مطالعه‌ای درباره تأثیر شبیه‌سازی موبایلی مبتنی بر هوش مصنوعی بر مهارت محاسبه دوز دارو در پرستاران

bioengineer.org

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

تصویر تولیدشده با هوش مصنوعی

بر اساس نتایج یک کارآزمایی تصادفی با روش‌های ترکیبی که در یک بیمارستان غیردولتی در مصر انجام شد، استفاده از اپلیکیشن موبایلی مبتنی بر هوش مصنوعی که به‌وسیله یکی از پژوهشگران طراحی شده بود، با بهبود دانش محاسبه دوز دارو، نمرات تصمیم‌گیری بالینی مرتبط با دارو و خودکارآمدی ۵۶ پرستار همراه بود. این یافته‌ها به نتایج کوتاه‌مدت آموزش مربوط می‌شوند و ثابت نمی‌کنند که این روش خطاهای دارویی را کاهش می‌دهد یا به بهبود مراقبت از بیماران منجر می‌شود.

در این پژوهش با روش‌های ترکیبی، محور اصلی مطالعه یک کارآزمایی تصادفی کنترل‌شده با دو گروه بود و پس از مداخله نیز جلسات بحث گروهی با حضور شرکت‌کنندگان گروه مداخله برگزار شد تا امکان‌پذیری و میزان پذیرش روش بررسی شود. پرستارانی که مستقیماً در مراقبت از بیماران مشارکت داشتند، از طریق برنامه آموزش ضمن خدمت بیمارستان جذب شدند. پس از ارزیابی اولیه، شرکت‌کنندگان به دو گروه اپلیکیشن و آموزش سنتی تقسیم شدند؛ هر گروه ۲۸ نفر داشت.

برای تصادفی‌سازی از روش بلوک‌های جایگشتی با اندازه بلوک چهار نفر استفاده شد و تخصیص افراد با توجه به بخش بالینی محل فعالیت آن‌ها طبقه‌بندی شد. برای پنهان نگه‌داشتن تخصیص گروهی، از پاکت‌های مات، مهروموم‌شده و دارای شماره‌های متوالی استفاده کردند. همچنین، ارزیابان آزمون پس از آموزش از گروه تخصیص‌یافته به شرکت‌کنندگان اطلاع نداشتند. هر دو گروه طی دو هفته در سه جلسه آموزشی شرکت کردند. هر جلسه حدود ۶۰ تا ۹۰ دقیقه طول کشید و محتوای آموزشی و زمان تعامل با مربی در دو گروه یکسان بود.

اپلیکیشن مداخله مجموعه‌ای از سناریوهای تعاملی را ارائه می‌کرد که شامل محاسبه دوز داروهای خوراکی، تنظیم سرعت انفوزیون وریدی، محاسبه دوز دارو در کودکان، کار با داروهای پرخطر و شناسایی خطاها بود. موتور تطبیقی مبتنی بر قواعد از پیش تعیین‌شده، با توجه به معیارهایی مانند صحت پاسخ‌ها، تکرار اشتباهات و زمان پاسخ‌گویی، دشواری سناریوها را تغییر می‌داد و بازخورد اصلاحی ارائه می‌کرد. پرستاران می‌توانستند با پرونده‌های مجازی بیماران، پمپ‌های انفوزیون و واکنش‌های بیماران شبیه‌سازی‌شده کار کنند. اپلیکیشن همچنین گزارش‌های تحلیلی از عملکرد کاربران تولید می‌کرد.

پرستاران گروه کنترل در سخنرانی‌های حضوری، بحث‌های هدایت‌شده و تمرین‌های حل مسئله روی کاغذ شرکت کردند. پیامدها بلافاصله پیش از آموزش و دو هفته پس از آخرین جلسه ارزیابی شدند. آزمون دانش شامل ۱۶ سؤال چندگزینه‌ای درباره محاسبات داروهای خوراکی، سرعت انفوزیون وریدی و دوزهای مبتنی بر وزن بود. ضریب پایایی KR-20 این آزمون ۰٫۸۲ و پایایی آزمون–بازآزمون آن طی دو هفته، با ضریب همبستگی ۰٫۸۶، گزارش شد.

برای سنجش قضاوت بالینی مرتبط با دارو، پرسش‌نامه‌ای هشت‌سؤالی که پژوهشگران طراحی کرده بودند به کار رفت. این ابزار توانایی تصمیم‌گیری، بررسی ایمنی، ارزیابی اطلاعات و استفاده از نتایج محاسبات را می‌سنجید. آلفای کرونباخ آن ۰٫۸۷ و پایایی آزمون–بازآزمون آن ۰٫۸۴ بود. همچنین، مقیاس ۱۰‌سؤالی خودکارآمدی که با شرایط مطالعه سازگار شده بود، آلفای کرونباخ ۰٫۹۰ و پایایی آزمون–بازآزمون ۰٫۸۸ داشت.

در آزمون نهایی، ۴۲٫۹ درصد از پرستاران گروه مداخله در دسته دارای دانش بالا قرار گرفتند؛ در مقابل، ۵۰ درصد از افراد گروه کنترل همچنان در دسته دانش پایین بودند. آزمون تی مستقل نشان داد تفاوت بین دو گروه از نظر آماری معنادار است و اندازه اثر نیز بزرگ بود؛ به‌طوری‌که مقدار d کوهن به ۰٫۸۹ رسید. تحلیل کوواریانس با تعدیل نمرات اولیه نیز تفاوت معناداری را تأیید کرد (F = 25.32، p < 0.001).

در گروه مداخله، نمره دانش از ارزیابی اولیه تا آزمون نهایی افزایش معناداری داشت (t = 7.985، p < 0.001). پیش از آموزش، ۶۴٫۳ درصد از پرستاران این گروه در دسته دانش پایین قرار داشتند و هیچ‌یک در دسته دانش بالا نبودند.

نمرات تصمیم‌گیری بالینی مرتبط با دارو نیز بین دو گروه تفاوت معناداری داشت. اندازه اثر این تفاوت، بر اساس d کوهن، ۰٫۹۰ بود و نتیجه تحلیل کوواریانس نیز معنادار گزارش شد (F = 12.35، p = 0.001). در آزمون نهایی، ۴۲٫۹ درصد از پرستاران گروه مداخله در دسته تصمیم‌گیری بالا قرار گرفتند؛ این میزان در گروه کنترل ۱۴٫۳ درصد بود. نمرات گروه مداخله از ارزیابی اولیه تا آزمون نهایی افزایش معناداری نشان داد (t = 5.665، p < 0.001). بااین‌حال، این نتایج به عملکرد شرکت‌کنندگان در پرسش‌نامه پژوهش مربوط می‌شوند و بیانگر تغییرات مشاهده‌شده در تعداد خطاهای دارویی یا پیامدهای بیماران نیستند.

نمرات خودکارآمدی نیز بین دو گروه تفاوت معناداری داشت؛ اندازه اثر بر اساس d کوهن ۰٫۸۱ بود و تحلیل کوواریانس تفاوت معناداری را نشان داد (F = 16.54، p < 0.001). در گروه مداخله، نمرات خودکارآمدی از ارزیابی اولیه تا آزمون نهایی افزایش یافت (t = 5.315، p < 0.001). در پایان مطالعه، ۲۵ درصد از پرستاران گروه مداخله در دسته خودکارآمدی بالا قرار داشتند. در گروه کنترل، ۶۴٫۳ درصد خودکارآمدی متوسط و ۳۵٫۷ درصد خودکارآمدی پایین داشتند و هیچ‌یک در دسته خودکارآمدی بالا قرار نگرفتند. ازآنجاکه ابزار سنجش از یک مقیاس عمومی خودکارآمدی اقتباس شده بود، این یافته نشان‌دهنده اعتماد گزارش‌شده افراد به توانایی‌های خود در شرایط مطالعه است، نه سنجش مستقیم عملکرد بالینی آن‌ها.

هر ۲۸ پرستار گروه مداخله در چهار جلسه بحث گروهی شرکت کردند که هر جلسه هفت نفر داشت. تحلیل موضوعی گفت‌وگوها شش محور اصلی را مشخص کرد: مزایای بالینی ادراک‌شده، واقع‌گرایی سناریوها و ارتباط نظریه با عمل، اعتمادبه‌نفس و شایستگی، سهولت استفاده و جذابیت، کارآمدی آموزش و صرفه‌جویی در منابع، و چالش‌ها و پیشنهادهای بهبود.

شرکت‌کنندگان سناریوها را واقع‌گرایانه و رابط کاربری را جذاب و قابل‌فهم توصیف کردند. به گفته آن‌ها، آموزش به استفاده از محاسبات دارویی در موقعیت‌های بالینی کمک می‌کرد. بااین‌حال، برخی در ابتدای کار درباره استفاده از فناوری جدید تردید داشتند و خواستار راهنمایی بیشتر و محتوای آموزشی عمیق‌تر شدند. ازآنجاکه بخش کیفی پژوهش فقط پرستاران گروه مداخله را دربر می‌گرفت، تجربه‌های این افراد با تجربه‌های گروه کنترل مقایسه نشد.

این کارآزمایی محدودیت‌های مهمی داشت. مطالعه تنها ۵۶ پرستار را در یک بیمارستان بررسی کرد؛ بنابراین، برآورد اندازه اثر با عدم‌قطعیت بیشتری همراه است و تعمیم نتایج به محیط‌های دیگر محدود می‌شود. مدت پیگیری کوتاه بود و مشخص نشد که آموخته‌ها در بلندمدت تا چه اندازه حفظ می‌شوند. ابزارهای سنجش نیز به‌وسیله پژوهشگران طراحی یا از ابزارهای دیگر اقتباس شده بودند و شاخص‌های مستقیمی مانند میزان خطاهای دارویی در بخش‌های بیمارستانی ارزیابی نشدند.

همچنین، در محیط بیمارستان نمی‌توان احتمال انتقال محتوای آموزشی میان دو گروه یا تأثیر آگاهی از مداخله بر عملکرد شرکت‌کنندگان را به‌طور کامل رد کرد. از سوی دیگر، یکی از نویسندگان مطالعه اپلیکیشن را طراحی کرده بود. برای بررسی تکرارپذیری نتایج، تأثیر واقعی بر عملکرد بالینی و امکان اجرای این روش در محیط‌های دیگر، به مطالعات بزرگ‌تر در چند مرکز و با دوره پیگیری طولانی‌تر نیاز است.

موضوع پژوهش: اثرات کوتاه‌مدت شبیه‌سازی تطبیقی موبایلی مبتنی بر هوش مصنوعی بر نتایج آموزش محاسبه دوز دارو در پرستاران شاغل.

عنوان مقاله: شبیه‌سازی موبایلی تطبیقی مبتنی بر هوش مصنوعی برای ارتقای شایستگی محاسبه دوز دارو در پرستاران: یک کارآزمایی تصادفی کنترل‌شده با روش‌های ترکیبی.

مشخصات مقاله: Salem, M. F. A., Sharaf, A. K., & abdelhafeez abdelmonseif Younis, A. (2026). Adaptive AI-based mobile simulation for drug calculation competency in nurses: a mixed-methods RCT. BMC Nursing, 25(1)، مقاله 828. https://doi.org/10.1186/s12912-026-05313-4.

منبع تصویر: تولیدشده با هوش مصنوعی.

شناسه دیجیتال مقاله (DOI): 10.1186/s12912-026-05313-4.

کلیدواژه‌ها: آموزش پرستاری، هوش مصنوعی، شبیه‌سازی موبایلی، محاسبه دوز دارو، تصمیم‌گیری بالینی، خودکارآمدی، کارآزمایی تصادفی کنترل‌شده، مصر، روش تطبیقی، مبتنی بر هوش مصنوعی، شبیه‌سازی موبایلی.