Visual blood, un modelo informático animado en 3D para optimizar la interpretación del análisis de gases en sangre
Autores: Schweiger, Giovanna; Malorgio, Amos; Henckert, David; Braun, Julia; Meybohm, Patrick; Hottenrott, Sebastian; Froehlich, Corinna; Zacharowski, Kai; Raimann, Florian J.; Piekarski, Florian; Noethiger, Christoph B.; Spahn, Donat R.; Tscholl, David W.; Roche, Tadzio R.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Visual blood, un modelo informático animado en 3D para optimizar la interpretación del análisis de gases en sangre
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Procesos fisiológicos
Análisis de gases en sangre arterial
Sangre Visual
Impresión convencional
Médicos
Diagnóstico
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
El equilibrio ácido-base es crucial para todos los procesos fisiológicos en el cuerpo y se evalúa utilizando el análisis de gases en sangre arterial (ABG). Las pantallas o impresiones de los resultados de ABG requieren la interpretación de muchos elementos textuales y números, lo que puede retrasar la comprensión intuitiva. Para optimizar la presentación de los resultados para las fortalezas específicas de la percepción humana, desarrollamos Visual Blood, un modelo virtual animado de los resultados de ABG. En este estudio, comparamos su rendimiento con una impresión de resultados convencional. Setenta médicos de tres hospitales universitarios europeos participaron en un estudio de simulación basado en computadora. Inicialmente, después de un video educativo, probamos la capacidad de los participantes para asignar visualizaciones individuales de Visual Blood a sus parámetros de ABG correspondientes. Como resultado principal, probamos la capacidad de los cuidadores para diagnosticar correctamente escenarios clínicos simulados de ABG con Visual Blood o impresiones de ABG convencionales. Para la retroalimentación de los usuarios, los participantes calificaron su acuerdo con afirmaciones al final del estudio. Los médicos asignaron correctamente el 90% de las visualizaciones individuales de Visual Blood. En cuanto al resultado principal, los participantes hicieron el diagnóstico correcto el 86% del tiempo al usar Visual Blood, en comparación con el 68% al usar la impresión de ABG convencional. Un modelo de regresión logística mixta mostró una razón de posibilidades para el diagnóstico correcto de 3.4 (IC del 95% 2.00-5.79, < 0.001) y una razón de posibilidades para la confianza diagnóstica percibida de 1.88 (IC del 95% 1.67-2.11, < 0.001) a favor de Visual Blood. Un modelo lineal mixto mostró un coeficiente para la carga de trabajo percibida de -3.2 (IC del 95% -3.77 a -2.64) a favor de Visual Blood. Cincuenta y uno de setenta (73%) participantes estuvieron de acuerdo o muy de acuerdo en que Visual Blood era fácil de usar, y cincuenta y cinco de setenta (79%) estuvieron de acuerdo en que era divertido de usar. En conclusión, Visual Blood mejoró la capacidad de los médicos para diagnosticar los resultados de ABG. También aumentó la confianza diagnóstica percibida y redujo la carga de trabajo percibida. Este estudio se suma al creciente cuerpo de investigación que muestra que las herramientas de apoyo a la toma de decisiones desarrolladas en torno a las capacidades cognitivas humanas pueden agilizar la toma de decisiones de los cuidadores y mejorar la atención al paciente.
Descripción
El equilibrio ácido-base es crucial para todos los procesos fisiológicos en el cuerpo y se evalúa utilizando el análisis de gases en sangre arterial (ABG). Las pantallas o impresiones de los resultados de ABG requieren la interpretación de muchos elementos textuales y números, lo que puede retrasar la comprensión intuitiva. Para optimizar la presentación de los resultados para las fortalezas específicas de la percepción humana, desarrollamos Visual Blood, un modelo virtual animado de los resultados de ABG. En este estudio, comparamos su rendimiento con una impresión de resultados convencional. Setenta médicos de tres hospitales universitarios europeos participaron en un estudio de simulación basado en computadora. Inicialmente, después de un video educativo, probamos la capacidad de los participantes para asignar visualizaciones individuales de Visual Blood a sus parámetros de ABG correspondientes. Como resultado principal, probamos la capacidad de los cuidadores para diagnosticar correctamente escenarios clínicos simulados de ABG con Visual Blood o impresiones de ABG convencionales. Para la retroalimentación de los usuarios, los participantes calificaron su acuerdo con afirmaciones al final del estudio. Los médicos asignaron correctamente el 90% de las visualizaciones individuales de Visual Blood. En cuanto al resultado principal, los participantes hicieron el diagnóstico correcto el 86% del tiempo al usar Visual Blood, en comparación con el 68% al usar la impresión de ABG convencional. Un modelo de regresión logística mixta mostró una razón de posibilidades para el diagnóstico correcto de 3.4 (IC del 95% 2.00-5.79, < 0.001) y una razón de posibilidades para la confianza diagnóstica percibida de 1.88 (IC del 95% 1.67-2.11, < 0.001) a favor de Visual Blood. Un modelo lineal mixto mostró un coeficiente para la carga de trabajo percibida de -3.2 (IC del 95% -3.77 a -2.64) a favor de Visual Blood. Cincuenta y uno de setenta (73%) participantes estuvieron de acuerdo o muy de acuerdo en que Visual Blood era fácil de usar, y cincuenta y cinco de setenta (79%) estuvieron de acuerdo en que era divertido de usar. En conclusión, Visual Blood mejoró la capacidad de los médicos para diagnosticar los resultados de ABG. También aumentó la confianza diagnóstica percibida y redujo la carga de trabajo percibida. Este estudio se suma al creciente cuerpo de investigación que muestra que las herramientas de apoyo a la toma de decisiones desarrolladas en torno a las capacidades cognitivas humanas pueden agilizar la toma de decisiones de los cuidadores y mejorar la atención al paciente.