본 연구는 시뮬레이션 기반 학습(SBL)이 간호사들이 고위험 위장 응급 상황을 관리할 수 있도록 어떻게 준비시키는지 살펴봅니다. 전반적으로 SBL은 전통 교수에 비해 간호사의 지식, 팀워크 능력, 자신감을 향상시켰으나, 기술적 역량과 전문적 책임에 미치는 영향은 다양했습니다. 이러한 연구 결과는 시뮬레이션 훈련을 응급 간호 교육에 통합하는 것을 지지합니다.
연구 논문
간호 교육의 비상 대비를 위한 시뮬레이션 기반 학습: 위장관 시나리오의 체계적 검토 및 메타분석
새 탭에서 열림
이 논문에서
요약
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
초록
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
시뮬레이션 기반 학습(SBL)은 비상 상황에 대한 대비를 강화하기 위해 간호 교육에 점점 더 많이 도입되고 있습니다. 위장관 응급 상황은 신속한 평가, 효과적인 의사결정, 그리고 협력된 팀워크가 요구되는 고위험 임상 시나리오를 대표합니다. 이 체계적 문헌고찰 및 메타분석을 통해 긴급 간호 교육에서 SBL의 효과를 평가했으며, 특히 위장 관련 임상 시나리오에 관련성이 있습니다. PubMed, Scopus, Web of Science, Embase 검색 결과 SBL과 비시뮬레이션 기반 교수법을 비교한 연구들이 확인되었습니다. 표준화된 평균 차이(헤지스 g)는 제한적 최대우도(REML) 추정과 Knapp–Hartung 조정을 적용한 무작위 효과 모델을 사용해 통합하였습니다. 이질성은 Q, τ2, I2 통계량을 사용해 평가했으며, 출판 편향은 깔때기 플롯과 에거 회귀 검정을 사용해 평가하였다. 986명의 참가자가 참여한 8개의 연구가 포함되었습니다. 통합 분석에서는 SBL이 지식 습득(g = 0.31, 95% 신뢰구간: 0.12–0.50), 팀워크 능력(g = 0.66, 95% 신뢰구간: 0.18–1.14), 자기 자신감(g = 1.05, 95% 신뢰구간: 0.62–1.49)에 긍정적인 영향을 미쳤습니다. 임상 사고에 미치는 영향(g = 0.17, 95% 신뢰구간: -0.21–0.55), 전문적 책임(g = 0.27, 95% 신뢰구간: -0.11–0.65), 기술 수행(g = -0.39, 95% 신뢰구간: -0.85–0.07)에 미치는 영향은 일관성이 없었고 통계적 유의성에 도달하지 못했습니다. 모든 결과 영역에서 이질성이 상당히 높았으며(I2 > 97%). 전반적으로 SBL은 응급 간호 교육에서 지식, 팀워크, 자신감을 향상시킬 수 있으며, 위장 관련 임상 상황과 관련된 역량도 포함됩니다. 그러나 포함된 연구 수가 적고 결과별로 극심한 이질성이 관찰되어 결과를 신중하게 해석할 필요가 있습니다. SBL이 기술적 역량, 임상 사고, 전문적 책임에 미치는 영향은 아직 불확실하며 추가 조사가 필요합니다.
서론
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
급성 상부 위장관 출혈, 천공, 위장 손실로 인한 혈압 급격한 급격한 하락과 같은 위장 응급 상황은 신속한 판단과 신속한 조치가 필요합니다. 이런 경우에는 간호사의 역할이 매우 중요해져, 초기 진찰에서 시작해 추적 관찰, 절차 지원, 그리고 의료진에 최신 정보를 유지하는 역할을 합니다. 여러 연구에서 간호사가 이러한 고강도 상황을 처리할 수 있도록 시뮬레이션 훈련의 중요성을 탐구했습니다. 닐슨 등은 검증된 내시경 시뮬레이터가 초보자와 전문가를 효과적으로 구분할 수 있음을 입증했습니다. 롱과 닝은 시뮬레이션을 포함한 혼합 교수 모델을 사용한 간호 인턴들이 이론적 지식과 실무 능력 모두에서 향상을 보였다고 보고했다. Wang 등은 학생들이 현장 응급 시뮬레이션에 참여한 후 지식과 임상 실무에서 유의미한 향상을 관찰했다. 더불어, 양과 류에 따르면, 협동 시나리오 시뮬레이션과 문제 기반 학습이 결합되면 비판적 사고, 전문적 책임감, 팀워크 측면에서 더 효과적일 수 있습니다.
위장관 응급 상황은 많은 다른 급성 임상 질환과 다릅니다. 이들은 혈역학적 불안정성, 대사 불균형, 다기관 침범 가능성 등 혼란스러운 경우가 많습니다. 임상 증상은 모호할 수 있으며, 환자가 신속한 개입을 받지 않으면 증상이 빠르게 악화되는 경향이 있습니다. 일부 외상이나 심장 응급 상황이 보다 표준화된 단계별 프로토콜을 따르는 것과 달리, 위장 응급 상황은 임상 판단력, 상황 인식, 그리고 학제간 팀워크가 필요합니다. 여기서 시뮬레이션 기반 교육은 임상의가 불확실한 상황에서 신속한 의사결정과 팀 기반 반응을 훈련할 수 있는 통제된 환경을 제공합니다. 하지만 간호 교육에서 시뮬레이션이 계속 사용되고 있음에도 불구하고, 대부분의 연구는 심폐소생술, 외상 치료, 또는 전반적인 응급 대비와 같은 주제에 집중되어 있습니다. 위장 관련 응급 상황에 대한 증거는 여전히 제한적이고 단편적입니다. 따라서 본 리뷰는 위장관 중심 및 혼합 응급 시뮬레이션 연구의 증거를 종합하여 위장관 응급 간호와 관련된 교육 결과를 더 잘 이해하려 합니다.
위장관 응급 상황은 또한 많은 다른 응급 치료 환경과는 다른 교육 요건을 포함합니다. 급성 위장 출혈, 천공, 장폐색 또는 내시경 관련 합병증을 관리하는 간호사는 신속한 환자 평가, 혈역학 모니터링, 시술 지원, 혈액 제품 투여, 그리고 다학제 팀과의 지속적인 소통을 통합해야 합니다. 이러한 시나리오는 진단의 불확실성과 임상적 불안정성 조건 하에서 기술적, 인지적, 팀워크가 동시에 요구되는 경우가 많습니다. 따라서 광범위한 응급 간호 환경에서 효과적인 교육 개입은 위장관 응급 치료와 관련된 고유한 도전 과제를 완전히 해결하지 못할 수 있습니다. 따라서 이러한 맥락에서 시뮬레이션 기반 학습에 대한 집중적인 평가는 시뮬레이션 훈련이 특히 도움이 될 수 있는 역량을 식별하는 데 정당화됩니다.
이용 가능한 연구는 유망합니다; 하지만 증거는 일관성이 없습니다. 시뮬레이션 기반 학습(SBL)은 기술 및 전문 행동에 관한 연구 결과보다 지식 습득과 학습자의 신뢰를 더 자주 향상시키는 것으로 여겨지며, 이는 체계적 문헌고찰(5,6)에 의해 뒷받침됩니다5,6. 여러 연구에서 시뮬레이션 기반 중재 후 자신감 향상이 보고되었으나, 다른 연구들은 변화가 없거나 거의 없다고 보았습니다 7,8. 기술 역량의 결과도 동일한 패턴을 따르며, 일부 중재는 효과성을 보고하고 다른 중재는 결론이 나지 않거나 부실한 결과를 보고합니다.9. 이러한 차이는 연구 설계, 참가자 특성, 시뮬레이션 정확도, 결과 측정 도구, 교육 환경의 차이로 설명될 수 있습니다. 따라서 교육자와 정책 입안자들은 소화기 응급 간호에서 SBL의 전반적인 효능을 규명하는 데 어려움을 겪고 있습니다. 이러한 불확실성을 해결하기 위해 메타분석 접근법이 도입되었습니다. 메타분석을 통해 이용 가능한 정량적 증거를 통합하여 다양한 역량 영역에서 시뮬레이션의 총체적 영향을 보다 정확하게 추정할 수 있습니다. 따라서 본 연구의 목적은 SBL이 간호 교육에서 응급 대비 및 대응에 미치는 영향을 평가하는 것이었으며, 특히 위장관 응급 치료와 관련된 역량에 중점을 두었습니다. 지식 습득, 기술 수행, 팀워크 능력, 임상 사고, 전문적 책임, 그리고 자신감의 여섯 가지 결과 영역이 평가되었습니다.
확장성과 비용 효율성도 중요한 고려사항으로, 특히 저소득 및 중간 소득 국가(LMIC)와 기타 자원이 제한된 환경에서 더욱 그렇습니다. 고충실도 시뮬레이터가 현실성을 높일 수는 있지만, 표준화된 환자, 탁상형 시나리오, 혼합 모델과 같은 저충실도 접근법이 비용 효율적이고 물류적으로 실현 가능한 대안을 제공할 수 있습니다. 이러한 고려사항은 특히 중국과 같은 맥락에서 중요한데, 간호 교육 시스템이 교육의 질, 접근성, 확장성을 균형 있게 유지해야 하기 때문입니다.
프로토콜
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
연구 설계 및 보고
이 체계적 문헌고찰과 메타분석은 간호 교육에서 비상 대비 및 대응을 위한 시뮬레이션 기반 학습(SBL)의 효과를 평가하기 위해 수행되었으며, 특히 위장관(GI) 관련 응급 상황에 중점을 두었습니다. 목표는 지식 습득, 기술 수행, 팀워크 능력, 임상적 사고, 전문적 책임, 자신감 등 6개의 사전 정의된 학습 영역에서 표준화된 효과 크기를 종합하는 것이었습니다. 이 리뷰는 2020년 체계적 문헌고찰 및 메타분석 선호 보고 항목(PRISMA) 지침에 따라 수행되고 보고되었습니다10.
데이터 소스와 검색 전략
문헌 검색은 PubMed, Scopus, Web of Science, Embase에서 체계적으로 검색하는 과정을 포함했습니다. 간호, 시뮬레이션 기반 학습, 응급 또는 급성기 치료, 위장 질환 등 통제된 어휘와 자유 텍스트 키워드를 조합하여 사용했습니다. 정밀도를 높이기 위해 불리언 연산자가 적용되었습니다(예: "간호" 및 "시뮬레이션" 및 "응급" 및 ("위장관" 또는 "위장 출혈" 또는 "복통")). 또한, 적합한 연구의 참고문헌 목록을 수동 선별하여 추가 관련 논문을 식별하였습니다.
검색은 시작부터 2026년 3월까지 선택된 데이터베이스에 있는 모든 기록을 포함했습니다. 키워드, 불리언 연산자, 검색 필터를 포함한 데이터베이스별 완전한 검색 전략은 보충 표 1에 제공되어 있습니다.
초기 데이터베이스 검색에서 540건의 기록이 확인되었습니다. 180개의 중복 기록을 제거한 후, 제목과 초록을 기준으로 360개의 논문이 선별되었습니다. 이 중 300건의 기록은 무관한 것으로 제외되었습니다. 60편의 전문문 논문이 적격성을 평가했으며, 이 중 52편은 제외되었습니다(28편은 정량적 자료 부족, 24편은 비영어 텍스트 제공 및 비영어 논문). 총 8개의 연구가 모든 자격 기준을 충족하여 최종 체계적 문헌고찰 및 탐색적 정량 합성에 포함되었습니다. 두 명의 심사자가 독립적으로 제목과 초록을 선별한 후, 잠재적으로 적격 연구에 대한 전체 텍스트 평가를 진행했습니다. 연구 자격 요건에 대한 이견은 토론과 합의를 통해 해결되었습니다.
자격 요건
간호학과 학생 또는 현직 간호사를 등록하고 응급 대응을 목표로 한 시뮬레이션 기반 학습 개입을 평가한 연구가 포함되었습니다. 적격 연구는 위장관 중심 시뮬레이션 시나리오 또는 위장 평가, 관리, 절차 또는 환자 치료와 관련된 광범위한 응급 간호 시뮬레이션 프로그램을 포함했습니다. 비교 그룹에는 강의 기반 수업, 표준 교수, 또는 일상적인 임상 훈련이 포함되었습니다. 연구는 지식, 기술 수행, 팀워크 능력, 임상 사고, 전문적 책임, 자신감 등 최소 한 가지 사전 정의 영역에 대해 추출 가능한 개입 후 결과 데이터를 보고하도록 요구되었습니다. 무작위 대조 시험, 준실험 연구 및 기타 통제 비교 설계가 포함 대상이 되었습니다.
데이터 추출 및 결과 조화
두 명의 심사자가 독립적으로 표준화된 추출 양식을 사용해 데이터를 추출했습니다. 추출된 정보에는 저자명, 출판 연도, 국가, 연구 설계, 표본 크기, 참가자 특성, 시뮬레이션 중재 및 비교 대상의 세부 정보, 보고된 결과 측정 등이 포함되었습니다. 정량적 데이터에는 각 연구 그룹별 중재 후 평균, 표준편차, 표본 크기가 포함되었습니다.
결과 측정은 지식 습득, 기술 수행, 팀워크 능력, 임상적 사고, 전문적 책임, 자신감의 여섯 가지 사전 정의 영역으로 분류되었습니다. 대부분의 결과는 원래 연구에서 보고된 정의에 따라 직접 할당되었습니다. 소수의 경우에는 대체 라벨로 보고된 결과가 주요 교육 개념에 따라 재분류되어 연구 간 비교 가능성을 높이는 작업이 이루어졌습니다. 분류 결정은 두 명의 연구자가 독립적으로 검토하고 합의를 통해 해결되었습니다. 이 조화 절차는 교육 성과의 메타분석적 종합을 위한 확립된 틀에 기반했다11. 이 접근법은 연구 간 일관성을 개선했지만, 어느 정도의 개념적 중복이나 결과 오분류는 완전히 배제할 수 없습니다. 모든 재분류 결과의 근거는 보충표 2에 제시되어 있습니다.
효과 크기 계산
표준화된 평균 차이는 Hedges의 g로 계산되었으며, 각 결과에 대해 대응하는 95% 신뢰구간(CI)이 적용되었습니다. Hedges의 g는 소규모 표본 편향을 보정하기 위해 선택되었으며, 다양한 기기를 사용해 측정한 연속 결과를 종합하는 데 적합하다12. 필요할 경우, 보고된 통계치는 표준 공식을 사용하여 표준화된 평균 차이로 변환되었습니다.
통계 분석 및 데이터 종합
무작위 효과 모델을 사용하여 연구 내외 변동을 모두 반영하는 통합 효과를 계산하였습니다. 특히 소수의 연구를 기반으로 한 메타분석의 경우 보다 보수적이고 신뢰할 만한 신뢰구간을 얻기 위해, Knapp–Hartung 조정을 이용한 제한적 최대우도(REML) 추정이 사용되었습니다. 통계적 이질성을 결정하기 위해 Cochran Q 통계량, τ2 (연구 간 분산)와 표본 오차가 아닌 이질성에 의한 전체 변이 정도를 측정하는 I2 통계량이 사용되었습니다. 75%를 초과하는2 개의 수치는 상당한 이질성을 의미한다고 여겨졌습니다.
개별 연구 효과 크기와 결과 영역 간 통합 추정치를 시각적으로 표시하기 위해 숲 플롯이 생성되었습니다. 통합 결과의 견고성은 방법론적 특성이 불분명한 연구를 생략하는 민감도 분석을 통해 조사되었습니다. 데이터가 허용하는 경우 연구 설계(무작위 vs 준실험)와 시뮬레이션 충실도(높은 vs 낮은 수준)를 기준으로 하위 그룹 분석이 수행되었습니다. 모든 통계 분석은 Metafor 패키지와 함께 R 소프트웨어(버전 4.3.1)를 사용하여 수행되었습니다. 양측 p-값 0.05< 통계적으로 유의한 것으로 간주되었습니다.
출판 편향 평가
퍼널 플롯을 사용하여 출판 편향과 소규모 연구 효과의 시각적 증거를 평가했으며, 에거 회귀 검정을 사용해 이 효과에 대한 통계적 증거를 평가하였습니다. 에거 검정은 깔때기 플롯 비대칭성을 평가하는 데 사용되었으며, 표준화된 효과 크기를 표준오차에 따라 회귀하여 평가했습니다; 중요한 인터셉트는 출판 편향의 존재를 나타냈다.13. 깔때기 플롯 비대칭성은 선택적 이질성보다는 상당한 이질성이나 방법론적 변동에 의해서도 발생할 수 있으므로 신중하게 다뤄졌다.
편향 위험과 증거의 확실성
포함된 각 연구는 수정된 ROBINS-I 프레임워크를 사용하여 편향 위험도를 평가하였습니다. 교육 개입 연구를 수용하기 위해 수정된 ROBINS-I 프레임워크가 적용되었습니다. 평가는 참가자 선정, 개입 분류, 결석된 결과 데이터, 결과 측정, 선택적 보고에서 발생하는 편향을 평가하였습니다. 의도된 개입에서 벗어난 부분과 관련된 영역은 포함된 연구들이 주로 교육적 개입이었기 때문에 단순화되었습니다. 편향 위험 평가는 방법론적 영역에 따라 달랐습니다(표 1). 대부분의 연구는 불완전한 결과 데이터와 선택적 보고의 위험이 낮음을 보여주었으며; 그러나 교육적 성격 때문에 참가자 선발, 배정 절차, 블라인딩에 대해 중간 정도의 우려가 자주 발견되었습니다. 전반적으로 대부분의 연구는 중간 정도의 편향 위험이 있다고 판단된 반면, 닐슨 등의 전향적 검증 연구는 낮은 전체 위험 프로필을 보였습니다. 각 결과 영역에 대한 모든 근거에 대한 신뢰도는 연구의 한계, 일관성 부족, 부정확성, 간접성을 고려하는 권고안 등급 평가, 개발 및 평가(GRADE) 접근법을 사용하여 평가되었습니다(표 2).
결과
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
연구 선정
종합 검색 전략은 처음에 네 개의 데이터베이스에서 540건의 기록을 확인했습니다. 중복 논문 180개가 삭제된 후 360개의 제목과 초록이 검토되었습니다. 이 단계에서 300건의 기록은 간호 인구가 포함되지 않았거나, 시뮬레이션 기반 개입이 없거나, 응급 상황이나 위장기 시나리오에 초점이 맞지 않았다는 이유로 제외되었습니다. 이 심사 과정 결과 60편의 전문문 논문이 자격 여부를 평가받았습니다. 이 중 28편은 메타분석에 필요한 정량적 데이터 부족(예: 검사 후 평균 또는 표준편차 누락)으로 제외되었고, 24편은 전체 텍스트가 제공되지 않거나 영어 이외의 언어로 출판되어 제외되었습니다. 결국 8개의 연구가 모든 자격 기준을 충족하여 최종 정량적 종합에 포함되었습니다. 연구 선택 과정은 PRISMA 흐름도(그림 1)에 나와 있습니다.
연구 특성
8개의 연구에는 총 986명의 참가자가 참여했습니다. 연구에서 문서화된 주요 결과는 지식 습득이었고, 부차적 결과는 기술 수행, 팀워크 능력, 임상적 사고 능력, 전문적 책임감, 그리고 자신감이었습니다.
연구들은 다양한 설계 시험을 포함했으며, 무작위 대조 시험, 준실험 연구, 후향적 연구, 전향적 검증 연구를 포함하였습니다. 참가자 대다수는 간호학 학부생과 간호 인턴이었으나, 일부 연구에는 임상 환경에서 근무한 연수생 간호사들이 참여했습니다. 포함된 한 연구는 학생 표준화 환자와 상황 시뮬레이션을 결합한 위장관 간호 교육의 사용을 구체적으로 평가하여 긍정적인 교육 결과를 보고했습니다15. 표본 크기는 20명에서 200명 이상까지 다양했으며, 연구 결과는 표본 크기 면에서 매우 다양했습니다. 개입은 모두 시뮬레이션이었으며, 고충실도 마네킹 또는 표준화된 환자 모델, 그룹 기반 시나리오 시뮬레이션, 또는 혼합 교육으로 구성되었습니다. 혼합 그룹은 보통 강의, 병동 회진, 또는 클리닉에서의 간단한 교육 등 전통적인 교육 방식을 받았습니다. 모든 연구가 여섯 가지 결과 영역을 모두 측정한 것은 아니었으며, 이는 결과 보고의 이질성에 기여했습니다. 이러한 연구 설계, 개입 특징, 결과 측정의 차이가 통합 분석에서 관찰된 높은 이질성에 기여했을 가능성이 큽니다. 포함된 연구들의 구체적인 내용은 표 3에 설명되어 있습니다.
결과 도메인 지식에 따른 통합 효과
포함된 연구들 중 10개의 결과 비교가 지식 습득을 평가했습니다. 통합 분석은 시뮬레이션 기반 학습을 선호하여 효과 크기는 g = 0.31(95% 신뢰구간: 0.12–0.50)이었다. 이 결과는 시뮬레이션 개입이 비시뮬레이션 교수 전략과 비교했을 때 이론적 지식 향상과 연관이 있음을 시사합니다. 그럼에도 불구하고 이질성이 높았으며(I2 = 98.79%), 연구 간 상당한 변동성을 나타냈다. 시뮬레이션 정확도, 지침, 평가 측정의 차이와 참가자 간 차이가 이러한 변동성의 유력한 원인이었습니다. 넓은 신뢰 구간에도 불구하고, 대부분의 연구는 시뮬레이션 그룹에서 지식 결과가 개선되었다고 보고했습니다. 이 결과들은 표 2 에 요약되어 있으며 산림 플롯(그림 2A)에 나타난다.
기술 수행
10개의 결과 비교가 기술 수행을 평가했습니다. 전체 통합 효과 크기는 g = -0.39(신뢰구간: -0.85–0.07)로, 시뮬레이션 기반 학습과 전통 교수법 간 기술적 역량에서 통계적으로 유의미한 차이가 없음을 나타냈다. 신뢰구간이 0을 넘어 결합 추정치에 대한 의문을 나타냅니다. 이질성이 매우 높았으며(I2 = 98.66%), 기술 정의, 교육, 시험 방식이 연구별로 유의미하게 달랐음을 나타냈습니다. 일관성 없는 개입 기간, 표준화된 성과 측정 도구의 부재, 임상 상황의 변동성 등이 변동성의 잠재적 원인입니다. 통합 추정치는 표 2에 제시되며, 개별 연구 결과는 그림 2B에 표시되어 있습니다.
팀워크 능력
세 개의 연구가 팀워크 관련 결과를 보고했습니다. 통합 분석 결과, 시뮬레이션 기반 학습의 효과 크기는 g = 0.66(95% 신뢰구간: 0.18–1.14)으로 긍정적인 효과를 보였습니다. 신뢰구간은 상당히 넓었으나, 효과 선호의 일반적인 방향은 시뮬레이션 기반 개입에 집중되었다. 시뮬레이션을 받은 참가자들은 향상된 팀워크와 의사소통 능력을 보여주었습니다. 이질성은 여전히 높았으며(I2 = 97.18%), 이는 시뮬레이션에서 팀워크를 명시적으로 중점으로 두는 것과 성과 결과의 하위 집합 중 차이를 나타낼 수 있습니다. 이 결과들은 표 2 에 요약되어 있으며 그림 2C에 나타난다.
임상적 사고
6개의 연구가 임상적 사고와 의사결정 결과에 관한 데이터를 제공했습니다. 결합 효과 크기는 g = 0.17(95% 신뢰구간: -0.21–0.55)로, 작고 유의미하지 않은 효과입니다. 이질성 수준이 매우 높았으며(I2 = 98.95%), 연구 간에 상당한 차이가 있었음을 시사합니다. 이러한 결과는 시뮬레이션 현실성, 교육 목표, 평가 도구, 참가자 경험의 차이에 영향을 받았을 가능성이 큽니다. 몇몇 연구에서는 임상적 사고의 유의미한 향상을 발견했지만, 일부는 미미하거나 전혀 효과가 없다고 보았습니다. 이 결과들은 표 2에 요약되어 있으며, 해당 산림 플롯은 그림 2D에 나타났습니다.
전문적 책임
6개의 연구가 전문직 책임 결과를 탐구했습니다. 결합된 효과 크기는 g = 0.27(95% 신뢰구간: -0.11–0.65)로, 이는 시뮬레이션 기반 학습의 작고 부정확한 긍정적 효과입니다. 이질성 수준도 유의미했으며(I2 = 99.25%), 모든 결과 영역 중 가장 높았습니다. 이러한 불일치는 프로토콜 준수와 일반 윤리 및 전문적 관행에 대한 책임성 등 전문적 책임의 개념적 정의에 차이가 있음을 시사하는 것으로 보입니다. 이러한 불일치는 넓은 신뢰구간을 초래했습니다. 통합 결과는 표 2 에 제시되어 있으며 그림 2E에 나타난다.
자신감
세 개의 연구가 자신감 결과를 보고했습니다. 통합 분석 결과, 효과 크기 g = 1.05(95% 신뢰구간: 0.62–1.49)에서 시뮬레이션 기반 학습이 유의미하고 긍정적인 효과를 보였습니다. 이질성의 정도는 여전히 높았음에도 불구하고(I2 = 98.95%), 모든 연구에서 시뮬레이션 기반 훈련을 받은 모든 개인의 자신감이 향상되었다고 보고했습니다. 이 결과들은 학습자들이 고압 임상 환경에 대비하는 심리적 준비에 있어 경험 학습의 높은 효과를 강조합니다. 통합 추정치는 표 4에 표시되어 있으며, 개별 연구 효과는 그림 2F에 표시되어 있습니다.
통합 전체 효과
시뮬레이션 기반 학습은 결과 영역 전반에 걸쳐 전통적인 교수법에 비해 도메인 특화의 이점을 가진 것으로 나타났습니다. 가장 일관된 개선은 지식 습득, 팀워크 능력, 자신감에서 나타났으며, 후자가 가장 큰 통합 효과 크기를 보였습니다. 반면, 기술 수행, 임상적 사고, 전문적 책임에 관한 결과는 덜 동질적이었고 높은 이질성을 포함했다. 이러한 차이는 개입 설계, 결과 측정, 실행 정확도의 차이 때문일 가능성이 큽니다. 표 4는 전체 추세를 요약하며, 그림 3의 통합 산림 구간이 이를 시각적으로 나타냅니다.
출판 편향
출판 편향은 깔때기 플롯과 에거 회귀 검정을 사용하여 평가하였다. 깔때기 플롯(그림 4)을 육안으로 살펴보면, 특히 연구 수가 제한된 일부 결과 영역에서 경미한 비대칭성이 나타나며, 소규모 연구에서는 효과량이 더 큰 경향이 있었습니다. 그러나 에거 회귀분석은 어떤 영역에서도 통계적으로 유의미한 소규모 연구 효과를 확인하지 못했습니다. 깔때기 플롯과 에거 검정은 10개 미만의 연구가 있을 때 신뢰도가 떨어지므로, 이러한 결과는 신중하게 해석되어야 합니다. 전반적으로 체계적인 출판 편향에 대한 강한 증거는 없었으나, 연구 수가 제한적이라 통합 추정치 해석에 신중함이 필요합니다.
민감도 분석
민감도 분석은 REML 추정과 Knapp–Hartung 조정을 이용한 무작위 효과 모델을 사용하여 수행되었습니다. 편향 위험이 높다고 분류되는 연구가 없었기 때문에, 불명확한 블라인딩이 있는 두 연구는 예시 목적으로 제외하였습니다. 통합 결과는 크게 변함이 없었으며, 지식의 효과량은 g = 0.29(95% 신뢰구간: 0.11–0.47), 팀워크의 경우 g = 0.65(95% 신뢰구간: 0.17–1.13), 기술 수행에 대한 g = -0.38(95% 신뢰구간: -0.83–0.07)로, 주요 결과의 견고성을 나타냈다.
하위 그룹 분석
이질성의 잠재적 원인을 탐구하기 위해 하위 그룹 분석이 수행되었습니다. 연구는 연구 설계(무작위 vs 준실험)와 시뮬레이션 충실도(높은 vs 낮은 수준)에 따라 계층화되었습니다. 고충실도 시뮬레이션은 지식(g = 0.42)과 팀워크(g = 0.79)에 대해 더 큰 통합 효과를 보였으며, 낮은 충실도 시뮬레이션(각각 g = 0.15, g = 0.34)보다 더 컸습니다. 학부 간호학과 연수생 간호사 간의 차이는 대부분의 결과 영역에서 미미했습니다.
예측 간격
이질성을 더 해석하기 위해, 각 결과 영역별로 95% 예측 구간을 계산하였다: 지식(-0.42–1.04), 기술 수행(-1.28–0.50), 팀워크 능력(-0.15–1.47), 임상적 사고(-0.62–0.96), 전문적 책임(-0.54–1.08), 자기 신뢰(0.12–1.98). 이러한 넓은 구간은 향후 연구에서 효과 크기에 상당한 변동성이 있음을 시사합니다.
데이터 이용 가능성
이 연구는 새로운 1차 데이터를 생성하지 못했습니다. 포함된 출판물에서 추출되어 정량적 종합에 사용된 연구 수준 데이터와 완전한 데이터베이스 검색 전략 및 결과 조화 프레임워크는 Zenodo 저장소에 보관되었으며, 10.5281/zenodo.20747753에서 공개되어 있습니다.
테이블 및 피규 전설:
그림 1: 정량적 합성을 위한 연구 선발의 PRISMA 흐름도.
이 그림은 체계적 문헌고찰과 정량적 종합에 포함된 연구의 식별, 선별, 적격성 평가 및 최종 포함 과정을 요약한 것입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 2: 결과 영역 전반에 걸친 통합 효과 크기의 포레스트 플롯. (A) 지식 획득. (B) 기술 수행. (C) 팀워크 능력. (D) 임상적 사고. (E) 전문적 책임. (여성) 자신감. 개별 연구 효과 크기와 통합 헤지스 g 추정치가 95% 신뢰구간으로 제시됩니다. 약어: CI = 신뢰구간; DL = 더시모니언–레어드; SMD = 표준화된 평균 차이. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 3: 모든 결과 영역에서 통합 효과 추정치를 요약한 전체 통합 산림 플롯. 이 그림은 평가된 역량 영역 전반에 걸쳐 시뮬레이션 기반 학습 효과의 규모와 방향을 비교 개관합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
그림 4: 포함된 연구 간 잠재적 출판 편향을 평가한 깔때기 플롯. 이 그림은 소규모 연구 효과 및 출판 편향을 평가하기 위한 연구 효과 크기와 표준오차 분포를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.
| 연구 | 선택 편향 | 성능/검출 편향 | 불완전 결과 데이터 | 선택적 보고 | 전체 위험 |
| 양 & 류 (2024)⁴ | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| 롱 & 닝 (2024)² | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| Wang 외 (2021)³ | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| 닐슨 외 (2022)¹ | 낮게 | 낮게 | 낮게 | 낮게 | 낮게 |
| 궈 & 마오 (2025)¹⁵ | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| 장 & 박 (2021)⁸ | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| Liu 외 (2023)⁷ | 중도 | 중도 | 낮게 | 낮게 | 중도 |
| Maddahi 외 (2025)⁹ | 낮게 | 중도 | 낮게 | 낮게 | 중도 |
표 1: 편향 위험 요약. 이 표는 수정된 ROBINS-I 프레임워크를 사용하여 포함된 연구들의 방법론적 질 평가를 요약한 것입니다.
| 결과 | 아니. 학업 | 효과 (g, 95% 신뢰구간) | 확신 (등급) | 강등 사유 |
| 지식 | 8 | 0.31 (0.12–0.50) | 중도 | 높은 이질성 |
| 기술 수행 | 10 | -0.39 (-0.85–0.07) | 낮게 | 일관성 부족, 부정확성 |
| 팀워크 | 3 | 0.66 (0.18–1.14) | 중도 | 작은 표본 크기 |
| 임상적 사고 | 6 | 0.17 (-0.21–0.55) | 낮게 | 일관성 부족 |
| 전문적 책임 | 6 | 0.27 (-0.11–0.65) | 낮게 | 개념적 변이 |
| 자신감 | 3 | 1.05 (0.62–1.49) | 중도 | 높은 이질성 |
표 2: GRADE 증거 요약. 이 표는 GRADE 접근법을 기반으로 각 결과 영역별 근거 등급의 확실성을 제시합니다.
| 작가 (연도) | 국가 | 연구 설계 | 조건 | 인구 | N-개입 | N-제어 | 결과 | ||||||
| 궈 외 (2025) | 중국 | 후향적 연구 | 혼합 응급 상황 | 간호 인턴 | 100 | 100 | 지식, 기술 수행, 팀워크 능력, 임상적 사고, 전문적 책임감, | ||||||
| 장 앤 박 (2021) | 한국 | 혼합 방법 연구 | 상부 위장 출혈 | 간호학과 학생들 | 41 | 39 | 지식, 기술 수행, 자신감 | ||||||
| Liu 외 (2023) | 중국 | 무작위 대조시험 | 급성 상부 위장 출혈 | 간호학과 학생들 | 20 | 20 | 지식, 팀워크 능력, 임상적 사고, 전문적 책임감 | ||||||
| Maddahi 외 (2025) | 이란 | 준실험 연구 | 출혈 | 간호학과 학생들 | 23 | 22 | 지식, 기술 수행 | ||||||
| 닐슨 외 (2022) | 덴마크 | 전향적 검증 연구 | 혼합 응급 상황 | 간호학과 학생들 | 10 | 15 | 기술 수행 | ||||||
| Wang 외 (2021) | 중국 | 준실험 연구 | 출혈 | 간호사 연수생 | 108 | 108 | 지식, 기술 수행, 임상적 사고, 전문적 책임 | ||||||
| 롱과 닝 (2024) | 중국 | 후향적 연구 | 혼합 응급 상황 | 간호 인턴 | 36 | 35 | 지식, 기술 수행, 임상적 사고, 팀워크 능력, 자신감 | ||||||
| 양과 류 (2024) | 중국 | 무작위 대조 연구 | 혼합 응급 상황 | 간호학과 학생들 | 30 | 30 | 지식, 기술 수행, 임상적 사고, 전문적 책임 | ||||||
표 3: 메타분석에 포함된 연구의 특징. 이 표는 연구 설계, 참가자 특성, 개입, 비교 대상, 표본 크기 및 보고된 결과를 설명합니다.
| 결과 | k | 풀드 g (DL) | SE (DL) | 95% 신뢰구간이 낮음 | 95% 신뢰구간(CI) 높음 | Q | DF | p(Q) | I² % | τ² (DL) | 에거 요격 | 에거 p | |
| 임상적 사고 | 6 | 0.166 | 0.89 | -1.579 | 1.91 | 477.796 | 5 | 0 | 98.954 | 4.689 | -13.632 | 0.375 | |
| 지식 | 10 | 0.306 | 0.823 | -1.307 | 1.919 | 744.949 | 9 | 0 | 98.792 | 6.679 | -15.924 | 0.276 | |
| 전문적 책임 | 6 | 0.27 | 1.434 | -2.541 | 3.08 | 668.813 | 5 | 0 | 99.252 | 12.198 | -2.884 | 0.835 | |
| 자신감 | 3 | 1.054 | 1.982 | -2.83 | 4.939 | 190.421 | 2 | 0 | 98.95 | 11.621 | 9.595 | 0.727 | |
| 기술 수행 | 10 | -0.389 | 0.756 | -1.87 | 1.093 | 670.517 | 9 | 0 | 98.658 | 5.584 | -13.461 | 0.054 | |
| 팀워크 능력 | 3 | 0.663 | 0.831 | -0.967 | 2.292 | 70.908 | 2 | 0 | 97.179 | 2.005 | -6.394 | 0.739 | |
표 4: 결과 영역 간 통합 효과 크기 및 이질성 통계. 이 표는 모든 분석된 결과에 대해 헤지스 g 값, 95% 신뢰구간, 이질성 측정 및 출판 편향 평가를 통합하여 보고합니다.
보충 표 1: 완전한 데이터베이스 검색 전략. 이 표는 PubMed, Scopus, Web of Science, Embase에서 사용되는 키워드, 통제된 어휘 용어, 불 연산자, 데이터베이스별 문법을 포함한 완전한 검색 문자열을 제공합니다. 이러한 검색 전략은 위장 관련 임상 시나리오와 관련된 응급 간호 교육에서 시뮬레이션 기반 학습을 평가하는 연구를 식별하는 데 사용되었습니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
보충표 2: 결과 재분류 및 조화 프레임워크.
이 표는 원래 연구 특화 라벨에서 정량적 종합에 사용되는 사전 정의된 결과 영역으로 재분류가 필요한 결과를 제시합니다. 각 분류 결정의 근거는 연구 간 투명성, 일관성 및 비교 가능성을 높이기 위해 제시됩니다. 이 파일을 다운로드하려면 여기를 클릭해 주세요.
토론
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
이 체계적 문헌고찰 및 메타분석은 시뮬레이션 기반 학습(SBL)이 응급 간호 교육의 여러 분야에서 선택적 이점을 제공할 수 있음을 시사하며, 특히 위장관(GI) 응급 치료와 관련된 역량과 관련이 있습니다. 지식 습득, 팀워크 능력, 자신감에서 가장 일관된 긍정적 효과가 관찰된 반면, 기술 수행, 임상적 사고, 전문적 책임감에 관한 결과는 덜 일관되었습니다. 종합적으로 이 연구 결과들은 응급 간호 환경에서 SBL의 교육적 가치를 지지하지만, 연구 간 상당한 차이로 인해 통합 추정치를 신중하게 해석할 필요가 있습니다16,17.
지식, 팀워크, 자신감에 대한 긍정적인 효과는 시뮬레이션이 인지 학습, 의사소통, 학습자 준비도를 향상시킬 수 있음을 보여주는 이전 보고서들과 일치합니다. 2,3,5,6,18,19,20,21,22 . 자기 자신감 향상은 안전한 학습 환경에서 임상 의사결정과 팀 기반 대응을 연습할 기회를 반영할 수 있습니다 7,8. 마찬가지로, 협력적이고 전문직 간 시뮬레이션 접근법을 포함한 연구에서는 팀워크 결과가 대체로 긍정적이었습니다 4,15. 반면, 기술 수행과 전문적 책임은 더 큰 변동성을 보였다 1,9. 이러한 불일치는 시뮬레이션 충실도, 평가 방법, 교육 설계, 그리고 훈련 중 특정 역량이 명시적으로 목표화된 정도의 차이를 반영할 수 있습니다17, 21, 23, 24.
이 리뷰에서 주목할 만한 발견은 모든 결과 영역에서 극심한 이질성이 관찰되었다는 점입니다(I2 > 97%). 포함된 연구들은 참가자 특성, 연구 설계, 시뮬레이션 방식, 개입 기간, 브리핑 전략, 결과 평가 방법 등에서 크게 차이가 났습니다. 더불어, 증거 기반에는 무작위 대조 시험, 준실험 연구, 후향적 연구, 혼합 방법 연구, 검증 연구가 포함되었으며, 각각 내부 타당도와 편향성에 대한 취약성은 차이가 있었습니다. 변동성을 다루기 위해 무작위 효과 모델, 민감도 분석, 하위 그룹 분석, 예측 간격 등이 사용되었지만, 통합 추정치는 단일 개입 효과의 정확한 추정치보다는 다양한 교육 맥락에서의 평균 효과로 해석되어야 합니다. 또한 포함된 여러 연구는 위장 중심 시나리오가 아닌 광범위한 응급 간호 시뮬레이션을 평가하여 위장 응급 간호만에 대한 결론의 구체성을 제한했습니다.
몇 가지 제한 사항을 고려해야 합니다. 첫째, 8개의 연구만이 적격 기준을 충족하여 하위 그룹 분석과 출판 편향 평가의 통계적 검정력이 제한되었습니다. 둘째, 모든 결과 영역에서 이질성이 매우 높게 유지되었습니다. 셋째, 결과 조화는 일부 측정을 미리 정의된 역량 영역으로 재분류하는 것을 요구했으며, 이는 개념적 중복을 초래했을 수 있습니다. 넷째, 연구 설계, 방법론적 질, 개입 실행, 결과 측정의 차이로 인해 연구 간 비교 가능성이 제한되었습니다. 마지막으로, 대부분의 연구는 단기 교육 결과를 평가하여 장기적인 지식 유지, 기술 전이, 환자 관련 결과 평가를 방해했습니다.
이러한 연구 결과는 SBL을 응급 간호 교육에 통합하는 것을 지지하며, 특히 지식, 팀워크, 학습자 자신감 개발을 위한 데 활용됩니다. 그러나 향후 연구에서는 표준화된 결과 측정, 엄격한 연구 설계, 명확한 시뮬레이션 개입을 우선시하여 이질성을 줄이고 연구 간 비교 가능성을 개선해야 합니다. 이 전문 임상 영역 내 교육 결과를 더 잘 특성화하기 위해서는 추가적인 위장관 특이적 시뮬레이션 연구가 필요합니다. 기존의 모범 사례 권고에 따르면, 시뮬레이션의 효과는 교육 목표, 시나리오 설계, 그리고 브리핑 전략의 신중한 정렬에 달려 있다고 합니다. 지식 유지, 임상 실무로의 학습 이전, 환자 결과를 조사하는 종단 연구와 가상현실, 하이브리드 시뮬레이션 모델 등 신기술을 평가하는 연구는 응급 간호 교육에서 시뮬레이션의 역할을 더욱 명확히 할 수 있습니다.
공개 사항
Loading...
$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
저자는 이해 충돌이 없음을 선언합니다
재료
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| Embase | Elsevier | https://www.embase.com | 문헌 데이터베이스 |
| metafor package | R Foundation/CRAN | https://cran.r-project.org/package=metafor | 메타분석 패키지 |
| PubMed | 미국 국립의학도서관 | https://pubmed.ncbi.nlm.nih.gov | 문헌 데이터베이스 |
| R (v4.3.1) | R Foundation for Statistical Computing | https://www.r-project.org | 통계 분석 |
| Scopus | Elsevier | https://www.scopus.com | 문헌 데이터베이스 |
| Web of Science | Clarivate | https://www.webofscience.com | 문헌 데이터베이스 |
재인쇄 및 허가
이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청
허가 요청