Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Derleme makalesi

Uyku Eksikliği, Karar Yorgunluğu ve Tıbbi Eğitimde Klinik Performans: Nörofizyolojik İzleme Üzerine Anlatı Değerlendirmesi ve Bakış Açısı

117 görüntülenme

⸱

DOI:

10.3791/71627

⸱

28 Temmuz 2026

* These authors contributed equally

Bu makalede

Özet

Bu anlatı incelemesi ve bakış açısı, uyku eksikliği ve karar yorgunluğunun klinik performansı nasıl etkilediğini inceler ve EEG ile fNIRS tabanlı izlemeyi, tıp eğitiminde yorgunluk farkında yorumlama ve geri bildirim için kavramsal araçlar olarak değerlendirir.

Özet

Uykusuzluk ve karar yorgunluğu, gündüz klinik performansının önemli ancak çoğu zaman yeterince tanınmayan faktörleridir. Tıp eğitim ortamlarında, bu duruma bağlı faktörler dikkat, yürütme kontrolü ve karar alma süreçlerini bozabilir ve uyanıklık sırasında gözlemlenen yetkinliğin yorumlanmasını zorlaştırabilir. Bu anlatı incelemesi ve bakış açısı, uyku bilimi, nörofizyoloji, psikoloji ve tıp eğitiminden kanıtları sentezleyerek uyku kaybı ve karar yorgunluğunun klinik performansı nasıl şekillendirdiğini ve invaziv olmayan izleme yaklaşımlarının bu değişkenliği bağlamlandırmaya nasıl yardımcı olabileceğini incelemektedir. Bilişsel iş yükü ve uyanıklıktaki yorgunlukla ilgili değişiklikleri karakterize etmek için elektroensefalografi (EEG) ve fonksiyonel yakın kızılötesi spektroskopi (fNIRS) aday araştırma araçları olarak dikkat çekmektedir. İncelenen literatür, uyku kaybı, yorgunluk ve bozuk nörobilişsel işlevsel işlevler arasındaki güçlü bağlantıları desteklemekte, ancak tıbbi eğitimde uygulanabilir hazırlık değerlendirmesi için gerçek zamanlı nörofizyolojik izlemenin kullanımı kavramsal olmaya devam etmekte ve ampirik doğrulama gerektirmektedir. CBME-BCI-Yorgunluk çerçevesini, fizyolojik durum bilgisini yetkinlik temelli değerlendirmeyle entegre etmek için hipotez üreten bir perspektif modeli olarak öneriyoruz; aynı zamanda yapı geçerliliği, artan değer, bireysel değişkenlik, fizibilite ve yönetişimle ilgili sınırlamalara vurgu yapıyoruz. Bu çerçeve, uykuya karşı hassas klinik eğitim ortamlarında yorgunluk farkında geri bildirim ve öğrenen desteği üzerine gelecekteki simülasyon tabanlı ve düşük riskli araştırmaları yönlendirebilir.

Giriş

Dünya genelinde tıp eğitimi, özellikle zamana bağlı ilerleme yerine kanıtlanabilir yeteneklere vurgu yapan yetkinlik odaklı tıp eğitimi (CBME) olmak üzere, sonuç odaklı modellere doğru ilerliyor. Mesleki yeterlilik kavramı, gözlemlenebilir yetenek, klinik akıl yürütme, iletişim, profesyonellik ve güvenli hasta bakımı ile uzun süredirtartışılmıştır 1,2. Lisansüstü Tıp Eğitimi Akreditasyon Konseyi (ACGME) Sonuçlar Projesi, CanMEDS esaslı yaklaşımlar ve sonraki CBME teorisi, eğitimcileri eğitim sonuçlarını açıkça tanımlamaya ve bunları uzunlamasına değerlendirmeye teşviketmiştir 3,4. Son tartışmalar, CBME'nin hasta bakımının ön saflarında olduğuvurgulanmıştır 5. Lisans, lisansüstü ve sürekli mesleki gelişim ortamlarında uygulama çalışmaları, fizibilite, değerlendirme kültürü ve öğretimüyesi gelişimi 6,7,8,9,10 konusundaki kalıcı zorlukları da vurgulamaktadır.

CBME içinde, güvenilebilir mesleki faaliyetler (EPA'lar) ve emanet kararları, değerlendirmeyi gözetim temellikararlara kaydırmıştır 11,12,13,14,15. Öğrenme eğrileri ve öğrenme analizleri, öğrenen ilerlemesinin uzunlamasına yorumlanmasını daha dadesteklemiştir 16,17. Hassas eğitim, eğitim pasaportları, ustalık odaklı öğrenme ortamları ve koçluk geri bildirim, öğrenci desteği ve uyarlanabilir denetimivurgular 18,19,20,21. Bu yaklaşımlar, yetkinliğin tek bir testten değil, zaman ve bağlam içindeki performans kalıplarından çıkarıldığını kabul eder. Ancak, kalıcı bir kör nokta kalır: gözlemlenen performans her zaman istikrarlı temel yetkinliği yansıtmaz. Ayrıca, yetersiz uyku, sirkadiyen uyumsuzluk, iş yükü, duygusal stres ve karar yorgunluğu gibi geçici fizyolojik ve bilişsel durumlar tarafından daşekillenir 22.

Bu sorun, özellikle stajyerlerin gece boyunca çalıştığı, yüksek hasta hacmini yönettiği, prosedürler uyguladığı ve belirsizlik altında tekrar eden kararlar aldığı klinik ortamlarda özellikle geçerlidir. Uyku kaybı ve yorgunluk, bozulmuş uyanıklık, yönetici kontrol, psikomotor hız, ruh hali düzenlemesi ve tıbbi hata riskiile ilişkilendirilmiştir 23,24,25,26,27. Cerrahi ve prosedürel performans, sürekli dikkat, ince motor hassasiyet ve hızlı durumsal yargı gerektirdiği için özellikle savunmasız olabilir. İncelemeler ve simülatör çalışmaları, uyku yoksunluğunu cerrahi çeviklik ve kriz yönetimi performansındaki değişikliklerleilişkilendirmektedir 28,29,30. Hasta düzeyinde ve prosedür düzeyinde çalışmalar daha heterojen bulgular göstererek, dikkatli yorum gerekliliğinivurguluyor 31,32,33. iCOMPARE ve ilgili rastgele çalışmalar dahil olmak üzere görev saati araştırmaları, uyku, teslimatlar, iş yükü, hasta güvenliği ve eğitim sonuçlarının tek bir planlamadeğişkeni olan 34,35,36,37,38'e indirgenelemeyen birbirine bağımlı olduğunu göstermektedir.

Duruma bağlı performans değişkenliği genellikle geçici, durumsal ve geleneksel işyeri tabanlı değerlendirme araçlarıyla yakalamak zordur. Gece vardiyasından sonra düşük performans atakları, kalıcı bir öğrenme ihtiyacını, geçici yorgunlukla ilgili bir eksiklik, aşırı iş yükü, yetersiz denetim veya bu faktörlerin birleşimini gösterebilir. Nörofizyolojik izleme, öğrenme ve uygulama sırasında bilişsel durumu karakterize etmek için tamamlayıcı bir yaklaşım olarak önerilmiştir. Elektroensefalografi (EEG) hızlı sinirsel salınımlı ve olayla ilgili yanıtları yakalayabilirken, fonksiyonel yakın kızılötesi spektroskopi (fNIRS) özellikle yürütücü kontrolde yer alan prefrontal bölgelerde kortikal hemodinamik değişiklikleri takip edebilir. Bu modaliteler, iş yükü, tetik ve yorgunluk açısından bağlamsal göstergeler sağlayabilir. Ancak, bunlar doğrulanmış yetkinlik ölçütü olarak yorumlanmamalı veya denetim veya emanet kararları için doğrudan tetikleyici olarak kullanılmamalıdır.

Bu anlatı incelemesi ve bakış açısı, uyku eksikliği ve karar yorgunluğunu klinik performansla ilişkilendiren kanıtları sentezler, yorgunluk ve bilişsel iş yüküyle ilgili EEG ve fNIRS özelliklerini özetler ve bir CBME-BCI-Yorgunluk çerçevesi önerir. Amaç, yerleşik bir değerlendirme sistemi sunmak değil, uykuya karşı hassas tıbbi eğitim ortamlarında stajyer performansının devlet bilinçli yorumlanması için bir araştırma gündemini netleştirmektir. Şekil 1, duruma bağlı performans modülatörleri, nörofizyolojik ve multimodal izleme, yeterlilik tabanlı yorumlama, yapay zeka destekli veri entegrasyonu ve uyarlanabilir geri bildirimin gelecekteki yorgunluk farkında tıbbi eğitim araştırmalarında nasıl bağlantılı olabileceğini gösteren önerilen çerçeveyi sunmaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

İnceleme ve perspektif

Arama yaklaşımı

Bu makale, sistematik bir inceleme, kapsam incelemesi veya meta-analiz yerine anlatı incelemesi ve bakış açısı olarak geliştirilmiştir. Veritabanının kuruluşundan 31 Aralık 2025'e kadar PubMed, PsycINFO, Web of Science Core Collection ve ERIC aramalarını yaptık. Arama terimleri, uyku yoksunluğu, uyku kısıtlaması, yorgunluk, karar yorgunluğu, klinik performans, yetkinlik temelli tıp eğitimi (CBME), bilişsel iş yükü, elektroensefalografi (EEG), fonksiyonel yakın kızılötesi spektroskopi (fNIRS), beyin-bilgisayar arayüzleri (BCI) ve tıbbi eğitim gibi kavramları birleştirdi. Ayrıca, uyku ve yorgunluk izleme ile ilgili güncel fNIRS literatürlerini dahil etmek için hedefli bir güncelleme gerçekleştirildi.

Kaynaklar, doğrudan dört alandan birini bilgilendirdiğinde seçildi ve önceliklendirildi: nörobilişsel ve klinik performansta uyku veya yorgunlukla ilgili değişiklikler; yorgunluk, iş yükü, tetik veya uyku ile ilgili savunmasızlık EEG veya fNIRS kaynaklı belirteçleri; fizyolojik durum bilgisini CBME'ye entegre etmeye yönelik kavramsal veya uygulamalı çalışmalar; ve eğitim kullanımıyla ilgili etik veya uygulama konuları. Tüm uyku, BCI veya nöroteknoloji literatürünü kapsamlı kapsama almak için kaynaklar seçilmemiştir. Öncelikle temel sinirbilim, cihaz mühendisliği veya terapötik nöromodülasyon makaleleri olan çalışmaları, stajyer performansının yorgunluk farkındalığına doğrudan yönlendirmedikçe önceliklendirmedik. Resmi bir risk önyargısı değerlendirmesi veya meta-analitik havuzlama yapılmadı; bulgular, kavramsal, hipotez üreten bir perspektif çerçevesini desteklemek için betimleyici ve eleştirel bir şekilde sentezlendi.

Roman katkısı ve hedef kitle

Bu incelemenin yeniliği, birbirine bağlı ama çoğu zaman ayrı ayrı tartışılan literatür dizilerini—resident yorgunluğu, uyku yoksunluğu, karar yorgunluğu, bilişsel iş yükü, nörofizyolojik izleme ve CBME değerlendirmesi—belirli bir eğitim problemi etrafında birleştirmektedir: eğitimcilerin bir stajyerin bilişsel durumu uyku kaybı, karar yorgunluğu nedeniyle geçici olarak değiştirilebileceği durumlarda gözlemlenen klinik performansı nasıl yorumlamaları gerektiği, ya da iş yükü. Hedef kitle, tıp eğitimcileri, klinisyen-eğitmenler, program direktörleri ve stajyer performansının yorgunluk farkında yorumlanmasıyla ilgilenen araştırmacılardır. Önerilen CBME-BCI-Yorgunluk çerçevesi, gelecekteki araştırma sorularını düzenlemek ve doğrulama gereksinimlerini netleştirmek için tasarlanmıştır; operasyonel izleme sistemini doğrulamak veya mevcut yüksek riskli değerlendirme kararlarını desteklemek için değil.

CBME'de dinamik performans olarak yetkinlik

CBME'nin asıl gerekçesi sadece yeni değerlendirme formları oluşturmak değil, aynı zamanda tıbbi eğitimi hastaların ve sağlık sistemlerinin ihtiyaçlarıyla uyumlu hale getirmekti. CBME, yeterlilik, bireyselleştirilmiş öğrenme yörüngeleri ve öğrencilerin uygun gözetimle anlamlı klinik faaliyetler yapabildiğine dair kanıtlara dayalı ilerlemeyivurgular 5,6. Çin merkezli ikamet yetkinlik çerçeveleri ve i-FIRST yetenek geliştirme tartışmaları dahil olmak üzere ulusal ve bölgesel yeterlilik çerçeveleri, müfredat tasarımı, öğrenci gelişimi ve eğitimsel hesap verebilirlik için yapılandırılmış dilsağlar 7,8. Aynı zamanda, CBME uygulamasıyla ilgili literatürler, fizibilite, öğretim üyesi gelişimi, değerlendirme yükü ve karmaşık mesleki uygulamanın davranış listesine indirgenme riski ile ilgili sürekli endişeleribelirtmektedir 9,10.

EPA'lar ve emanet kararları, değerlendirmeyi, bir öğrencinin tanımlanmış bir mesleki faaliyet için ne kadar denetime ihtiyaç duyduğu klinik soruya bağladıkları için özellikle etkiliolmuştur 11,12,13,14. EPA uygulaması ayrıca emanet edinmenin bir öğrenen, bir görev, bağlam ve bir denetim düzeyi hakkında bir yargı olduğunu vurgular; Bu, Trainee15'te yerleşik sabit bir özellik değildir. Benzer şekilde, öğrenme eğrileri ve öğrenme analizleri, eğitimcilerin tek veri noktalarını aşırı yorumlamak yerine zaman içindeki yörüngeleri belirlemelerineyardımcı olabilir 16,17. Hassas eğitim, eğitim pasaportları, ustalık odaklı öğrenme ortamları ve koçluk, değerlendirmenin gelişim, geri bildirim ve uyarlanabilir desteği desteklemesi gerektiğifikrini daha da pekiştiriyor 18,19,20,21.

Duruma bağlı bir bakış açısı bu mantığı genişletir. Bir stajyer uzun süreli uyanıklık veya bilişsel olarak yoğun bir değişimden sonra kötü performans gösterirse, değerlendirme sorusu sadece stajyerin yeterlilikten yoksun olup olmadığı değildir. Ayrıca, gözlemlenen davranışın yorgunlukla ilgili kırılganlık, aşırı iş yükü, yetersiz denetim, sistem tasarımı veya görev talepleri ile bilişsel durum arasındaki uyumsuzluğu yansıtıp yansıtmadığıdır. Sabit bir yetkinlik açığı, bilinçli pratik ve koçluk gerektirebilir; Yorgunlukla ilgili bir boşluğun iyileşme planlaması, iş yükünün yeniden tasarımı, denetim ayarlaması veya program düzeyinde müdahale gerektirebilir. Bu nedenle devlet farkında değerlendirme yetkinliği yeniden tanımlamaz. Bunun yerine, performans verilerinin yorumlandığı bağlamı iyileştirir ve geçici bozulmanın kalıcı yetersizlik olarak yanlış sınıflandırılma riskini azaltır.

Uyku eksikliği, sirkadiyen bozulma ve karar yorgunluğu

Uykusuzluk ve yorgunluk, doktor performansında yaygın ama yeterince değer görmemiş faktörlerdir. Klinik eğitimde, uzun süreli vardiyalar, gece çalışmaları, öngörülemez iş yükü ve sık sık teslim edilmeler, öğrencileri uyanıklığı ve karar alma süreçlerini zayıflatabilecek durumlara maruz bırakır. Doktorların uykusu ve iyilik haliyle ilgili çalışmalar, uyku ve tükenmişliğe bağlı sıkıntı klinik açıdan önemli tıbbi hatalarlailişkilendirmiştir 23. Uzun süreli vardiyalar ayrıca artan dikkat eksikliği, tıbbi hatalar ve yan etkilerleilişkilendirilmiştir 24. Sakin yorgunluğu ve sıkıntısı, kendi bildiren tıbbi hataları daha da etkileyebilir; bu da performans riskinin kısmen davranışsal, kısmen bilişsel ve kısmen sistem düzeyindeolduğunu göstermektedir.

Tıp stajyerleri ve doktorlar üzerinde yapılan gözlemsel ve deneysel çalışmalar bu endişeyi pekiştirmektedir. Uzun vardiyalarda çalışan stajyerler ve asistanlarda uyku fırsatı azalmış ve uyanıklık desenlerinin değiştiğigörülmektedir 26. Yoğun bakım ünitelerinde stajyer çalışma saatlerinin azaltılması, önemli bir davada daha az ciddi tıbbi hata ileilişkilendirildi 27. Cerrahi ve prosedürel çalışmalar, uyku eksikliğinin simülatör çevikliğini ve kriz yönetimi performansını olumsuz etkileyebileceğinigöstermektedir 28,29,30. Hasta düzeyinde ve prosedür düzeyindeki çalışmalar daha heterojen olmaya devam eder ve aşırı basitleştirilmemelidir 31,32,33. Uzmanlık, eğitim seviyesi, vaka karmaşıklığı, gözetim, ekip yapısı ve sonuç tipi arasındaki farklar, yorgunlukla ilgili düşüşlerin neden dikkatli olmak, simüle edilmiş performans ve süreç ölçümleri için hasta sonuçlarına göre daha net olduğunu açıklayabilir.

Görev saati denemeleri, yorgunluk farkında eğitimin neden sadece vardiya süresine dayanamayacağını gösteriyor. iCOMPARE çalışması, esnek görev saati politikalarının seçilmiş eğitim sonuçları ve hasta güvenliği sonuçları açısından standart politikalardan daha düşük olmadığınıbuldu 34,35. Yoldaş analizleri, esnek görev saati kuralları36 altında uyku ve uyanıklığın mutlaka kötüleşmediğini gösterdi. Buna karşılık, 24 saatlik vardiyasız randomize bir çalışma programı uzatılmış vardiyaların ortadan kaldırılmasının hasta güvenliğini eşit şekilde iyileştirmediğinigöstermiştir 37. Uzatılmış vardiyalara ilişkin ilgili bir çalışma, asistanlı hekimlerde nörodavranışsal performans etkileribuldu 38. Bu bulgular birlikte ele alındığında, uyku fırsatı, iş yükü, süreklilik, devrler ve denetimin karmaşık şekillerde etkileştiğini gösteriyor.

Daha geniş uyku bilimi literatürü mekanik bağlam sağlar. Uyku bozulması, sürekli dikkati, çalışma hafızasını, yanıt engellemesini, duygu düzenlemesini ve karmaşık görev performansınızayıflatır 39,40,41,42. Düzensiz veya dengesiz uyku programları akademik ve bilişsel sonuçları da etkileyebilir; bu da uyku süresinin yanı sıra uyku kararlılığının da önemliolduğunu gösterir 43,44. Hafta sonu iyileşme ile kronik uyku kısıtlaması, performans ve iyilik halinde kalıcı etkilerbırakabilir 45. Tıp eğitiminde bu bulgular önemlidir çünkü eğitim değerlendirmeleri genellikle uyanıklık sırasında yapılır ancak performansın ifade edildiği öğrenici durumunu nadiren belgeler.

Karar yorgunluğu, ilgili ama belirgin bir mekanizma ekler. Bu, özellikle kararların özdenetim, belirsizlik yönetimi veya değer takasları gerektirdiği tekrarlanan veya çabalı seçimler sonucunda karar kalitesinin bozulmasınıifade eder 46. Klinik kararlar genellikle triaj, reçete, bakımın artırılması, dokümantasyon ve zaman baskısı altında teslimat içerir. Son reçete araştırmaları, görev süresi ve birikmiş karar taleplerinin klinik tercihleri etkileyebileceğinigöstermektedir 47. Gece vardiyalarından kaynaklanan yorgunluk, radyoloji48'de arama kalıplarını ve tanı performansını da değiştirebilir. Ancak, karar yorgunluğu temkinli yorumlanmalıdır çünkü literatür metodolojik olarak heterojen ve etkiler görevler, ortamlar ve klinisyenler arasında değişebilir.

EEG ve fNIRS yorgunluk ve bilişsel iş yükü belirteçleri

EEG, uyanıklık, uyku baskısı, yorgunluk ve zihinsel iş yükünü incelemek için yaygın olarak kullanılmıştır. Hekim çalışmalarında, gece nöbeti nöbetinden sonra nicel EEG'de zihinsel yorgunlukla uyumlu theta, alfa ve beta aktivite değişikliklerigösterilmiştir 49,50. Bu çalışmalar, nörofizyolojik değerlendirmeyi sadece laboratuvar uykusuzluğu paradigmalarına dayanmak yerine gerçek klinik çalışmalara daha yakın tutması nedeniyle önemlidir. Ancak, gözlem niteliğinde kalırlar ve EEG'nin bir stajyerin belirli bir klinik görevi yerine getirmeye hazır olup olmadığını tek başına belirleyemezler.

Özellik düzeyinde EEG yorumu, yaygın olarak atıfta veya alfa/beta değişikliklerinden daha geniştir. Frontal EEG iş yükü çalışmaları, iş yükü tahmini için spektral ve bölgesel desenlerin kullanımınıdestekler 51. Uyku yoksunluğu EEG çalışmaları, uyku kaybı sonrası spektral aktivitedeki değişiklikleriincelemiştir 52. Teta bandının çift bir yorumu da vardır: uyku basıncını yansıtabilir, ancak bilişsel kontrole de katılabilir; bu da basit yorgunluk sınıflandırmasınıkarmaşıklaştırır 53. Gerçek zamanlı çalışma belleği izleme çalışmaları ve sürücü durumu sınıflandırma çalışmaları, EEG özelliklerinin BCI tarzı boru hatlarına nasıl gömülebileceğini göstermektedir, ancak bu boru hatları görev tasarımı, ön işleme ve bireysel değişkenliğe karşı hassaskalır. 54,55. Güvenilirlik çalışmaları ve nöroergonomik doğrulama çalışmaları, elektrot konfigürasyonu, ön işleme seçenekleri, öznel metrikler ve görev tasarımının iş yüküendekslerini etkilediğini vurgular 56,57. Daha yeni çok katmanlı bilişsel yük tahmin çalışmaları, mekânsal, zamansal ve spektral imzaların birleştirilmeginiň sınıflandırmayıiyileştirebileceğini göstermektedir 58.

Fonksiyonel yakın kızılötesi spektroskopisi fNIRS, oksijenli hemoglobin, deoksijenli hemoglobin ve toplam hemoglobin dahil olmak üzere hemodinamik değişiklikleri ölçerek tamamlayıcı bilgi sağlar. fNIRS'in yorgunluk ve uyku eksikliği literatürü, bilişsel çaba, azalmış uyanık ve sosyal-bilişsel değişikliklerin kortikal korelasyonlarını ölçmedeki öneminidestekler 59. Uyku odaklı fNIRS incelemeleri, optik hemodinamik sinyallerin uyku araştırmalarına ve yorgunluk tespitine nasıl katkıdabulunabileceğini daha da göstermektedir 60. 2026'da yapılan yakın tarihli bir çalışma, hızlı olmayan göz hareketi uyku farklılaşması için kardiyak-bant fNIRS biyobelirteçleri üzerine EEG doğrulaması ile yapılan bir çalışma, basit HbOamplitudu 61'in ötesinde frekans alanı ve kardiyak bant özelliklerine artan ilgiyi göstermektedir. Bu literatür, HbO, HbR, HbT, zaman alanı yanıtları, bağlantı ve frekans alanı biyobelirteçlerini içeren özellik düzeyinde bir tartışmayı destekler.

Prefrontal fNIRS çalışmaları özellikle önemlidir çünkü yönetici kontrol, tepki engelleme ve iş yükü düzenlemesi frontal sistemlere büyük ölçüde bağlıdır. Uyku yoksunluğu, frontal korteks62'de görevle ilgili fonksiyonel bağlantının değişmesiyle ilişkilendirilmiştir. İlgili çalışmalar, uykusuzluk sonrası frontal fonksiyonel bağlantının kaybı olduğunutespit etmiştir 63. Kısa uykulu genç yetişkinlerde yapılan çalışmalar ayrıca prefrontal hemodinamik yanıtların uyku davranışı ve fiziksel aktivite ile değişebileceğinigöstermektedir 64. Giyilebilir fNIRS, makine öğrenimi65 ile otomatik bilişsel yorgunluk tespiti için kullanılmıştır. Hibrit EEG-fNIRS sistemleri, fonksiyonel beyin bağlantısını ve tamamlayıcı sinyal özelliklerini entegre ederek iş yükü sınıflandırmasınıiyileştirebilir 66,67. Bu çalışmalar topluca, EEG ve fNIRS'in araştırma araçları ve aday bağlamsal göstergeler olarak kullanılmasını destekler, ancak henüz tıbbi eğitimde doğrulanmış hazırlık ölçütü olarak değil.

Bu nedenle tablo 1, doğrulanmış biyobelirteçler hiyerarşisi yerine özellik düzeyinde bir harita olarak tasarlanmıştır. EEG spektral, olayla ilgili, zamansal ve bağlantı özelliklerini fNIRS genlik tabanlı, zaman alanı, bağlantı ve frekans alanı veya kalp bandı özelliklerinden ayırır. Bu ayrım önemlidir çünkü her özellik ailesi, yorgunluk iş yükü yapısının farklı boyutlarını yakalar, farklı eser ve yorumlama riskleri taşır. Örneğin, daha yüksek theta/alfa oranı, azaltılmış P300 genliği veya düşük prefrontal HbO yorgunlukla uyumlu olabilir, ancak aynı zamanda görev zorluğunu, telafi çabası, stres, sensör konfigürasyonu veya bireysel temel farklılıkları da yansıtabilir. Tablo, çalışma tasarımını, yapı hizasını ve dikkatli yorumu desteklemek için tasarlanmıştır; yetkinlik emin, emanet veya klinik hazırlık için operasyonel eşikleri tanımlamak değildir.

BCI, multimodal füzyon ve eğitim uygulamaları

İnvaziv olmayan BCI'lar ve giyilebilir nörofizyolojik teknolojiler, tıbbi, mühendislik ve eğitim alanlarında hızla yayılmıştır. Giyilebilir EEG tabanlı BCI cihazlarının incelemeleri, taşınabilirlik ve tıbbi uygulamalardaki ilerlemeyivurguluyor 68. Daha geniş ve son teknoloji incelemeler, invaziv olmayan BCI sistemlerinin geliştiğini, ancak sinyal kalitesi, kullanılabilirlik, kalibrasyon ve dayanıklılıkta hâlâ sınırlamalarla karşılaştığınıvurgulamaktadır 69,70,71,72. Bu kısıtlamalar tıp eğitimi için önemlidir çünkü bir eğitim aracı sadece kontrollü bir ortamda doğru olmakla kalmamalı, aynı zamanda uygulanabilir, kabul edilebilir, yorumlanabilir ve eğitim yapılarıyla uyumlu olmalıdır.

En savunulabilir eğitim uygulamaları simülasyon, araştırma ve düşük riskli geri bildirimdir. VR laparoskopik eğitim, performans verilerini iş yüküyle ilgili sinyallerle senkronize ederek bilişsel talebin prosedürel öğrenmeyle nasıl ilişkili olduğunuinceleyebilir 73. Simüle edilmiş nörocerrahi görevler, uzmanlık seviyelerini ayırt etmek için yapay zeka ve EEG kullanarak, beceri edinimini incelemek için bir yol öneriyor; öğretim üyesiyargısının yerini almak yerine. Ciddi oyun ve karma gerçeklik ortamları, duygusal etkileşimi tahmin etmek için biyosensöranalizleri kullanmıştır 75. Bilişsel yüke öğrenme hızını uyarlayan pasif BCI sistemleri, duruma duyarlı geri bildirimin daha düşük riskli eğitim ortamlarında nasıl çalışabileceğini gösterir76. Ambulatorik uyku tespiti çalışmaları, çoklu modal zaman serisi verilerinin laboratuvar dışındaki uzunlamasına izlemeyi destekleyebileceğinigösteriyor 77. Bu örnekler, yüksek riskli emanet veya iyileştirme kararlarının doğrulaması olarak değil, destekleyici kanıt veya kavram kanıtı olarak yorumlanabilir.

YZ destekli uyku aşamalama çalışmaları, makine öğrenimi yöntemlerinin uykuya bağlı fizyolojikzaman serilerini 78,79,80 olarak sınıflandırabileceğini gösteriyor. Hedefli hafıza yeniden aktivasyonu, giyilebilir nöromodülasyon, yorgunluk müdahaleleri ve kablosuz fNIRS sistemleri, fizyolojik sinyallerin nasıl takip edilebileceğini veya adaptif geri beslememimarilerinde nasıl kullanılabileceğini daha da göstermektedir 81,82,83,84,85. Bu çalışmalar teknik olarak bilgilendiricidir, ancak doğrudan eğitimsel ilgileri gündüz performansı, geri bildirim zamanlaması, denetim kararları veya eğitim bağlamlarında öğrenci desteğiyle bağlantılı olmadıkça sınırlıdır. Bu nedenle, CBME içinde yorgunluk farkında değerlendirmenin rutin kullanıma hazır olduğuna dair kanıt olarak değil, metodolojik köprüler olarak yorumlanmalıdır.

İşyeri çevirisi, simülasyondan daha fazla temkinli gerektirir. Gerçek klinik ortamlar, hareket bozuklukları, kesintiler, duygusal stres, takım çalışması talepleri, hasta hassasiyeti, değişken görev hedefleri ve stajyerler ile süpervizörler arasındaki örtük güç dinamiklerini ortaya koyar. Bu nedenle işyeri tabanlı değerlendirmede fizyolojik veriler gönüllü, düşük riskli ve bağlamsal olmalıdır. Makul uygulamalar arasında toplu yorgunluk riski haritalama, program değerlendirmesi, simülasyon brifingi veya öğrenci kontrollü geri bildirim yer alır. Makul olmayan başvurular, EEG, fNIRS veya çoklu modal eşiklerin emanet edilme, terfi, iyileştirme veya disiplin için bağımsız kanıt olarak kullanılmasını içerir.

Yerleşik kanıtlar ve kavramsal uzantılar arasındaki fark

Bu derlemede merkezi bir ayrım, yerleşik kanıt ile kavramsal genişleme arasındadır. Yerleşik kanıtlar, uyku eksikliği, sirkadiyen bozulma, uzun süreli uyanıklık ve yorgunluğun klinik çalışmalar için önemli olan nörobilişsel alanlarıbozduğunu göstermektedir 23,24,25,26,27. Meta-analitik ve deneysel çalışmalar, dikkat, yürütücü kontrol, ruh hali düzenlemesi ve karmaşık görev performansı üzerindeki etkileridaha da destekler 39,40,41,42. Tıbbi ve prosedürel çalışmalar, yorgunluğun hata riskini, tanı arayımı, kriz yönetimini ve teknik performansıetkileyebildiğini göstermektedir 28,29,30,48. Ancak, prosedür düzeyindeki ve sonuç çalışmaları da heterojenlik göstermektedir; bu da yorgunluk ve klinik zararın basit bire bir yorumuna karşıçıkar 31,32,33. Görev saati denemeleri, yorgunluk farkında politikanın çalışma saati tasarımı ile birlikte uyku fırsatı, iş yükü, devamlılık ve eğitim sonuçlarını dikkate almasıgerektiğini göstermektedir 34,35,36,37,38. Hekimlerdeki EEG çalışmaları ve iş yükü paradigmaları, yorgunluk ve bilişsel yüke karşı sinirsel duyarlılığıdesteklerken, fNIRS, giyilebilir ve hibrit EEG-fNIRS çalışmaları tamamlayıcı hemodinamik ve multimodalkanıtlar sağlar 59,60,61,62,63,64,65,66, 67.

Kavramsal uzantı ise, fizyolojik durum göstergelerinin CBME içinde stajyer performansını bağlamsallaştırmaya yardımcı olabileceği önerisidir. Bu uzatma makul ama doğrulanmamış. Uyku kaybının sinirsel aktiviteyi değiştirdiğine dair kanıtlar, gerçek zamanlı izlemenin eyleme geçebilir denetleyici veya eğitimsel kararlar oluşturabileceği anlamına gelmez. Şu anda, bireyler, görevler, uzmanlıklar ve operasyonel ortamlar arasında bilişsel istikrarsızlık veya klinik hazırlığı güvenilir şekilde tanımlayan genelleştirilebilir gerçek zamanlı sinirsel veya hemodinamik aktivite desenleri gösterilmemiştir. Aynı fizyolojik desen yorgunluk, bilişsel çaba, kaygı, motivasyon, görev zorluğu, telafi edici etkileşim, sensör artefaktı, çevresel stres veya bireysel temel farklılıkları yansıtabilir.

Buna göre, CBME-BCI-Yorgunluk çerçevesi, uygulanan bir değerlendirme sistemi olarak değil, bir araştırma modeli olarak yorumlanmalıdır. Amacı, duruma bağlı modülatörlerin, fizyolojik ve davranışsal izlemenin ve gözlemlenen performansın yetkinlik temelli yorumunun birlikte nasıl incelenebileceğini netleştirmektir. Simülasyon veya diğer düşük riskli araştırma ortamlarında, EEG veya fNIRS özellikleri, görev hataları, tepki süresi, iş yükü derecelendirmeleri, uyku geçmişi, psikomotor dikkat testleri ve süpervizör geri bildirimleriyle birlikte toplanarak durum göstergelerinin performans değişkenliğini açıklamaya yardımcı olup olmadığını kontrol edebilir. İş yeri değerlendirme bağlamlarında, fizyolojik veriler daha da dikkatli olmak zorundadır. Mevcut kanıt tabanında, bu tür veriler toplu yorgunluk riski araştırması, program tasarımı veya gönüllü öğrenci desteği için en uygun olabilir. Emanet etme, terfi, iyileştirme veya disiplin kararları için bağımsız bir temel olarak kullanılmamalıdır. Tablo 2 , CBME-BCI-Yorgunluk çerçevesinde yerleşik kanıtları, kavramsal uzantıları, doğrulama gereksinimlerini ve temsilci destekleyici referansları ayırarak bu ayrımları özetler.

Geçerlilik, kademeli değer, bireysel temeller ve yönetişim oluşturun

Yapı geçerliliği, yorgunluk farkında nörofizyolojik izleme için merkezi metodolojik zorluktur. EEG ve fNIRS sinyalleri yorgunluk veya hazırlığa özgü değildir; Ayrıca görev zorluğu, kaygı, motivasyon, bilişsel çaba, telafi edici etkileşim, çevresel stres, sensör artefaktları veya bireysel temel farklılıkları yansıtabilirler. Bu nedenle gelecekteki çalışmalar, ölçülen eğitim yapısını önceden tanımlamalı, fizyolojik durum ile performans arasındaki beklenen ilişkiyi belirlemeli ve fizyolojik sinyalleri davranışsal, bağlamsal ve eğitimsel verilerle üçgenleştirmelidir; tek bir sinyali doğrudan yeterlilik göstergesi olarak yorumlamak yerine.

Artan değer de gösterilmelidir. EEG/fNIRS izleme, uyku günlükleri, aktigrafi, psikomotor dikkat testi, kısa bilişsel tarama, iş yükü derecelendirmeleri, performans telemetrisi ve uzman gözlemi gibi daha basit ve uygulanabilir karşılaştırıcılarla karşılaştırılmalıdır. Nörofizyolojik yaklaşım, açıklama, tahmin, geri bildirim zamanlaması veya öğrenci desteğini bu ölçütlerin ötesinde geliştirirse haklı olur. Böyle bir kanıt olmadan, çoklu modlu izleme eğitim kararlarını iyileştirmeden karmaşıklık artırabilir.

Bireysel temel modelleme gereklidir. Sinirsel aktivite, uyku savunmasızlığı, kronotip, stres yanıtı, klinik deneyim ve sensör uyumunda bireyler arası varyasyon, evrensel eşiklerin değerini sınırlar. Stajyere özgü bir temel alan, normal fizyolojik varyasyondan olağan dışı yorgunlukla ilgili sapmayı ayırt etmeye yardımcı olabilir, ancak bu tekrar edilen ölçümler, güvenilir sensör yerleştirmesi, standartlaştırılmış görev çapakları ve şeffaf analitik modeller gerektirir. Makine öğrenimi, çoklu modal sinyalleri entegre etmeye yardımcı olabilir, ancak geçersiz yapıları, önyargılı verileri, düşük sinyal kalitesini veya belirsiz nedensel varsayımları çözemez. Alan uyarlaması, gizliliği koruyan algoritmalar ve üretken modelleme bazı kalibrasyon yükünü azaltabilir, ancak eğitim kararlarını desteklemek için kullanılmadan önce daha geniş bir doğrulama gerektirir86,87.

Teknik ve ekolojik engeller hâlâ önemli bir şekilde devam etmektedir. EEG, hareket artefaktı, elektrot empedansı, çevresel gürültü, montaj bağımlılığı ve ön işlem seçeneklerine karşı savunmasızdır. fNIRS, optod yerleşimi, saç derisi kan akışı, hareket, saç, sınırlı derinlik penetrasyonu ve düşük zamansal çözünürlük tarafından etkilenir. Giyilebilir sistemler gelişiyor; bunlar arasında bilişsel aktivite izleme için kompakt kablosuz fNIRScihazları da var, ancak konfor ve uygulanabilirlik eğitimsel geçerlilik sağlamıyor. Dağıtım ayrıca iş akışına uygun kurulum, yorumlanabilir raporlama, veri güvenliği ve son kullanıcı kabulü gerektirir. Sosyal kabul çalışmaları, kullanıcı güveni ve algılanan amacın benimseme88'in merkezinde olduğunu hatırlatır.

Etik yönetişim, çerçevenin sınır koşulu olarak ele alınmalıdır, sonradan düşünülmüş bir şey olarak değil. Nörofizyolojik veriler, yorgunluk, dikkat, duygu veya sağlık durumu hakkında bilgi ortaya çıkarabilir veya ima edebilir. Nöroteknolojinin sorumlu gelişimi, amaç sınırlaması, veri en aza indirme, güvenli depolama, şeffaflık, erişim kontrolleri ve özerklik ile rıza konusunda dikkatli dikkatgerektirir 89,90. Ağ bağlantılı BCI sistemleri, özellikle çözülmüş çıktılar geri bildirim, eğitim fırsatları veya güvenlikle ilgili kararları etkilediyse siber güvenlik endişelerinide gündeme getirir 91. Eğitimde, öğrenciler katılmak için örtük baskı hissedebilir ve modeller popülasyonlar veya bağlamlar arasında eşitsiz performans gösterirse fizyolojik metrikler istemeden önyargıyı artırabilir. Gelecekteki araştırmalar, mümkün olduğunda gönüllü katılımı, destekleyici geri bildirim ile yüksek riskli yargı arasındaki net ayrımı, itiraz mekanizmalarını ve paydaş odaklı yönetişimi önceliklendirmelidir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Uyku eksikliği ve karar yorgunluğu, dikkat, yönetici kontrol, psikomotor performans ve klinik karar alma süreçlerindeki duruma bağlı değişkenliğe katkıda bulunan kanıtlanmış faktörlerdir. Tıp eğitiminde, bu dalgalanmalar, özellikle acil tıp, kritik bakım, anestezi ve cerrahi gibi yüksek talep gören ortamlarda gözlemlenen yetkinliğin yorumlanmasını zorlaştırabilir. Bu nedenle, yetkinlik temelli tıp eğitimi, performans verileri zaman ve bağlam içinde yorumlandığında fizyolojik ve bilişsel ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar çıkar çatışması olmadığını belirtmektedir.

Teşekkürler

Yazarlar, kurumumuzun Kritik Bakım Tıp Bölümü ve Eğitim Bakanlığı'ndan meslektaşlarımıza, bu incelemenin hazırlanması sırasında verdikleri destek ve tartışmalar için minnettarlıkla teşekkür ediyor. Bu çalışma, Zhejiang Eyalet Eğitim Departmanı'nın Genel Bilimsel Araştırma Projesi (Hibe No. Y202557476) tarafından desteklendi.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Kaynaklar

  1. Epstein RM, Hundert EM. Defining and assessing professional competence. JAMA. 2002;287(2):226–235.
  2. McClelland DC. Testing for competence rather than for “intelligence”. Am Psychol. 1973;28(1):1–14.
  3. Swing SR. The ACGME Outcome Project: retrospective and prospective. Med Teach. 2007;29(7):648–654.
  4. Frank JR et al. Competency-based medical education: theory to practice. Med Teach. 2010;32(8):638–645.
  5. Cooper D, Holmboe ES. Competency-based medical education at the front lines of patient care. N Engl J Med. 2025;393(4):376–388.
  6. Caccia N, Nakajima A, Kent N. Competency-based medical education: the wave of the future. J Obstet Gynaecol Can. 2015;37(4):349–353.
  7. China Consortium of Elite Teaching Hospitals for Residency Education. Consensus on core competency framework for residency education among China Consortium of Elite Teaching Hospitals for Residency Education [in Chinese]. Med J Peking Union Med Coll Hosp. 2022;13(1):17–23.
  8. Chen S et al. Competency-based i-FIRST talent development: leadership. China Higher Med Educ. 2025;(1):20–21, 45. doi:10.3969/j.issn.1002-1701.2025.01.006.
  9. Danilovich N et al. Implementing competency-based medical education in family medicine: a narrative review of current trends in assessment. Fam Med. 2021;53(1):9–22.
  10. Hawkins RE et al. Implementation of competency-based medical education: are we addressing the concerns and challenges. Med Educ. 2015;49(11):1086–1102.
  11. Ten Cate O et al. Entrustment decision making: extending Miller’s pyramid. Acad Med. 2021;96(2):199–204.
  12. Dine CJ, Conforti LN, Holmboe ES, Kogan JR. Accuracy of entrustment-based assessment: implications for programs and patients. J Grad Med Educ. 2024;16(1):30–36.
  13. Tekian A et al. Entrustment decisions: implications for curriculum development and assessment. Med Teach. 2020;42(6):698–704.
  14. Ten Cate O. Entrustment as assessment: recognizing the ability, the right, and the duty to act. J Grad Med Educ. 2016;8(2):261–262.
  15. Carraccio C, Martini A, Van Melle E, Schumacher DJ. Identifying core components of EPA implementation: a path to knowing if a complex intervention is being implemented as intended. Acad Med. 2021;96(9):1332–1336.
  16. Pusic MV et al. Learning curves in health professions education. Acad Med. 2015;90(8):1034–1042.
  17. Smith BK et al. The use of learning analytics to enable detection of underperforming trainees: an analysis of national vascular surgery trainee ACGME milestones assessment data. Ann Surg. 2023;277(4)–e977.
  18. Desai SV et al. Precision education: the future of lifelong learning in medicine. Acad Med. 2024;99(4S Suppl 1)–S20.
  19. Warm EJ et al. The education passport: connecting programmatic assessment across learning and practice. Can Med Educ J. 2022;13(4):82–91.
  20. Ross S, Pirraglia C, Aquilina AM, Zulla R. Effective competency-based medical education requires learning environments that promote a mastery goal orientation: a narrative review. Med Teach. 2022;44(5):527–534.
  21. Baenziger K, Chan M, Colman S. Coaching in postgraduate competency-based medical education: a qualitative exploration of three models. Acad Psychiatry. 2023;47(1):10–17.
  22. Taylor TS et al. Principles of fatigue in residency education: a qualitative study. CMAJ Open. 2016;4(2)–E204.
  23. Trockel MT et al. Assessment of physician sleep and wellness, burnout, and clinically significant medical errors. JAMA Netw Open. 2020;3(12).
  24. Barger LK et al. Impact of extended-duration shifts on medical errors, adverse events, and attentional failures. PLoS Med. 2006;3(12).
  25. West CP et al. Association of resident fatigue and distress with perceived medical errors. JAMA. 2009;302(12):1294–1300.
  26. Basner M et al. Sleep and alertness in medical interns and residents: an observational study on the role of extended shifts. Sleep. 2017;40(4). doi:10.1093/sleep/zsx027.
  27. Landrigan CP et al. Effect of reducing interns’ work hours on serious medical errors in intensive care units. N Engl J Med. 2004;351(18):1838–1848.
  28. Sugden C, Athanasiou T, Darzi A. What are the effects of sleep deprivation and fatigue in surgical practice. Semin Thorac Cardiovasc Surg. 2012;24(3):166–175.
  29. Arzalier-Daret S et al. Effect of sleep deprivation after a night shift duty on simulated crisis management by residents in anaesthesia: a randomised crossover study. Anaesth Crit Care Pain Med. 2018;37(2):161–166.
  30. Maltese F et al. Night shift decreases cognitive performance of ICU physicians. Intensive Care Med. 2016;42(3):393–400.
  31. Rothschild JM et al. Risks of complications by attending physicians after performing nighttime procedures. JAMA. 2009;302(14):1565–1572.
  32. Taffinder NJ et al. Effect of sleep deprivation on surgeons’ dexterity on laparoscopy simulator. Lancet. 1998;352(9135):1191.
  33. Howard SK et al. Simulation study of rested versus sleep-deprived anesthesiologists. Anesthesiology. 2003;98(6):1345–1355.
  34. Desai SV et al. Education outcomes in a duty-hour flexibility trial in internal medicine. N Engl J Med. 2018;378(16):1494–1508.
  35. Silber JH et al. Patient safety outcomes under flexible and standard resident duty-hour rules. N Engl J Med. 2019;380(10):905–914.
  36. Basner M et al. Sleep and alertness in a duty-hour flexibility trial in internal medicine. N Engl J Med. 2019;380(10):915–923.
  37. Landrigan CP et al. Effect on patient safety of a resident physician schedule without 24-hour shifts. N Engl J Med. 2020;382(26):2514–2523.
  38. Rahman SA et al. Extended work shifts and neurobehavioral performance in resident physicians. Pediatrics. 2021;147(3). doi:10.1542/peds.2020-009936.
  39. Wickens CD, Hutchins SD, Laux L, Sebok A. The impact of sleep disruption on complex cognitive tasks: a meta-analysis. Hum Factors. 2015;57(6):930–946.
  40. Lowe CJ, Safati A, Hall PA. The neurocognitive consequences of sleep restriction: a meta-analytic review. Neurosci Biobehav Rev. 2017;80:586–604.
  41. Lim J, Dinges DF. A meta-analysis of the impact of short-term sleep deprivation on cognitive variables. Psychol Bull. 2010;136(3):375–389.
  42. Tomaso CC, Johnson AB, Nelson TD. The effect of sleep deprivation and restriction on mood, emotion, and emotion regulation: three meta-analyses in one. Sleep. 2021;44(6). doi:10.1093/sleep/zsaa289.
  43. Phillips AJK et al. Irregular sleep/wake patterns are associated with poorer academic performance and delayed circadian and sleep/wake timing. Sci Rep. 2017;7(1):3216.
  44. Koa TB, Lo JC. Neurobehavioural functions during variable and stable short sleep schedules. J Sleep Res. 2021;30(4).
  45. Smith MG et al. Effects of six weeks of chronic sleep restriction with weekend recovery on cognitive performance and wellbeing in high-performing adults. Sleep. 2021;44(8). doi:10.1093/sleep/zsab051.
  46. Pignatiello GA, Martin RJ, Hickman RL Jr. Decision fatigue: a conceptual analysis. J Health Psychol. 2020;25(1):123–135.
  47. Maier M et al. Assessing decision fatigue in general practitioners’ prescribing decisions using the Australian BEACH data set. Med Decis Making. 2024;44(6):627–640.
  48. Hanna TN et al. The effects of fatigue from overnight shifts on radiology search patterns and diagnostic performance. J Am Coll Radiol. 2018;15(12):1709–1716.
  49. Su AT, Xavier G, Kuan JW. The measurement of mental fatigue following an overnight on-call duty among doctors using electroencephalogram. PLoS One. 2023;18(7).
  50. Xavier G, Su Ting A, Fauzan N. Exploratory study of brain waves and corresponding brain regions of fatigue on-call doctors using quantitative electroencephalogram. J Occup Health. 2020;62(1).
  51. So WKY, Wong SWH, Mak JN, Chan RHM. An evaluation of mental workload with frontal EEG. PLoS One. 2017;12(4).
  52. Forest G, Godbout R. Effects of sleep deprivation on performance and EEG spectral analysis in young adults. Brain Cogn. 2000;43(1–3):195–200.
  53. Snipes S, Krugliakova E, Meier E, Huber R. The theta paradox: 4–8 Hz EEG oscillations reflect both sleep pressure and cognitive control. J Neurosci. 2022;42(45):8569–8586.
  54. Mora-Sanchez A et al. A brain-computer interface for the continuous, real-time monitoring of working memory load in real-world environments. Cogn Neurodyn. 2020;14(3):301–321.
  55. Zeng H et al. A LightGBM-based EEG analysis method for driver mental states classification. Comput Intell Neurosci. 2019;2019:3761203.
  56. Mastropietro A et al. Reliability of mental workload index assessed by EEG with different electrode configurations and signal pre-processing pipelines. Sensors (Basel). 2023;23(3):1367.
  57. Bjegojevic B et al. Neuroergonomic attention assessment in safety-critical tasks: EEG indices and subjective metrics validation in a novel task-embedded reaction time paradigm. Brain Sci. 2024;14(10):1009.
  58. Liu Y et al. Fusion of spatial, temporal, and spectral EEG signatures improves multilevel cognitive load prediction. IEEE Trans Hum Mach Syst. 2023;53(2):357–366.
  59. Pan Y, Borragán G, Peigneux P. Applications of functional near-infrared spectroscopy in fatigue, sleep deprivation, and social cognition. Brain Topogr. 2019;32(6):998–1012.
  60. Huang M et al. An overview on sleep research based on functional near-infrared spectroscopy [in Chinese]. Sheng Wu Yi Xue Gong Cheng Xue Za Zhi. 2021;38(6):1211–1218.
  61. Hasim YS et al. Cardiac-band fNIRS biomarkers for non-REM sleep stage differentiation: a frequency-domain evaluation with EEG validation. J Innov Opt Health Sci. 2026. doi:10.1142/S1793545826500100.
  62. Mukli P et al. Sleep deprivation alters task-related changes in functional connectivity of the frontal cortex: a near-infrared spectroscopy study. Brain Behav. 2021;11(8).
  63. Verweij IM et al. Sleep deprivation leads to a loss of functional connectivity in frontal brain regions. BMC Neurosci. 2014;15(1):88.
  64. You Y et al. Cognitive performance in short sleep young adults with different physical activity levels: a cross-sectional fNIRS study. Brain Sci. 2023;13(2):171.
  65. Varandas R et al. Automatic cognitive fatigue detection using wearable fNIRS and machine learning. Sensors (Basel). 2022;22(11):4010.
  66. Cao J, Garro EM, Zhao Y. EEG/fNIRS-based workload classification using functional brain connectivity and machine learning. Sensors (Basel). 2022;22(19):7623.
  67. Hong KS, Khan MJ, Hong MJ. Feature extraction and classification methods for hybrid fNIRS-EEG brain-computer interfaces. Front Hum Neurosci. 2018;12:246.
  68. Zhang J et al. Recent progress in wearable brain-computer interface devices based on electroencephalogram for medical applications: a review. Health Data Sci. 2023;3:0096.
  69. Edelman BJ et al. Non-invasive brain-computer interfaces: state of the art and trends. IEEE Rev Biomed Eng. 2025;18:26–49.
  70. Rashid M et al. Current status, challenges, and possible solutions of EEG-based brain-computer interface: a comprehensive review. Front Neurorobot. 2020;14:25.
  71. Xu M et al. Current challenges for the practical application of electroencephalography-based brain-computer interfaces. Engineering. 2021;7(12):1710–1712.
  72. Maiseli B et al. Brain-computer interface: trend, challenges, and threats. Brain Inform. 2023;10(1):20.
  73. Yu P et al. Quantitative influence and performance analysis of virtual reality laparoscopic surgical training system. BMC Med Educ. 2022;22(1):92.
  74. Natheir S et al. Utilizing artificial intelligence and electroencephalography to assess expertise on a simulated neurosurgical task. Comput Biol Med. 2023;152:106286.
  75. Antoniou PE et al. Biosensor real-time affective analytics in virtual and mixed reality medical education serious games: cohort study. JMIR Serious Games. 2020;8(3).
  76. Beauchemin N et al. Enhancing learning experiences: EEG-based passive BCI system adapts learning speed to cognitive load in real time, with motivation as catalyst. Front Hum Neurosci. 2024;18:1416683.
  77. Sano A, Chen W, Lopez-Martinez D, Taylor S, Picard RW. Multimodal ambulatory sleep detection using LSTM recurrent neural networks. IEEE J Biomed Health Inform. 2019;23(4):1607–1617.
  78. Kong G, Li C, Peng H, Han Z, Qiao H. EEG-based sleep stage classification via neural architecture search. IEEE Trans Neural Syst Rehabil Eng. 2023;31:1075–1085.
  79. Yao H, Liu T, Zou R, Ding S, Xu Y. A spatial-temporal transformer architecture using multi-channel signals for sleep stage classification. IEEE Trans Neural Syst Rehabil Eng. 2023;31:3353–3362.
  80. Eldele E et al. Self-supervised learning for label-efficient sleep stage classification: a comprehensive evaluation. IEEE Trans Neural Syst Rehabil Eng. 2023;31:1333–1342.
  81. Ngo HV, Staresina BP. Shaping overnight consolidation via slow-oscillation closed-loop targeted memory reactivation. Proc Natl Acad Sci U S A. 2022;119(44).
  82. Bressler S, Neely R, Yost RM, Wang D, Read HL. A wearable EEG system for closed-loop neuromodulation of sleep-related oscillations. J Neural Eng. 2023;20(5). doi:10.1088/1741-2552/acfb3b.
  83. Gervais C, Hjeij D, Fernandez-Puerta L, Arbour C. Non-pharmacological interventions for sleep disruptions and fatigue after traumatic brain injury: a scoping review. Brain Inj. 2024;38(6):403–416.
  84. Herrero Babiloni A et al. The effects of non-invasive brain stimulation on sleep disturbances among different neurological and neuropsychiatric conditions: a systematic review. Sleep Med Rev. 2021;55:101381.
  85. Victorio M et al. Wearable wireless functional near-infrared spectroscopy system for cognitive activity monitoring. Biosensors (Basel). 2025;15(2):92.
  86. Wen S et al. Rapid adaptation of brain-computer interfaces to new neuronal ensembles or participants via generative modelling. Nat Biomed Eng. 2023;7(4):546–558.
  87. Xia K, Deng L, Duch W, Wu D. Privacy-preserving domain adaptation for motor imagery-based brain-computer interfaces. IEEE Trans Biomed Eng. 2022;69(11):3365–3376.
  88. Xia R, Yang S. Factors influencing the social acceptance of brain-computer interface technology among Chinese general public: an exploratory study. Front Hum Neurosci. 2024;18:1423382.
  89. Goering S et al. Recommendations for responsible development and application of neurotechnologies. Neuroethics. 2021;14(3):365–386.
  90. Ienca M, Andorno R. Towards new human rights in the age of neuroscience and neurotechnology. Life Sci Soc Policy. 2017;13(1):5.
  91. Ajrawi S, Rao R, Sarkar M. Cybersecurity in brain-computer interfaces: RFID-based design-theoretical framework. Inform Med Unlocked. 2021;22. doi:10.1016/j.imu.2020.100489.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Etiketler

TıpSayı 233Sayı 233Boş DeğerSayıBilişsel iş yüküYorgunluk izlemeBeyin-bilgisayar arayüzüelektroensefalografiEEGFonksiyonel yakın kızılötesi spektroskopifNIRS