유비쿼터스 정보의 시대의 의과대학생 교육(Med Teach, 2016)

유비쿼터스 정보의 시대의 의과대학생 교육(Med Teach, 2016)

Educating medical students in the era of ubiquitous information

Charles P. Friedmana,b, Katherine M. Donaldsonc and Anna V. Vantsevichd

aDepartment of Learning Health Sciences, University of Michigan Medical School, Ann Arbor, MI, USA; bSchool of Information, School of

Public Health, University of Michigan, Ann Arbor, MI, USA; cNORC at the University of Chicago, Health Sciences, Bethesda, MD, USA; dSan

Francisco VA Medical Center, Mental Health Service, San Francisco, CA, USA

도입

Introduction

위대한 하키 게임의 열쇠에 대해 물었을 때, 전설적인 아이스 하키 선수 인 Wayne Gretzky는 우리에게 간단한 비밀을 남겼습니다. 그는 "퍽이 있을 곳으로 향한다"고 말했다. 흔히 인용되는 이 조언은 의학 교육의 필수 요소가되었다. 왜냐하면 이 은유로서의 '퍽'이 있을 곳은 지금 '퍽'이 있는 곳과 매우 다르기 때문이다.

When asked about the key to playing great hockey, the legendary ice hockey player, Wayne Gretzky, left us with a simple secret. Great hockey players, he said, ‘‘skate to where the puck is going to be.’’ This often-quoted advice has become an imperative for medical education because the metaphorical ‘‘puck’’ is going to be in a very different place from where it currently resides.

많은 연구와 예측은 종이에서 헬스케어에 대한 전자 문서에 이르기까지 지속적인 발전을 보여줍니다. 

• 미국에서는 사무실 기반의 의사에 의한 기본적인 전자 건강 기록 (EHR) 시스템의 채택률이 48 %였으며 매년 약 6 % 씩 증가하고 있습니다 (Hsiao & Hing 2014). 2010 년 미국 건강 정보 기술 조정관 (National Office of Health Information Technology) 1에 의해 개최 된 합의 회의에서 2019 년까지 의료의 80 %가 전자적으로 문서화 될 것이라고 결론 지었다 (Blavin & Buntin 2013). 

• 영국에서는 EHR이 1990 년대에 유비쿼터스 화되었으며, 급성 치료에 대해서 디지털 문서화로 전환이 진행되고있다 (Anderson et al., 2006). 

• 네덜란드와 덴마크와 같은 소수의 국가는 완전한 디지털 시스템에 거의 근접해있다 (Kierkegaard 2011). 

공인 된 개인이 접근하기는 물론 분석 목적으로 재사용하기가 훨씬 어려운 종이 형태에서, 훨씬 더 유동적이고 계산 가능한 디지털 형식으로 변환하는 것은 생의학에있어 중요한 의미를 지니고 있습니다. 

Many studies and projections point to continuous progress from paper to electronic documentation of health care. In the United States, adoption of a basic electronic health record (EHR) system by office-based physicians stood at 48%, and this figure has been increasing by approximately 6% each year (Hsiao & Hing 2014). A consensus meeting, convened in 2010 by the U.S. Office of the National Coordinator for Health Information Technology1, concluded that 80% of care would be documented electronically by 2019 (Blavin & Buntin 2013). In the United Kingdom, EHRs became ubiquitous in the 1990s, and the transition to digital documentation of acute care is underway (Anderson et al. 2006). A small number of nations, such as the Netherlands and Denmark, have achieved close approximations to fully digital systems (Kierkegaard 2011). The transformation of medical data from paper representation, where it is difficult for authorized individuals to access it and even more difficult to reuse it for analytical purposes, to a much more fluid and computable digital form, has profound implications for biomedicine in ways that can be seen with increasing clarity.

이제 의대생은 '디지털 원주민'입니다 (Prensky 2001). 비록 의학 교육의 연속체는 전 세계적으로 다양하지만, 이는 전 세계적 현상입니다.

Entering medical students are ‘‘digital natives’’ (Prensky 2001). Even though medical education continua vary around the world, this is a global phenomenon.

헬스케어의 정보화된 미래

The informational future of health care

향후 10년간 어떤 진료환경의 변화를 기대할 수 있는가?

What can we reasonably expect the practice environment to look like in the coming decade?

(거의 대부분) 디지털화된 의료 시스템

A (mostly) digital health system

현재 추세를 기반으로 보자면, 향후 10 년 동안 일차 및 급성 치료는 전자 건강 기록 (EHR)에 정기적으로 기록 될 것입니다 (Blavin & Buntin 2013). 결과 데이터는 계산 가능하고 유동적이며, 원래 수집 된 위치에서 치료를 지원하기 위해 필요한 곳으로 안전하게 이동할 수 있습니다. 건강 정보의 이동성을 향한 발전을 억제해온 프라이버시, 보안, 상호 운용성, 경쟁적 도전 등의 복잡한 네트워크는 점차적으로 공공 및 민간 부문에 넘어갈 것이다 (JASON 2013, Health Level Seven International 2015). 

Based on current trends, in the next 10 years primary and acute care will be routinely documented in electronic health records (EHRs) (Blavin & Buntin 2013). The resulting data will be computable and securely fluid, meaning that it can safely move from where they were originally collected to wherever they are needed to support care. The complex network of privacy, security, interoperability, and competitive challenges that have slowed progress toward health information mobility will gradually yield to determined efforts in the public and private sectors that are becoming increasingly evident (JASON 2013; Health Level Seven International 2015). 

건강 관리 소비자는 일상적으로 디지털 형식으로 자신의 진료 및 건강 상태에 관한 데이터에 액세스 할 수 있습니다. 이러한 데이터의 대부분은 센서 및 개인 장치에 의해 생성됩니다. 개인에 관한 오믹 (Omic)의 데이터는 정밀 의학의 실행을 안내하면서 진료 결정을 내리는 데 일상적으로 사용됩니다 (National Research Council 2011, Institute of Medicine 2012).

Health care consumers will routinely have access to data about their own care and health status in digital form; many of these data will be generated by sensors and personal devices. ‘‘Omic’’ data about individuals will be routinely used in making care decisions, ushering in the practice of ‘‘precision medicine’’ (National Research Council 2011; Institute of Medicine 2012).

이러한 발전의 중요성은 review를 위한 의료 문서 자료의 가용성을 훨씬 뛰어 넘습니다. 의사 결정에 직접적으로 영향을 미치는 데이터의 양이 급격히 증가함에 따라 (일부는 기하 급수적으로 말합니다), 최적의 진료 결정을 내리는 데 필요한 독립적 인 데이터 요소의 수는 인간 정보 처리의 한계를 나타내는 '7+ 2를 크게 상회할 것이다(Stead et al. 2011). 정보 기술은 이산 데이터 요소로 존재하는 대량의 정보를 처리 할 수있는 능력이 있으므로, [모든 가용 데이터를 이해하여 최적의 진료 결정에 이를 수 있도록] 인간 인지에 필요한 동반자가 될 것입니다 (Norman 1997) .1 결과적으로 best practice는 부분적으로는 기억에, 부분적으로는 계산에 의해서 이뤄진다는 인식이 일반화될 것이다.

The significance of these developments goes far beyond the availability of care documentation data for review. As the amount of data bearing directly on practice decisions increases—some would say exponentially—the number of independent data elements required to make an optimal care decision will greatly exceed the ‘‘seven plus or minus two’’ which represents the limit of human information processing (Stead et al. 2011). Because of its ability to process large amounts of information that exist as discrete data elements, information technology will therefore be a required companion to human cognition to make sense of all available data and arrive at optimal care decisions (Norman 1997).1 As a result, there will be a general recognition that best practice is, in part, remembered, and in part, computed.

향후 10 년 동안 보건 시스템이 지속적으로 연구하고 개선 할 수있는 신뢰할 수있는 '학습하는 건강 시스템'의 중요한 요소를 보게 될 것입니다 (National Research Council 2011). 

• 미국 보건 복지부는 '학습하는 건강 시스템'을 2024 년 국가 목표 (특히 2015 년 보건 정보 기술 국가 코디네이터 사무실)로 목표로 삼았습니다. 

• 유럽 ​​공동체는 또한이 개념을 채택했다 (Delaney et al., 2015). 

학습하는 건강 시스템은 유체 및 계산 가능한 형태로 점차 증가하는 건강 데이터를 최대한 활용할 수 있도록하는 인프라입니다. 이러한 인프라는 특정 건강 문제에 초점을 맞춘 다양한 virtuous learning cycled을 지원할 수 있습니다. 학습주기 내에서 데이터 집계 및 분석을 통해 진료 개선을 위한 경로가 밝혀지며, 즉시 이 지식을 적용하여 의료행위를 변경하고 지속적으로 개선 할 수 있습니다. 학습 건강 시스템 인프라는 질병 발생을 탐지하고, 유행병을 추적 및 관리하고, 신약 및 기타 중재의 의도 된 것과 의도하지 않은 영향을 모니터하기위한 국가 감시 시스템을 제공함으로써 보건 품질 향상 외에도 공중 보건을 지원할 수 있습니다 (Institute of Medicine 2013).

The coming decade will also see significant elements of a trusted ‘‘learning health system’’ that enables the health system to continuously study and improve itself (National Research Council 2011). 

• The U.S. Department of Health and Human Services has specifically targeted the learning health system as a national objective for 2024 (The Office of the National Coordinator for Health Information Technology increasingly 2015). 

• The European Community has also embraced this concept (Delaney et al. 2015). 

The learning health system is an infrastructure that makes the best possible use of health data that are increasingly available in fluid and computable form. Such an infrastructure is able to support multiple virtuous learning cycles, each focused on a specific health problem. Within a learning cycle, data aggregation and analysis reveal pathways to care improvement, followed immediately by the application of this knowledge to change practice and enable continuing improvement. The learning health system infrastructure can support public health, in addition to health care quality improvement, by providing a national surveillance system to detect disease outbreaks, track and manage epidemics, and monitor the effects, both intended and unintended, of new drugs and other interventions (Institute of Medicine 2013).

지식 클라우드의 서포트

Support from a ‘‘Knowledge Cloud’’

생의학 지식이 계산 가능한 형태로 상징적으로 표현 될 때, 그 지식은 질문에 답하거나 의사 결정 관련 조언을 제공하는 자료로 활용 될 수 있습니다. 앞으로 10 년 동안, practice을 지원하기위한 지식의 sophistication, comprehensiveness, accessibility은 가상의 '지식 클라우드'에 포함 된 임상 사례를 묘사하기에 충분할 것입니다. 헬스케어 소비자뿐만 아니라 임상의도 지식 클라우드에 접근 할 것입니다. 현대 스마트 폰에서 사용할 수있는 기술에 대한 직접적인 extrapolation이라고 할 수 있으며, 클라우드는 자연어로 제시된 생의학적 질문에 응답할 것이다(Athenikos & Han 2010, Bauer & Berleant 2012).

When Biomedical knowledge is represented symbolically in computable forms, it can be employed in resources that answer questions or offer decision-specific advice. In the coming decade, the sophistication, comprehensiveness, and accessibility of knowledge to support practice will be sufficient to portray clinical practice as embedded in a virtual ‘‘knowledge cloud.’’ Clinicians as well as consumers of health care will have access to the knowledge cloud. As a direct extrapolation of technology available on contemporary smart phones, the cloud will respond to biomedical questions posed in natural language (Athenikos & Han 2010; Bauer & Berleant 2012).

클라우드는 급속하게 확장된 생의학 지식의 코퍼스를 기반으로 해답을 줄 것입니다. 또한 요청에 따라 대답의 이유를 설명 할 것입니다. 클라우드는 소위 '푸시 모드'로 작동하여 일상적으로 조립 된 건강 관련 데이터의 실시간 분석을 기반으로 응급 임상 문제를 예측하거나 탐지 할 때 조언을 제공 할 수 있습니다. 2011 년에 IBM의 왓슨 (Watson) 기술은 인간의 전문가보다 더 뛰어나게, 평이한 언어로 제기 된 일반적인 지식 문제에 대한 답을 얻을 수 있었기 때문에 의료 지식 클라우드가 어떻게 작동 하는지를 알 수 있었다 (Pepitone 2011, Yuan 2011). 아직은 이용 가능하지 않지만 지식 클라우드에 대해 상상하는 기능이 향후 10 년 내에 크게 성취 될 수 있습니다.

The cloud will both give answers based on a rapidly expanding corpus of biomedical knowledge; and, on request, will explain these answers. In addition to answering questions addressed to it, the cloud can also operate in so-called push mode, delivering advice when it predicts or detects an emergent clinical problem based on real time analysis of routinely assembled health-related data. IBM’s Watson technology, which in 2011 was able to ‘‘understand’’ and answer general knowledge questions posed in plain language, better than human experts, provides a clue to how a medical knowledge cloud might function (Pepitone 2011;Yuan2011), and suggests that the envisioned capabilities of the knowledge cloud, while not presently available, might be largely achievable early in the coming decade.

클라우드에는 개인 건강 정보가 아닌 지식이 포함되어 있기 때문에 클라우드에 대한 액세스는 개인 정보 보호 및 보안 문제에 거의 영향을받지 않습니다. 생물 의학 지식의 영역에서 타당도, 적용 가능성 및 출처가 주요 우려 사항이됩니다. 신뢰할 수 있도록 클라우드를 관리하고 신속하게 업데이트해야합니다.

Because the cloud contains knowledge and not personal health information, access to the cloud is largely immune to issues of privacy and security. In this domain of biomedical knowledge, validity, applicability and source become the primary concerns. To be trusted, the cloud will have to be curated and rapidly updated.

의학교육에 대한 함의

Implications for medical education

역량 1: 아는 것과 모르는 것 알기

Competency 1: Knowing what you do and don’t know

지식 클라우드 시대에 직면했을 때, 의료 제공자가 내린 진단appraisal이 실제로 옳은가보다, 의사가 상황에 대한 판단을 옳게 하고있는지 여부가 것이 더 중요 할 수 있습니다.

When confronted with a medical decision in the era of the knowledge cloud, it may be more important for a care provider to know whether her appraisal of the situation is correct or incorrect, than for the appraisal to actually be correct.

이 첫 번째 역량을 설명하는 또 다른 방법은 유능한 임상의는 반드시 '보정calibrated'되어야한다고 말하는 것입니다. '보정'이라는 것은 의사의 자신감이 정확성과 일치하는 것을 말한다. 즉, calibration은 의사의 실수에 대한 자기 평가와 실제 오류 사이의 일치를 향상시킵니다 (Berner & Graber 2008). 의사는 자신의 지식이나 능력의 한계에 도달했다는 것을 느낄 수 있기 때문에, 실시간으로 진료 결정을 내리면서 언제 도움을 요청해야하는지 알아야 한다 (Eva & Regehr 2007; Moulton & Regehr 2007).

Another way of describing this first competency is to say that competent clinicians must be ‘‘calibrated’’; their confidence aligns with their correctness. In other words, calibration improves ‘‘the match between the physician’s selfassessment of errors and actual errors’’ (Berner & Graber 2008). Clinicians will know when to ask for help when making real-time care decisions because they can sense that they have reached the limit of their knowledge or competence (Eva & Regehr 2007; Moulton & Regehr 2007).

4 개 셀로 이뤄진 '자신감 보정 매트릭스'(그림 1)는 이 묘사의 목적을 위해 유용한데, 우리는 일반적으로 임상적 문제에 대한 복잡한 평가를 단순하게 이분법적으로 묘사하기 때문이다(Friedman et al. 2005).

A four cell ‘‘Confidence Calibration Matrix’’ (Figure 1)is useful to portray this relationship, recognizing that, for purposes of this portrayal, we are simplistically dichotomizing what is usually a complex assessment of a clinical problem as ‘‘correct’’ or ‘‘incorrect’’ (Friedman et al. 2005).

왼쪽 하단 셀은 under-confident miscalibration입니다. 이 상황은 대체로 안전한데, 왜냐면 의사가 실제로 옳았음에도 틀리다고 생각하여 이용 가능한 지식 클라우드 또는 기타 소스로부터 도움을 구하기 때문이다. 임상가는 이미 도달 한 결론을 확인하게 될 것이다. 그러나 이러한 형태의 miscalibration이 이상적이지 않은 데에는 두 가지 이유가 있습니다. 

• 첫째, 헬스케어에서는 적시성이 필수적인 상황이 있는데, 클라우드에 컨설팅하는 것은 아무리 민첩하고 반응이 좋더라도 시간이 걸립니다. 

• 둘째, 클라우드를 suboptimal하게 사용하면 임상의의 평가가 틀린 것으로 바뀔 가능성이 있습니다.

the lower left cell is under-confident miscalibration. This situation is usually safe because the clinician, thinking she is incorrect when in fact she is correct, will seek assistance from the increasingly available knowledge cloud or other sources. This will usually confirm the conclusion the clinician has already reached. There are, however, two reasons why this form of miscalibration is not ideal. 

• First, there are situations in health care where timeliness is essential and consulting the cloud, no matter how agile and responsive it is, will take time. 

• Second, there is the possibility that suboptimal use of the cloud might change a clinician’s assessment from correct to incorrect.

오른쪽 상단 셀은 안전하지 않은 형태의 miscalibration입니다. 임상의는 틀렸음에도 자신의 평가가 정확하다고 믿는 곳입니다. 이 miscalibrated 상태에 있는 임상의는 클라우드이나 다른 소스로부터 조언을 구하는 동기가되지 않습니다. 문제를 감지 한 클라우드가 임상의에게 조언을 보내더라도 무시 당할 수 있습니다.

The upper right cell is the unsafe form of miscalibration; this is where the clinician is incorrect but believes her assessment is correct. A clinician in this miscalibrated state will not be motivated to seek advice, from the cloud or other sources. Even if the cloud, sensing a problem, pushes advice to the clinician, it is likely to be ignored.

오른쪽 아래의 행렬의 네 번째 셀은 임상의가 잘못된 상태를 감지하여 교정된 상태입니다. 이 경우 클라우드와의 협의가 상황을 수정할 가능성이 있습니다. 이 특정 영역이 교육에 가장 큰 함의를 준다. 유비쿼터스 시대에 trainee는 [생각하고 상황을 바로 잡기 위해 클라우드를 사용할 수있는 한] 틀렸다는 이유만으로 downgraded되어서는 안된다. 역사적으로 의학 교육은 정답을 지닌 학생들에게 보상을 주었다. 그러나 정보화된 미래에는 자신의 지식의 결함과 한계를 이해하고 불확실성을 적절하게 관리하는 학생들에게 보상이 돌아가야 한다.

The fourth cell of the matrix, in the lower right, is the calibrated state where the clinician is incorrect and senses it. In this case, a consultation with the cloud will likely correct the situation. This particular cell has the greatest implications for education, suggesting that, in the era of ubiquitous information, trainees should not be downgraded for being wrong, as long as they know they are wrong and are capable of using the cloud to rectify the situation. Historically, medical education has rewarded students who carry the right answer in their heads. In the informational future, we should instead reward students who understand the flaws and limits in their knowledge and appropriately manage their uncertainty.

교정calibration을 향상시킬 수있는 교육적 접근 방법은 무엇입니까? 하나의 전략은 교육적으로 검증 된 실습과 피드백을 사용하는 것이다. 연수생이 문제에 대한 평가를 내리면, 교육자는 정기적으로 평가에 대한 자신감의 수준과 그 결론에 도달 한 원인에 대해 질문해야합니다. 확신 평가를 의식 수준으로 높이면, trainee는 자신감을 평가하기위한 일상적인 내부 대화internal dialogue를 시작하는 데 도움이됩니다. Miscalibration의 사례는 문서화되어야하고 preceptor와 논의되어야합니다. 이 접근법은 자신감 평가 및 관련된 대화를 공식적/체계적으로 임상 교육에 적용하는 새로운 교육적 접근 방식을 필요로합니다.

What educational approaches can enhance calibration? One strategy would use the instructionally tried-and-true approach of practice and feedback. When a trainee offers an assessment of a problem, preceptors should routinely ask her about her level of confidence in the assessment and what brought her to that conclusion. Elevating confidence assessment to a conscious level will help the trainee initiate a routine internal dialogue of assessing confidence. Instances of miscalibration should be documented and discussed with preceptors. This approach requires new pedagogical approaches that build confidence assessment and the associated dialogue formally and systematically into clinical education.

이 접근법을 강화하기 위해 임상 프리셉터는 동일한 유형의 행동을 모델링해야합니다. Preceptor는 자신의 자신감과 교정 수준에 대해 더 많이 introspective하게 인식하고 기꺼이 토론해야합니다. 마지막으로, 사고에 대한 생각을 연구하는 메타인지 (metacognition)라는 새로운 분야는 임상 교육에서 교정을 촉진하는 방법에 대한 몇 가지 추가 정보를 제시 할 수 있습니다 (Qurik 2006).

To reinforce this approach, clinical preceptors should model these same types of behaviors. Preceptors will need to become more introspective about, aware of, and willing to discuss their own confidence and levels of calibration. Finally, the emerging field of metacognition, the study of thinking about thinking, may shed some additional light on how to promote calibration in clinical education (Qurik 2006).

역량 2: 좋은 질문을 하는 능력

Competency 2: Ability to ask a good question

두 번째 역량은 불완전한 지식을 향상시키기 위해 클라우드를 사용할 수있는 능력을 보장합니다. 클라우드를 최대한 활용하기위한 핵심 기술은 좋은 질문을 구성하는 것입니다. 좋은 대답을 얻는 가장 좋은 방법은 좋은 질문을하는 것입니다 (Taylor 1962; Debons 2008). 뭔가를 배우기 위해서는 무엇인가를 알아야합니다. 따라서 좋은 질문을하기 위해 임상의는 당면한 문제에 대한 중요한 것을 알고 있어야합니다 (Tang & Ng 2006).

The second competency will ensure that they will have the ability to use the cloud to improve their incomplete knowledge. The key skill for making best use of the cloud is the ability to frame a good question. The best way to get a good answer is, and will remain, to ask a good question (Taylor 1962; Debons 2008). It is necessary to know something in order to learn something. Therefore, to frame a good question, the clinician must know something important about the problem at hand (Tang & Ng 2006).

논증을 위해 다시 단순화하면서, 우리는 임상의가 지식 클라우드와 상호 작용하기 전에 개인 지식의 세 가지 상태를 고려한다. 

• 첫 번째 상태는 임상가가 즉각적인 관심 대상이 되는 문제에 대해 지식이 부족하여 클라우드의 대답에서 도움을 받을 수 있는 질문을 만들지 못하는 경우이다. 이 상태에 있는 임상의는 클라우드에서 도움을 얻을 수 없으며, 문제를 해결할 수 없게되거나, 검색된 정보로 잘못 인도 될 수 있습니다. 

• 두 번째 상태에서 임상의는 부분적으로만 지식을 가지고 있지만, 그럼에도 불구하고 좋은 질문을 구성하기에는 충분한 상태이다. 이 경우 클라우드가 도움이 될 수 있습니다. 

• 세 번째 상태는 임상의의 개인 지식이 이미 완료된 상태입니다. 이 상태에서는 클라우드가 필요하지 않습니다. 그러나 지식의 기하 급수적 인 급증으로 특징 지어지는 미래에, 개인이 사소한 문제와 관련하여이 완전한 지식 상태에있을 가능성은 점점 낮아지고있다.

Again simplifying for the sake of argument, we consider three states of personal knowledge preceding a clinician’s interaction with the knowledge cloud. 

• The first state is about a where the clinician has insufficient knowledge problem of immediate interest to frame a question such that the cloud’s answer will be helpful. A clinician in this state will not be able to obtain assistance from the cloud and will remain unable to address the problem at hand – or may be misled by the information retrieved. 

• A clinician in the second state has partial knowledge that is nonetheless sufficient to frame a good question. In this case the cloud can be helpful. 

• The third state is where clinician’s personal knowledge is already complete. In this state the cloud is not needed; however, in a future characterized by exponential proliferation of knowledge, it is increasingly unlikely that any individual will be in this full-knowledge state with respect to a non-trivial problem.

이 분석은 커리큘럼 구성 방법에 대한 지침을 제공합니다.

This analysis provides guidance on how to structure a curriculum

커리큘럼의 초점은 [모르는 것을 알아내는 데 필요한 것을 배우는 것]으로 옮겨가야 한다. 다시 말하면, 좋은 질문을하기 위해 알아야 할 것을 배우는 것어야 한다. 이러한 변화된 교육 접근법은 지식의 양보다 지식의 조직화를 강조하여인지 심리학자들이 '비계scaffolding'라고 부르는 것에 초점을 맞추고있다 (Kim & Hannafin 2011).

The focus of the curriculum should shift to learning just what is needed in order to find out what one doesn’t know – or, alternatively, to learning what one needs to know in order to ask a good question. This shifted educational approach stresses organization of knowledge over volume of knowledge, changing the focus to what cognitive psychologists call ‘‘scaffolding’’ (Kim & Hannafin 2011).

오늘날의 연수생은 미래의 클라우드 지원 임상 실습을 준비하기 위해 좋은 질문을 세우는 데 충분한 연습이 필요합니다. 이를 위해 공식 교육 프로그램은 [유효한 조언을 제공하기에 충분히 성숙하지만] [임상 실습에 적용하기에 아직 성숙하지 않은] 초기 버전의 클라우드와 같은 지식 자원을 사용해야합니다. 교육 환경에서의 임상 시뮬레이션 상황은 실제 환자의 안전을 위태롭게하지 않는다는 사실을 활용할 수 있습니다. 부분적으로 개발 된 지식 기술은 이러한 기술이 보다 성숙되고 널리 보급되었을 때, 학생들이 필요로하는 기술을 개발할 수 있도록 도와줍니다. 일반적으로 교육 프로그램은 [그 시점에서 클라우드의 상태가 어떻든간에], 클라우드 사용에 어려움을 겪는 학생들에게 challenge해야합니다.

Today’s trainees will require ample practice in formulating good questions to prepare them for the cloud-supported clinical practice of the future. To this end, formal educational programs should employ early versions of cloud-like knowledge resources that are mature enough to provide valid advice but perhaps not yet mature enough to be deployed in clinical practice. In doing this, we can take advantage of the fact that simulated clinical problems posed in educational settings do not jeopardize the safety of actual patients. Partially developed knowledge technology can be used in these situations to help students develop skills they will need in a future when that technology is more mature and widely deployed. In general, educational programs should challenge students with problems that require use of the cloud, whatever the state of the cloud might be at that point in time.

오늘의 학생들을 미래의 클라우드 지원 관행에 준비시키려면 평가를 '클라우드 호환cloud-compliant'하게 바꿔야 한다. 미래의 시험은 '오픈 클라우드' 시험이어야합니다. 정보화 된 미래가 미래 의료환경의 특징이라면, 일반적으로 closed book 형태의 시험에 대한 정당성은 거의 없습니다. 주어진 closed 시험은 질문의 답을 구름에서 찾을 수 있기 때문에, 그 scaffolding에 attach된 fact가 아닌 학생의 비계scaffolding을 평가해야합니다. 1960 년대 맥 마스터 대학 (McMaster University)에서 도입 된 ''트리플 점프 (triple jump) 운동의 modification은 PBL에서의 개척적인 작업의 일환으로, ''오픈 클라우드''시험을위한 모델 역할을합니다 (Painvin, Neufeld , Norman, Walker, & Whelan 1979, Smith 1993). 이 논의에 맞추기 위해 수정 된 트리플 점프의 표현은 그림 2에 묘사되어 있습니다.

• 이 시나리오에서 학생들은 자신의 개인 지식만을 기반으로 할당 된 문제를 먼저 통과합니다. 이것은 '비계'점수를 생성합니다. 

• 문제를 두 번째로 통과하면 학생은 지식 클라우드에 액세스 할 수 있습니다. 두 번째 패스는 두 가지 점수를 제공한다: 클라우드 사용의 품질과 관련된 프로세스 점수와 클라우드의 지원을 받아 문제를 얼마나 잘 해결하였나를 기준으로 한 최종 점수.

To prepare the students of today for the cloud-supported practice of the future it is also necessary to make evaluations ‘‘cloud-compliant.’’ Exams in the future should be ‘‘open-cloud’’ exams. Given the informational future that will characterize practice, there is in general little justification for closed-book, closed-note exams. Any closed exams that are given should assess a student’s scaffolding as opposed to whatever facts might attach to that scaffolding, since those facts are retrievable from the cloud. A modification of the ‘‘triple jump’’ exercise that was introduced at McMaster University in the 1960s, as part of their pioneering work in problem-based learning, serves as a model for the ‘‘open cloud’’ exam (Painvin, Neufeld, Norman, Walker, & Whelan 1979; Smith 1993). A representation of the triple jump, modified to fit this discussion, is portrayed in Figure 2. In this scenario, students get a first pass through an assigned problem based on their personal knowledge only; this will generate a ‘‘scaffold’’ score. In a subsequent second pass through the problem, the student can access the knowledge cloud. The second pass will generate two scores: a process score related to the quality of their use of the cloud, and the most important final score based on how well she could solve the problem when assisted by the cloud.

역량 3: 근거를 평가하고 가중치를 둘 수 있는 능력

Competency 3: Evaluating and weighing evidence

미래 클라우드의 많은 질문에 대한 답변은 임상 지침과 같은 저장된 지식 저장소에서 비롯 될 것이지만 다른 것들은 이전에 설명한 것처럼 leaning health system을 통해 액세스 할 수있는 데이터베이스의 실시간 쿼리에서 나옵니다.

While many of the future cloud’s responses to questions will come from stored knowledge repositories such as clinical guidelines, others will come from real-time queries of databases accessible through a learning health system as previously described.

따라서 클라우드를 discriminating하게 사용하려면 불확실성을 평가할 수 있어야합니다.

Thus, a discriminating user of the cloud must be able to evaluate uncertainty.

이 세 번째 역량은 임상 결정이 컴퓨터가 아니라 사람들에 의해 계속 될 것이며 클라우드의 역할은 명령이 아닌 조언을 제공하는 것이라고 가정합니다. 의학이 공유 된 의사 결정의 시대로 접어 들면서, 증거를 평가하고 가중치를 두는 기술은 계속 중요 할 것입니다. 미래의 의사 결정은 임상의 간 전문 팀뿐만 아니라 환자와 그 가족을 포함하여 팀의 결정이 될 것입니다. 이러한 결정에 영향을 미치는 (종종 불분명하고 모순되는) 추가 요소는 이러한 개인의 다양한 신념과 시각에서 파생됩니다.

This third competency assumes that clinical decisions will continue to be made by people, not machines, and that the role of the cloud will be to give advice and not orders. Skills in evaluating and weighing evidence will continue to be important as medicine enters an era of shared decisionmaking. Future decisions about care will be team decisions—not just by inter-professional teams of clinicians, but also including patients and their families. Additional factors bearing on these decisions, factors that are often fuzzy and conflicting, will derive from the varying beliefs and perspectives of these individuals.

따라서 미래 의사에게 필요한 지식 스캐폴딩의 일부는 불확실성 하에서의 의사 결정과 관련되어야합니다. 이것은 공식적인 의사 결정 모델링 및 분석, 증거에 기반한 의사 결정 및 문헌의 비판적 평가, 메타 분석, 데이터 마이닝 및 신호 탐지와 같은 주제에 대한 커리큘럼 관심 증가가 필요합니다. 그러나 현재 이 세 번째 역량을 다루기 위한 교육과정 변경은 smallest departure이다. 의과 대학은 수십 년 동안이 주제가 임상의로서 미래의 업무와 관련이있는 것처럼 보이도록 투쟁 해왔다 (Luther & Crandall 2011). 클라우드의 시대가 다가 오면서 이전에 설명한 두 가지 역량을 다루기 시작한 교육과정의 변화에 ​​따라, 증거에 대한 평가와 가중치를 두는 능력의 중요성이 점점 더 분명해질 것입니다.

So part of the future practitioner’s knowledge scaffolding, referenced earlier, must relate to decision making under uncertainty. This requires increased curricular attention to such topics as: formal decision modeling and analysis, evidence-based decision making and critical evaluation of literature, meta-analysis, and data mining and signal detection. In many ways, the curricular changes to address this third competency represent the smallest departure from however, current practice; medical schools have struggled for decades to make this subject matter appear to trainees to be relevant to their future work as clinicians (Luther & Crandall 2011). As the era of the cloud approaches and curricular changes begin to address the two competencies described previously, the importance of weighing and evaluating evidence will become increasingly apparent.

결론: CPD에 대한 함의

Concluding observations: implications for continuing professional education 

 여기까지 언급되지 않은 탁월한 질문이 있습니다. 이미 진료중인 의사 및 기타 건강 전문가를위한 평생 학습의 틀로 어떻게 작용합니까? 새로운 의료 지식 환경은 또한 현재 시스템 하에서 교육받은 시니어 의사들에게도 해당될 것이다. 지식 클라우드는 새로운 졸업생 뿐만 아니라 기존의 의사들에게도 잘 작동해야합니다. 의학 학생들의 교육을 위해 여기에 설명 된 많은 교육 도전 과제는 현재의 임상 의사 세대의 CPD에도 똑같이 적용됩니다.

 there is a transcendent question not mentioned up to this point: How do these issues work into a framework of continuous, lifelong learning for physicians and other health professionals who are already in practice? the new medical knowledge environment will also exist for more senior practitioners who have been educated under the current system. The knowledge cloud must work for them as well as it works for these new graduates. Many of the educational challenges described here for the education of medical students apply equally well to the continuing professional education of the current generation of practicing clinicians. 

---

Med Teach. 2016 May;38(5):504-9. doi: 10.3109/0142159X.2016.1150990. Epub 2016 Mar 30.

Educating medical students in the era of ubiquitous information.

Friedman CP1,2, Donaldson KM3, Vantsevich AV4.

Author information

1

a Department of Learning Health Sciences , University of Michigan Medical School , Ann Arbor , MI , USA ;

2

b School of Information, School of Public Health, University of Michigan , Ann Arbor , MI , USA ;

3

c NORC at the University of Chicago, Health Sciences , Bethesda , MD , USA ;

4

d San Francisco VA Medical Center, Mental Health Service , San Francisco , CA , USA.

Abstract

Health care around the world is going digital. This inexorable trend will result in: (1) routine documentation of care in digital form and emerging national infrastructures for sharing data that allow progress toward a learning health system; and (2) a biomedical "knowledge cloud" that is fully integrated into practice environments and accessible to both providers and consumers of healthcare. Concurrently, medicalstudents will be complete digital natives who have literally grown up with the Internet and will enter practice early in the next decade when the projected changes in practice approach maturity. This essay describes three competencies linked to this evolving information environment-(1) knowing what you do and don't know, (2) ability to ask a good question, and (3) skills in evaluating and weighing evidence-and suggests educational approaches to promote student mastery of each competency. Shifting medical education to address these competencies will call into question many current methods but may be essential to fully prepare trainees for optimal practice in the future.

PMID:

 

27027546

 

PMCID:

 

PMC4898157

 

DOI:

 

10.3109/0142159X.2016.1150990