É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de revisão
* These authors contributed equally
Esta revisão narrativa e perspectiva examina como a privação de sono e a fadiga de decisão afetam o desempenho clínico e avalia o monitoramento baseado em EEG e fNIRS como ferramentas conceituais para interpretação e feedback conscientes da fadiga no treinamento médico.
Privação de sono e fadiga de decisão são importantes, mas frequentemente pouco reconhecidos determinantes do desempenho clínico diurno. Em ambientes de treinamento médico, esses fatores dependentes do estado podem prejudicar a atenção, o controle executivo e a tomada de decisões, complicando a interpretação da competência observada durante a vigília. Esta revisão narrativa e perspectiva sintetiza evidências da ciência do sono, neurofisiologia, psicologia e educação médica para examinar como a perda de sono e a fadiga de decisão moldam o desempenho clínico e como abordagens de monitoramento não invasivas podem ajudar a contextualizar essa variabilidade. Atenção é dada à eletroencefalografia (EEG) e à espectroscopia funcional no infravermelho próximo (fNIRS) como ferramentas de pesquisa candidatas para caracterizar mudanças relacionadas à fadiga na carga cognitiva e vigilância. A literatura revisada apoia fortes ligações entre perda de sono, fadiga e deterioração do funcionamento neurocognitivo, mas o uso de monitoramento neurofisiológico em tempo real para avaliação acionável de prontidão no treinamento médico permanece conceitual e requer validação empírica. Propomos o framework CBME-BCI-Fadiga como um modelo de perspectiva gerador de hipóteses para integrar informações do estado fisiológico com avaliação baseada em competências, enfatizando limitações relacionadas à validade do construto, valor incremental, variabilidade individual, viabilidade e governança. Esse arcabouço pode informar futuras pesquisas baseadas em simulação e de baixo risco sobre feedback consciente da fadiga e apoio ao aprendiz em ambientes de treinamento clínico vulneráveis ao sono.
A educação médica no mundo todo continua a caminhar para modelos orientados para resultados, especialmente a educação médica baseada em competências (CBME), que enfatiza habilidades demonstráveis em vez da progressão dependente do tempo. O conceito de competência profissional tem sido há muito discutido em relação à capacidade observável, raciocínio clínico, comunicação, profissionalismo e cuidado seguro aopaciente 1,2. O Projeto de Resultados do Conselho de Acreditação para Educação Médica de Pós-Graduação (ACGME), as abordagens informadas pelo CanMEDS e a teoria subsequente do CBME incentivaram ainda mais os educadores a definir explicitamente os resultados do treinamento e avaliá-loslongitudinalmente 3,4. Discussões recentes enfatizaram o CBME como linha de frente do cuidadoao paciente 5. O trabalho de implementação em ambientes de graduação, pós-graduação e desenvolvimento profissional contínuo também destaca desafios persistentes em viabilidade, cultura de avaliação e desenvolvimento docente 6,7,8,9,10.
Dentro do CBME, as atividades profissionais confiáveis (EPAs) e decisões de encarregamento mudaram a avaliação para as decisões baseadas emsupervisão 11, 12, 13, 14, 15. Curvas de aprendizagem e análises de aprendizagem apoiaram ainda mais a interpretação longitudinal do progresso doaprendiz 16,17. Educação de precisão, passaportes educacionais, ambientes de aprendizagem orientados para maestria e coaching enfatizam feedback, suporte ao aprendiz e supervisãoadaptativa 18,19,20,21. Essas abordagens reconhecem que a competência é inferida a partir de padrões de desempenho ao longo do tempo e do contexto, e não de um único teste. No entanto, permanece um ponto cego persistente: o desempenho observado nem sempre reflete competência subjacente estável. Também é moldada por estados fisiológicos e cognitivos temporários, incluindo sono insuficiente, desalinhamento circadiano, carga de trabalho, estresse emocional e fadiga de decisão22.
Esse problema é especialmente relevante em ambientes clínicos onde os estagiários trabalham durante a noite, gerenciam altos volumes de pacientes, realizam procedimentos e tomam decisões repetidas sob incerteza. A perda de sono e a fadiga têm sido associadas a vigilância prejudicada, controle executivo, velocidade psicomotora, regulação do humor e risco de erro médico 23,24,25,26,27. O desempenho cirúrgico e procedimental pode ser particularmente vulnerável porque depende de atenção sustentada, precisão motora fina e julgamento situacional rápido. Revisões e estudos de simuladores relacionam a privação de sono a mudanças na destreza cirúrgica e no desempenho em gestão decrises 28,29,30. Estudos em nível de paciente e procedimento mostram achados mais heterogêneos, ressaltando a necessidade de interpretação cautelosa 31,32,33. Pesquisas de horas de plantão, incluindo o iCOMPARE e ensaios randomizados relacionados, mostram que sono, transferências, carga de trabalho, segurança do paciente e resultados educacionais são interdependentes, e não reduzíveis a uma única variável deagendamento 34,35,36,37,38.
A variabilidade de desempenho dependente do estado é frequentemente transitória, situacional e difícil de ser capturada usando ferramentas convencionais de avaliação baseadas no ambiente de trabalho. Um episódio de baixo desempenho após um turno noturno pode refletir uma necessidade de aprendizagem duradoura, uma falha transitória relacionada à fadiga, carga de trabalho excessiva, supervisão inadequada ou uma combinação desses fatores. O monitoramento neurofisiológico tem sido proposto como uma abordagem complementar para caracterizar o estado cognitivo durante o aprendizado e a prática. A eletroencefalografia (EEG) pode capturar respostas oscilatórias neurais rápidas e relacionadas a eventos, enquanto a espectroscopia funcional no infravermelho próximo (fNIRS) pode acompanhar mudanças hemodinâmicas corticais, especialmente em regiões pré-frontais envolvidas no controle executivo. Essas modalidades podem fornecer indicadores contextuais de carga de trabalho, vigilância e fadiga. No entanto, elas não devem ser interpretadas como medidas validadas de competência nem usadas como gatilhos diretos para decisões de supervisão ou encarregamento.
Esta revisão narrativa e perspectiva sintetiza evidências que ligam privação de sono e fadiga de decisão ao desempenho clínico, resume características do EEG e fNIRS relevantes para fadiga e carga cognitiva, e propõe um arcabouço CBME-BCI-Fadiga. O objetivo não é apresentar um sistema de avaliação estabelecido, mas esclarecer uma agenda de pesquisa para a interpretação consciente do estado sobre o desempenho dos trainees em ambientes de treinamento médico vulneráveis ao sono. A Figura 1 apresenta o arcabouço proposto, ilustrando como moduladores de desempenho dependentes do estado, monitoramento neurofisiológico e multimodal, interpretação baseada em competências, integração de dados suportada por IA e feedback adaptativo podem estar conectados em futuras pesquisas de treinamento médico conscientes da fadiga.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Abordagem de busca
Este artigo foi desenvolvido como uma revisão narrativa e perspectiva, em vez de uma revisão sistemática, revisão de escopo ou meta-análise. Pesquisamos no PubMed, PsycINFO, Web of Science Core Collection e ERIC desde o início do banco de dados até 31 de dezembro de 2025. Termos de busca combinavam conceitos relacionados à privação de sono, restrição do sono, fadiga, fadiga de decisão, desempenho clínico, educação médica baseada em competências (CBME), carga de trabalho cognitiva, eletroencefalografia (EEG), espectroscopia funcional no infravermelho próximo (fNIRS), interfaces cérebro-computador (BCIs) e treinamento médico. Uma atualização direcionada também foi realizada para incorporar literatura recente sobre fNIRS relevante para o monitoramento do sono e da fadiga.
As fontes foram selecionadas e priorizadas quando informaram diretamente uma das quatro áreas: mudanças relacionadas ao sono ou fadiga no desempenho neurocognitivo e clínico; Marcadores derivados do EEG ou fNIRS de fadiga, carga de trabalho, vigilância ou vulnerabilidade relacionada ao sono; trabalho conceitual ou aplicado relevante para integrar informações do estado fisiológico na CBME; e questões éticas ou de implementação relevantes para uso educacional. Fontes não foram selecionadas para fornecer cobertura exaustiva de toda a literatura sobre sono, BCI ou neurotecnologia. Não priorizamos estudos que fossem principalmente artigos básicos de neurociência, engenharia de dispositivos ou neuromodulação terapêutica, a menos que eles informassem diretamente a interpretação consciente da fadiga sobre o desempenho dos trainees. Nenhuma avaliação formal de risco de viés ou agrupamento meta-analítico foi realizado; Os achados foram sintetizados de forma descritiva e crítica para apoiar uma perspectiva conceitual e geradora de hipóteses.
Contribuição do romance e público-alvo
A novidade desta revisão está em conectar vários corpos de literatura relacionados, mas frequentemente discutidos separadamente — fadiga dos residentes, privação de sono, fadiga de decisão, carga cognitiva, monitoramento neurofisiológico e avaliação CBME — em torno de um problema educacional específico: como os educadores devem interpretar o desempenho clínico observado quando o estado cognitivo de um estagiário pode ser temporariamente alterado pela perda de sono, fadiga de decisão, ou carga de trabalho. O público-alvo são educadores médicos, clínicos-educadores, diretores de programas e pesquisadores interessados na interpretação consciente da fadiga sobre o desempenho dos trainees. O framework proposto CBME-BCI-Fadiga tem como objetivo organizar futuras questões de pesquisa e esclarecer requisitos de validação, não validar um sistema operacional de monitoramento ou apoiar decisões atuais de avaliação de alto risco.
Competência como desempenho dinâmico no CBME
A justificativa original do CBME não era simplesmente criar novos formulários de avaliação, mas alinhar a educação médica às necessidades dos pacientes e dos sistemas de saúde. A CBME enfatiza a progressão baseada em proficiência, trajetórias de aprendizagem individualizadas e evidências de que os aprendizes podem realizar atividades clínicas significativas com supervisão adequada 5,6. Estruturas nacionais e regionais de competências, incluindo estruturas de competência para residência baseadas na China e discussões sobre desenvolvimento de talentos i-FIRST, fornecem uma linguagem estruturada para o desenho curricular, desenvolvimento do aprendiz e responsabilidade educacional 7,8. Ao mesmo tempo, a literatura sobre implementação do CBME observa preocupações persistentes sobre viabilidade, desenvolvimento de docentes, carga de avaliação e risco de reduzir práticas profissionais complexas para fazer checklistde comportamentos 9,10.
As EPAs e decisões de encarregamento têm sido particularmente influentes porque conectam a avaliação à questão clínica de quanto de supervisão um aprendiz precisa para uma atividade profissionaldefinida 11,12,13,14. A implementação da EPA também destaca que a confiança é um julgamento sobre o aprendiz, uma tarefa, um contexto e um nível de supervisão; Não é simplesmente uma característica fixa embutida noTrainee 15. Da mesma forma, curvas de aprendizagem e análises de aprendizagem podem ajudar os educadores a identificar trajetórias ao longo do tempo, em vez de superinterpretar pontos de dadosisolados 16,17. Educação de precisão, passaportes educacionais, ambientes de aprendizagem orientados para domínio e coaching reforçam ainda mais a ideia de que a avaliação deve apoiar desenvolvimento, feedback e suporteadaptativo 18,19,20,21.
Uma perspectiva dependente do estado estende essa lógica. Se um estagiário tem um desempenho ruim após uma demora prolongada ou uma mudança cognitivamente intensa, a questão da avaliação não é apenas se o estagiário não possui competência. Também é importante saber se o comportamento observado reflete vulnerabilidade relacionada à fadiga, carga excessiva de trabalho, má supervisão, design do sistema ou um descompasso entre as demandas da tarefa e o estado cognitivo. Uma lacuna estável de competência pode exigir prática e treinamento deliberados; Uma falha relacionada à fadiga pode exigir planejamento de recuperação, redesenho da carga de trabalho, ajuste de supervisão ou intervenção em nível de cronograma. Portanto, a avaliação consciente do Estado não redefine competência. Em vez disso, melhora o contexto em que os dados de desempenho são interpretados e reduz o risco de classificar erroneamente a incapacidade transitória como incapacidade duradoura.
Privação de sono, interrupção circadiana e fadiga de decisão
Privação de sono e fadiga são fatores generalizados, porém subestimados, determinantes do desempenho dos médicos. No treinamento clínico, turnos prolongados, trabalho noturno, carga de trabalho imprevisível e transferências frequentes expõem os estagiários a condições que podem prejudicar a alerta e a tomada de decisões. Estudos sobre sono e bem-estar de médicos relacionaram o sono e o sofrimento relacionado ao esgotamento a erros médicos clinicamentesignificativos 23. Turnos de longa duração também têm sido associados ao aumento das falhas de atenção, erros médicos e eventosadversos 24. A fadiga e o sofrimento dos residentes podem influenciar ainda mais erros médicos auto-relatados, sugerindo que o risco de desempenho é em parte comportamental, parcialmente cognitivo e parcialmente no níveldo sistema 25.
Estudos observacionais e experimentais em médicos e médicos reforçam essa preocupação. Internos e residentes que trabalham em turnos prolongados apresentam redução das oportunidades de sono e padrões de alertaalterados 26. A redução das horas de trabalho dos internos nas unidades de UTI esteve associada a menos erros médicos graves em um estudo histórico27. Estudos cirúrgicos e procedimentais mostram que a privação de sono pode prejudicar a destreza do simulador e o desempenho em gerenciamento decrises 28,29,30. Estudos em nível de paciente e procedimento continuam mais heterogêneos e não devem ser simplificadosdemais 31,32,33. Diferenças entre especialidade, nível de treinamento, complexidade de casos, supervisão, estrutura da equipe e tipo de resultado podem explicar por que as decrementações relacionadas à fadiga são mais claras para vigilância, desempenho simulado e medidas de processo do que para os resultados posteriores dos pacientes.
Os testes de horários ilustram por que a educação consciente da fadiga não pode depender apenas da duração do turno. O estudo iCOMPARE constatou que as políticas flexíveis de horários de trabalho não eram inferiores às políticas padrão para desfechos educacionais selecionados e desfechos de segurançado paciente 34,35. Análises de acompanhantes relataram que sono e alerta não necessariamente pioraram sob as regras flexíveis de horáriode serviço 36. Em contraste, um estudo randomizado com horários sem turnos de 24 horas mostrou que eliminar turnos prolongados não melhorou uniformemente a segurança dopaciente 37. Um estudo relacionado com turnos prolongados de trabalho encontrou efeitos no desempenho neurocomportamental em médicosresidentes 38. Em conjunto, esses achados mostram que oportunidade de sono, carga de trabalho, continuidade, trocas de mão e supervisão interagem de maneiras complexas.
A literatura mais ampla sobre ciência do sono fornece um contexto mecanicista. A interrupção do sono prejudica a atenção sustentada, a memória de trabalho, a inibição de resposta, a regulação emocional e o desempenho complexo de tarefas 39,40,41,42. Rotinas de sono irregulares ou instáveis também podem afetar os resultados acadêmicos e cognitivos, sugerindo que a estabilidade do sono importa além da duração dosono 43,44. Restrição crônica do sono com a recuperação de fim de semana pode deixar efeitos residuais no desempenho ebem-estar 45. Na educação médica, esses achados são importantes porque as avaliações de treinamento geralmente são realizadas durante a vigília, mas raramente documentam o estado do aprendiz em que o desempenho é expresso.
A fadiga de decisão adiciona um mecanismo relacionado, mas distinto. Refere-se a uma deterioração na qualidade da decisão após escolhas repetidas ou esforçadas, especialmente quando decisões exigem autocontrole, gestão da incerteza ou concessões devalor 46. Decisões clínicas geralmente envolvem triagem, prescrição, escalonamento de cuidados, documentação e transferências sob pressão de tempo. Pesquisas recentes sobre prescrição sugerem que o tempo dedicado à tarefa e as exigências acumuladas de decisão podem afetar as escolhasclínicas 47. A fadiga dos turnos noturnos também pode alterar padrões de busca e desempenho diagnóstico emradiologia 48. No entanto, a fadiga de decisão deve ser interpretada com cautela, pois a literatura é metodologicamente heterogênea e os efeitos podem variar entre tarefas, ambientes e profissionais de saúde.
Marcadores EEG e fNIRS de fadiga e carga cognitiva
O EEG tem sido amplamente utilizado para estudar vigilância, pressão do sono, fadiga e carga mental de trabalho. Em estudos médicos, o EEG quantitativo após um plantão de plantão durante a noite mostrou mudanças na atividade theta, alfa e beta compatíveis com fadigamental 49,50. Esses estudos são importantes porque aproximam a avaliação neurofisiológica do trabalho clínico real, em vez de depender apenas de paradigmas laboratoriais de privação de sono. No entanto, eles permanecem observacionais e não podem estabelecer sozinhos que o EEG pode determinar se um trainee está pronto para realizar uma tarefa clínica específica.
A interpretação do EEG em nível de características é mais ampla do que as mudanças comumente citadas em theta ou alpha/beta. Estudos de carga de trabalho com EEG frontal apoiam o uso de padrões espectrais e regionais para estimativa de cargade trabalho 51. Estudos de EEG de privação de sono examinaram mudanças na atividade espectral após a perda de sono52. A banda theta também tem uma dupla interpretação: pode refletir a pressão do sono, mas também pode participar do controle cognitivo, um ponto que complica a classificação simples defadiga 53. Estudos de monitoramento de memória de trabalho em tempo real e trabalhos de classificação de estados de driver mostram ainda como características de EEG podem ser incorporadas em pipelines no estilo BCI, mas esses pipelines permanecem sensíveis ao design de tarefas, pré-processamento e variabilidadeindividual 54,55. Estudos de confiabilidade e validação neuroergonoma enfatizam que a configuração dos eletrodos, escolhas de pré-processamento, métricas subjetivas e design de tarefas influenciam índices de cargade trabalho 56,57. Trabalhos mais recentes de previsão de carga cognitiva multinível sugerem que combinar assinaturas espaciais, temporais e espectrais pode melhorar a classificação58.
A espectroscopia funcional no infravermelho próximo (fNIRS) fornece informações complementares ao medir mudanças hemodinâmicas, incluindo hemoglobina oxigenada, hemoglobina desoxigenada e hemoglobina total. A literatura do fNIRS sobre fadiga e privação de sono apoia sua relevância para medir correlatos corticais de esforço cognitivo, redução do estado de alerta e mudançassociocognitivas 59. Análises de fNIRS focadas no sono mostram ainda como sinais hemodinâmicos ópticos podem contribuir para pesquisas sobre o sono e detecção defadiga 60. Um estudo recente de 2026 sobre biomarcadores fNIRS em banda cardíaca para diferenciação do sono por movimentos oculares não rápidos com validação de EEG ilustra o interesse crescente em características do domínio da frequência e das bandas cardíacas além da simples amplitude61 do HbO. Juntas, essa literatura apoia uma discussão em nível de característica que inclui HbO, HbR, HbT, respostas no domínio do tempo, conectividade e biomarcadores no domínio da frequência.
Estudos sobre fNIRS pré-frontais são particularmente relevantes porque o controle executivo, a inibição da resposta e a regulação da carga de trabalho dependem fortemente dos sistemas frontais. A privação de sono tem sido associada à alteração da conectividade funcional relacionada à tarefa no córtexfrontal 62. Trabalhos relacionados encontraram perda de conectividade funcional frontal após privação de sono63. Estudos em jovens adultos com sono curto também sugerem que as respostas hemodinâmicas pré-frontais podem variar com o comportamento de sono e a atividadefísica 64. O fNIRS vestível tem sido usado para detecção automática de fadiga cognitiva com machinelearning 65. Sistemas híbridos EEG-fNIRS podem melhorar a classificação da carga de trabalho integrando conectividade funcional cerebral e propriedades complementaresde sinais 66,67. Coletivamente, esses estudos apoiam o uso de EEG e fNIRS como ferramentas de pesquisa e como indicadores contextuais candidatos, mas ainda não como medidas validadas de prontidão no treinamento médico.
A Tabela 1, portanto, se destina a ser um mapa em nível de características, e não apenas uma hierarquia de biomarcadores validados. Ela distingue características espectrais, relacionadas a eventos, temporais e de conectividade do EEG das características baseadas em amplitude, domínio do tempo, conectividade e domínio da frequência ou banda cardíaca do fNIRS. Essa distinção é importante porque cada família de características captura diferentes dimensões do construto de carga de trabalho de fadiga e carrega riscos distintos de artefatos e interpretações. Por exemplo, uma razão theta/alfa mais alta, amplitude P300 reduzida ou HbO pré-frontal mais baixo podem ser compatíveis com fadiga, mas também podem refletir dificuldade na tarefa, esforço compensatório, estresse, configuração do sensor ou diferenças individuais de base. A tabela tem como objetivo apoiar o desenho de estudos, o alinhamento de construções e a interpretação cautelosa, não para definir limiares operacionais para competência, confiança ou prontidão clínica.
BCI, fusão multimodal e aplicações educacionais
BCIs não invasivas e tecnologias neurofisiológicas vestíveis expandiram-se rapidamente nos domínios médico, de engenharia e educacionais. Avaliações de dispositivos vestíveis baseados em EEG em BCI destacam progressos em portabilidade e aplicaçõesmédicas 68. Revisões mais amplas e de ponta enfatizam que sistemas BCI não invasivos estão melhorando, mas ainda enfrentam limitações em qualidade do sinal, usabilidade, calibração erobustez 69,70,71,72. Essas restrições são importantes para a educação médica porque uma ferramenta educacional deve ser não apenas precisa em um ambiente controlado, mas também viável, aceitável, interpretável e alinhada com as construções educacionais.
As aplicações educacionais mais defensáveis são simulação, pesquisa e feedback de baixo risco. O treinamento laparoscópico em VR pode sincronizar dados de desempenho com sinais relacionados à carga de trabalho para estudar como a demanda cognitiva se relaciona com o aprendizadoprocedimental 73. Tarefas neurocirúrgicas simuladas usaram IA e EEG para distinguir níveis de especialização, sugerindo um caminho para estudar a aquisição de habilidades em vez de substituir o julgamento dosprofessores 74. Ambientes de jogos sérios e de realidade mista usaram análises de biossensores para estimar o engajamentoafetivo 75. Sistemas passivos de BCI que adaptam a velocidade de aprendizado à carga cognitiva ilustram como o feedback sensível ao estado pode operar em contextos educacionais de menor risco76. O trabalho de detecção ambulatória do sono mostra como dados multimodais de séries temporais podem suportar o monitoramento longitudinal fora do laboratório77. Esses exemplos devem ser melhor interpretados como evidências de apoio ou prova de conceito, não como validação para decisões de encarregamento ou remediação de alto risco.
Estudos de staging do sono assistido por IA mostram como métodos de aprendizado de máquina podem classificar séries temporais fisiológicas relacionadas aosono 78,79,80. Reativação direcionada de memória, neuromodulação vestível, intervenções contra fadiga e sistemas fNIRS sem fio ilustram ainda mais como sinais fisiológicos podem ser rastreados ou usados em arquiteturas de feedbackadaptativo 81,82,83,84,85. Esses estudos são tecnicamente informativos, mas sua relevância educacional direta é limitada, a menos que estejam ligados ao desempenho diurno, momento de feedback, decisões de supervisão ou suporte ao aprendiz em contextos de treinamento. Portanto, elas devem ser interpretadas como pontes metodológicas, e não como evidências de que a avaliação consciente da fadiga dentro do CBME está pronta para uso rotineiro.
A tradução no ambiente de trabalho exige mais cautela do que a simulação. Ambientes clínicos autênticos introduzem artefatos de movimento, interrupções, estresse emocional, exigências de trabalho em equipe, gravidade do paciente, objetivos variáveis de tarefas e dinâmicas de poder implícitas entre formandos e supervisores. Portanto, os dados fisiológicos em avaliações baseadas no ambiente de trabalho devem ser voluntários, de baixo risco e contextuais. Aplicações razoáveis incluem mapeamento agregado de risco de fadiga, avaliação de cronograma, debriefing de simulação ou feedback controlado pelo aprendiz. Aplicações irrazoáveis incluiriam o uso de EEG, fNIRS ou limiares multimodais como evidências independentes para confiança, promoção, remediação ou disciplina.
Evidências estabelecidas versus extensões conceituais
Uma distinção central nesta revisão é entre evidência estabelecida e extensão conceitual. A evidência estabelecida é que privação de sono, interrupção circadiana, vigília prolongada e fadiga prejudicam domínios neurocognitivos que importam para o trabalhoclínico 23,24,25,26,27. Trabalhos meta-analíticos e experimentais apoiam ainda os efeitos sobre atenção, controle executivo, regulação do humor e desempenho de tarefascomplexas 39,40,41,42. Estudos médicos e procedimentais indicam que a fadiga pode afetar o risco de erro, a busca diagnóstica, o gerenciamento de crises e o desempenhotécnico 28,29,30,48. No entanto, estudos em nível de procedimento e desfecho também mostram heterogeneidade, o que argumenta contra a interpretação simples e direta de fadiga e danoclínico 31,32,33. Os testes de horas de serviço demonstram que políticas conscientes da fadiga devem considerar o desenho de horários de trabalho juntamente com oportunidades de sono, carga de trabalho, transferências, continuidade e consequênciaseducacionais 34,35,36,37,38. Estudos de EEG em médicos e paradigmas de carga de trabalho apoiam sensibilidade neural à fadiga e à cargacognitiva 49,50,51, enquanto estudos fNIRS, vestíveis e híbridos EEG-fNIRS fornecem evidências hemodinâmicas complementares e multimodais 59,60,61,62,63,64,65,66, 67.
A extensão conceitual é a proposta de que indicadores de estado fisiológico podem ajudar a contextualizar o desempenho dos participantes dentro do CBME. Essa extensão é plausível, mas não validada. Evidências de que a perda de sono altera a atividade neural não implicam automaticamente que o monitoramento em tempo real possa gerar decisões acionáveis de supervisão ou educação. Atualmente, nenhum padrão generalizável em tempo real de atividade neural ou hemodinâmica demonstrou identificar de forma confiável instabilidade cognitiva ou prontidão clínica entre indivíduos, tarefas, especialidades e ambientes operacionais. O mesmo padrão fisiológico pode refletir fadiga, esforço cognitivo, ansiedade, motivação, dificuldade na tarefa, engajamento compensatório, artefato sensorial, estresse ambiental ou diferenças individuais de base.
Assim, o arcabouço CBME-BCI-Fadiga deve ser interpretado como um modelo de pesquisa, e não como um sistema de avaliação implementado. Seu objetivo é esclarecer como moduladores dependentes do estado, monitoramento fisiológico e comportamental, e interpretação baseada em competências do desempenho observado podem ser estudados juntos. Em simulação ou outros ambientes de pesquisa de baixo risco, características de EEG ou fNIRS podem ser coletadas junto com erros de tarefa, tempo de resposta, avaliações de carga de trabalho, histórico de sono, testes de vigilância psicomotora e feedback do supervisor para testar se indicadores de estado ajudam a explicar a variabilidade do desempenho. Em contextos de avaliação no ambiente de trabalho, dados fisiológicos exigem ainda mais cautela. Na base de evidências atual, tais dados podem ser mais apropriados para pesquisa agregada de risco de fadiga, elaboração de cronogramas ou suporte voluntário ao aprendiz. Eles não devem ser usados como base independente para transferência, promoção, remediação ou decisões disciplinares. A Tabela 2 resume essas distinções separando evidências estabelecidas, extensões conceituais, requisitos de validação e referências representativas de apoio dentro do arcabouço CBME-BCI-Fadiga.
Construa validade, valor incremental, linhas de base individuais e governança
A validade dos construtos é o principal desafio metodológico para o monitoramento neurofisiológico consciente da fadiga. Sinais de EEG e fNIRS não são específicos para fadiga ou prontidão; Eles também podem refletir dificuldade na tarefa, ansiedade, motivação, esforço cognitivo, engajamento compensatório, estresse ambiental, artefatos sensoriais, ou diferenças individuais de base. Estudos futuros devem, portanto, pré-definir o construto educacional que está sendo medido, especificar a relação esperada entre estado fisiológico e desempenho, e triangular sinais fisiológicos com dados comportamentais, contextuais e educacionais, em vez de interpretar um único sinal como um marcador direto de competência.
O valor incremental também deve ser demonstrado. O monitoramento EEG/fNIRS deve ser avaliado em comparação com comparadores mais simples e viáveis, incluindo registros de sono, actigrafia, testes de vigilância psicomotora, triagem cognitiva breve, avaliações de carga de trabalho, telemetria de desempenho e observação especializada. Uma abordagem neurofisiológica só seria justificada se melhorar a explicação, previsão, tempo de feedback ou apoio ao aprendiz além dessas medidas. Sem tais evidências, o monitoramento multimodal pode adicionar complexidade sem melhorar a tomada de decisões educacionais.
A modelagem de base individual é essencial. Variação interindividual na atividade neural, vulnerabilidade ao sono, cronótipo, resposta ao estresse, experiência clínica e ajuste ao sensor limita o valor dos limiares universais. Uma linha de base específica para o treinante pode ajudar a distinguir desvios incomuns relacionados à fadiga em relação à variação fisiológica normal, mas isso requer medições repetidas, posicionamento confiável dos sensores, âncoras padronizadas de tarefas e modelos analíticos transparentes. O aprendizado de máquina pode ajudar a integrar sinais multimodais, mas não pode resolver construtos inválidos, dados tendenciosos, baixa qualidade do sinal ou suposições causais pouco claras. Adaptação de domínio, algoritmos que preservam a privacidade e modelagem generativa podem reduzir parte da carga de calibração, mas exigem validação mais ampla antes de serem usados para apoiar decisõeseducacionais 86,87.
Barreiras técnicas e ecológicas permanecem substanciais. O EEG é vulnerável a artefatos de movimento, impedância de eletrodo, ruído ambiental, dependência de montagem e opções de pré-processamento. O fNIRS é afetado pela colocação de optodos, fluxo sanguíneo no couro cabeludo, movimento, cabelo, penetração limitada em profundidade e menor resolução temporal. Sistemas vestíveis estão melhorando, incluindo dispositivos compactos sem fio para monitoramento de atividadecognitiva 85, mas conforto e viabilidade não estabelecem validade educacional. A implantação também exige configuração compatível com fluxos de trabalho, relatórios interpretáveis, segurança de dados e aceitação pelo usuário final. Estudos de aceitação social nos lembram que a confiança do usuário e o propósito percebido são centrais para a adoção88.
A governança ética deve ser tratada como uma condição limite do quadro, e não como um pensamento tardio. Dados neurofisiológicos podem revelar ou sugerir informações sobre fadiga, atenção, emoção ou estado de saúde. O desenvolvimento responsável da neurotecnologia requer limitação de propósitos, minimização de dados, armazenamento seguro, transparência, controles de acesso e atenção cuidadosa à autonomia e consentimento89,90. Sistemas BCI em rede também levantam preocupações de cibersegurança, especialmente se os resultados decodificados influenciarem feedback, oportunidades de treinamento ou decisões relevantes paraa segurança 91. Na educação, os aprendizes podem sentir pressão implícita para participar, e métricas fisiológicas podem, sem querer, amplificar o viés se os modelos tiverem desempenho desigual entre populações ou contextos. Pesquisas futuras devem priorizar a participação voluntária sempre que possível, separação clara entre feedback favorável e julgamento de alto risco, mecanismos de apelação e governança informada pelas partes interessadas.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Privação de sono e fadiga de decisão são contribuintes estabelecidos para a variabilidade dependente do estado na atenção, controle executivo, desempenho psicomotor e tomada de decisão clínica. Na formação médica, essas flutuações podem complicar a interpretação da competência observada, especialmente em ambientes de alta demanda como medicina de emergência, cuidados críticos, anestesia e cirurgia. A educação médica baseada em competências pode, portanto, se beneficiar de uma atenção mai...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Os autores declaram não haver conflito de interesses.
Os autores agradecem com gratidão aos colegas do Departamento de Medicina de Cuidados Críticos e do Departamento de Educação de nossa instituição pelo apoio e discussões durante a preparação desta revisão. Esse trabalho foi apoiado pelo Projeto de Pesquisa Científica Geral do Departamento Provincial de Educação de Zhejiang (Bolsa nº Y202557476).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.