습에 배정된 레지던트는 제외합니다. 2주 연속 휴가를 초과한 거주자, 이전 12개월 이내에 동일한 주제를 다루는 공식 프로그램 전체 CBL 교육과정에 참여한 적이 있거나, 동의 제공을 거부한 거주자는 제외됩니다.

2. 모집 및 표본 크기

1. 기관 교육 기록에서 자격 있는 거주자를 소급하여 식별합니다. 참가자를 교육 현장과 대학원 연년별로 계층화하세요. 학업, 평가, 출석 데이터를 완비한 거주자를 포함하세요. 연구 기간 동안 모든 참여 지점에서 CBL과 TDL 모두 확립된 교육 형식이 있었는지 확인하십시오.
2. 최종 분석에서 120명의 레지던트를 포함하며, CBL 그룹에 60명, TDL 그룹에 60명이 배정됩니다. 관찰된 분산을 바탕으로 사후 정밀 평가를 수행하여 사용 가능한 표본 크기가 교육 형식 간 중간 정도의 표준화된 효과 크기를 감지하기에 충분한지 검증합니다.

3. 개입

1. 임상 빈도, 위험도, 의사결정 복잡성에 따라 선정된 동일한 8개 핵심 정형외과 주제를 사용하여 8주 동안 두 교육 병을 모두 제공합니다. 노인 전자간골절, 다발성 외상에서의 대퇴골간도 골절, 손상 통제 원칙을 가진 개방 경골 골절, 의심되는 구획 증후군, 보철 주위 관절 감염, 반월상 연월판 손상을 동반한 전방 십자인대 파열, 임박한 골절이 임박한 전이성 골질환, 그리고 마 꼬리증후군을 포함합니다.
2. 구조화된 사례 기반 학습 아크
   1. 8주 연속으로 매주 90분 CBL 세션을 실시하세요. 거주자를 8명에서 10명씩 소규모 그룹에 배정하세요. 20-30분간의 마이크로 강의, 가이드라인 요약, 그리고 학습 관리 시스템에서 진행되는 5문항 준비 점검으로 구성된 사전 세션 자료를 제공합니다.
   2. 각 세션당 두 건의 표준화된 임상 사례를 점진적 정보 공개를 사용하여 병력부터 시작해 검사 결과, 영상, 실험실 데이터, 임상 변화를 거치며 진행합니다. 거주자가 폴링이나 서면 정당성을 사용하여 미리 정의된 의사결정 노드에서 진단 및 관리 결정을 약속하도록 요구합니다. 구조화된 체크리스트, 짧은 증거 중단, 일반적인 인지 편향을 다루는 프롬프트 등 의사결정 지원 스캐폴드를 포함합니다.
   3. 각 세션에 두 명의 훈련된 교수 진행자를 배정하고, 진행자들이 목표, 프롬프트, 타이밍을 명시한 표준화된 가이드를 따르도록 요구하세요. 각 사례 후 10-15분 동안 구조화된 브리핑을 진행하여 레지던트의 추론을 전문가 경로와 일치시키고, 결정의 전환점을 식별하며, 전이 가능한 휴리스틱을 요약하세요.
   4. 각 현장에 교육 관찰자를 지정하여 필수 CBL 요소 준수 여부를 평가하는 표준화된 10개 항목 체크리스트를 작성하여 개입 충실도를 모니터링합니다.
3. 전통적인 강의형 부서
   1. 8주 연속으로 매주 75분의 라이브 강의와 15분의 질의응답 시간을 진행하세요. 펠로우십 훈련을 받은 정형외과 교수진이 준비한 슬라이드 기반 발표를 사용하여 강의를 진행합니다. 강의가 CBL 부서와 동일한 학습 목표와 내용 영역을 다루도록 하세요.
   2. 각 강의가 끝날 때 점진적 공개, 강제 의사결정, 구조화된 브리핑 없이 단일 사례 사례 요약을 선택적으로 발표할 수 있도록 허용합니다. 목표 진술, 내용 범위, 속도 조절, 질문 시간 제공을 평가하는 표준화된 체크리스트를 사용하여 충실도를 모니터링합니다.
4. 오염 방지 장치
   1. CBL과 TDL 세션을 다른 날이나 시간에 일정 잡고, 각 교육 부서에 별도의 교직원 팀을 배정하세요. 비밀번호로 보호된 플랫폼을 이용한 교육 자료 접근을 제한하세요. 참가자들에게 그룹 간 자료 공유를 하지 말고, 출석 및 학습 관리 시스템 접근 기록을 추적하도록 지시하세요.

4. 결과 측정 지표 (그림 1)

1. 주요 결과
   1. 사전 지정된 복합 점수를 사용하여 개입 후 및 8주 유지 시점의 임상 의사결정 수행 성과를 평가합니다. 네 개의 객관적 구조 임상 시험(OSCE) 결정 스테이션, 30문항 스크립트 일치 검사, 그리고 시간 제한 비네트에서 나온 시정 시간 지표에서의 성과를 결합합니다. 모든 구성 요소 점수를 표준화하고 주요 평가 변수로 종합 z-점수를 계산합니다.
2. 부차 결과
   1. 교육 계획서에 맞춘 40문항 객관식 시험을 통해 지식을 평가합니다. 경영 결정의 적절성을 평가하여 블라인드 전문가 패널 평가를 수행합니다. OSCE 만남 중 9개 항목의 글로벌 평가 루브릭을 사용하여 의사소통 성과를 측정합니다. 8주에 모든 결과의 유지도를 평가합니다. 검증된 척도를 사용하여 학습자 보고의 준비도, 인지 부하, 만족도를 수집합니다. 출석률, 사전 업무 완료, 의사결정 약속 빈도를 활용해 참여도를 정량화하세요.

5. 측정 절차 및 품질 보증

1. 데이터 수집 전에 상세한 스크립트와 교정 세션을 사용하여 표준화된 환자, 시뮬레이션 기술자, 검사관을 교육합니다. OSCE 시각장애 시험관, 스크립트 코던스 테스트 키어, 객관식 채점원들이 수업 그룹 과제에 참여합니다.
2. 클래스 내 상관계수를 사용하여 평가자 간 신뢰도를 모니터링하고, 크론백 알파를 이용해 내부 일관성을 평가합니다. 시간대에 걸쳐 병렬 평가 양식을 사용하고, 파일럿 데이터를 활용해 난이도를 균형 있게 조정하세요.

6. 데이터 수집 및 관리

1. 기관 기록에서 인구통계학, 학문적, 교육 데이터를 소급적으로 추출합니다. 역할 기반 접근 제어를 사용하여 안전한 REDCap 데이터베이스 내 모든 데이터를 컴파일하세요. 분석 전에 모든 기록을 식별 해제하고 연구별 식별 코드를 할당합니다. 비디오 녹화는 윤리 승인에 따라 점수 및 충실도를 위해서만 검토하세요.

7. 준수 및 충실도 모니터링

1. 각 사이트에서 최소 25%의 세션을 샘플링하여 충실도 평가를 하세요. 10개 체크리스트 항목 중 최소 8개 이상이 충족되면 CBL 세션을 준수 세션으로 분류하세요. 5가지 체크리스트 기준 중 최소 4가지가 충족되면 TDL 세션을 준수자로 분류하세요. 참가자 준수를 8회 세션 중 최소 6회 출석과 필요한 사전 작업 완료 최소 75%를 이수한 것으로 정의합니다.

8. 통계 분석

1. 의도 치료 프레임워크를 사용하여 결과를 분석하세요. 그룹, 시간, 상호작용 용어를 포함하는 선형 혼합 효과 모델을 사용하여 그룹을 비교하고, 참가자는 무작위 절개, 부위 및 PGY 수준은 고정 효과를 사용합니다. 기초 점수에 대해 개입 후 및 유지율 분석을 조정합니다. 적절한 혼합 효과 또는 사건 발생 시간 방법을 사용하여 2차 결과를 모델링합니다. 누락된 데이터는 최소 경우 완전 사례 분석을, 사전 지정된 임계값을 초과할 경우 다중 치소를 사용해 처리합니다.

9. 구현 일정

1. 중재 시행 전에 교수 교육, 사례 시행, 검사관 교정, 기초 평가를 완료하세요. 8주간 교육 개입을 진행합니다. 9주차에 즉시 개입 후 평가를, 17주차에 유지 평가를 실시합니다. 이후 데이터 정제, 신뢰도 추정, 블라인드 통계 분석을 수행하세요.

Results

기초 특성 (표 1)
총 120명의 피험자가 n=60 상태에서 CBL 또는 TDL 그룹에 배정되었습니다. 그룹들은 인구통계학적 및 훈련 변수 전반에서 균형이 잘 맞았습니다. 평균 연령은 유사했으며(CBL 29.0 ± 2.1 대 TDL 29.2 ± 2.0세; p=0.56), 성별 분포도 차이가 없었다(남성: 70.00% vs 71.67%, p=0.84; 여성: 30.00% vs 28.33%, p=0.84), PGY 수준은 거의 동일했으며, PGY-1부터 PGY-5까지 각 군이 20.00%를 차지했다(TDL PGY-2 23.33% 대 CBL 20.00%; 옴니버스 p=0.93). 최근 임상 노출도 유사했습니다(이전 외상 순환 46.67% 대 45.00%, p=0.86; 이전 시뮬레이션 노출 75.00% 대 76.67%, p=0.84). 기초 학업 지표와 자기효능감은 동일했습니다(최신 OITE 백분위수 62.5 ± 14.0 대 61.9 ±...

Discussion

이 연구는 정형외과 레지던트의 임상 의사결정 강화를 위해 설계된 구조화된 사례 기반 학습(CBL) 접근법을 평가하고, 동일한 시간 동안 진행되는 전통적인 강의와 비교하였습니다. 비교 성과 결과를 넘어, 이 연구 결과는 구조화된 CBL이 작동하는 교육 메커니즘을 명확히 하고, 이 방법이 대학원 의학 교육에서 어떻게 구현, 적응, 확장될 수 있는지를 명확히 합니다.

방법의 핵심 단계
구조화된 CBL 개입의 효과에 핵심적인 세 가지 요소는 의사결정 노드, 강제 헌신, 그리고 구조화된 브리핑이었습니다. 결정 노드는 진단 우선순위 설정, 수술 및 비수술 관리 선택, 중재 순서 등 정형외과 진료에서 흔히 접하는 전환점을 반영하기 위해 각 사례에 의도적으로 내장되었습니다. 이 시점에서 주민들은 추가 정보가 공개되기 전에 명확한 선택을 해야 했기 때문에 소급 합리화가 불가능했습니다. 강제 헌신은 학...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
결정-노드 폴링 시스템	Poll Everywhere / LMS 도구	해당 없음	CBL 세션 중 확고한 선택들을 캡처했습니다
고충실도 시뮬레이터	라에르달 / CAE 헬스케어	해당 없음	OSCE 결정 스테이션과 시간 제한 비네트에서 사용됨
REDCap 데이터 관리 시스템	밴더빌트	해당 없음	안전한 데이터 수집, 역할 기반 접근 제어
통계 소프트웨어	SPSS	해당 없음	선형 혼합 효과, 일반화 혼합 모델, 콕스 모델