人工智能驱动的虚拟现实模拟用于临床病情恶化培训:一项效果-实施混合研究
Artificial intelligence-enabled virtual reality simulation for clinical deterioration training: An effectiveness-implementation hybrid study
文章讯息:

研究背景
急性临床病情恶化可发生于任何医疗场景。护士作为与患者接触最密切的群体,在识别生命体征变化及其他恶化征象方面处于重要位置。新手护士常被期望能像资深护士一样熟练应对病情急剧恶化的患者,因此必须具备相应的胜任力与自信心。虚拟现实模拟技术能够高度还原患者病情恶化过程,已逐渐应用于临床病情恶化培训中。该技术克服了传统现场模拟在时间、空间及人力方面的限制,可有效提升护生识别和管理临床病情恶化的知识水平与临床推理能力。研究证实,虚拟现实模拟在跨专业团队培训中表现出与传统现场模拟相当的效果,但其大规模推广应用仍较为有限。为此,研究团队开发了基于人工智能的虚拟医生系统,使护生无需实际医生参与即可练习跨专业沟通技能,并通过随机对照试验验证了该系统的有效性。
然而,即便有实证支持的教学干预措施也未必能顺利落地实施,需重点关注其在课程中的转化机制与实施路径。本研究采用2型混合研究,在评估人工智能虚拟现实模拟(AI-enabled VRS)教学效果的同时,系统评估其实施效果。研究主要回答以下问题:AI-enabled VRS能否提升学生识别与应对病情恶化的知识水平?学生对该技术的接受度、感知有用性、易用性及使用意愿如何?未来应如何推动该技术在课程中的可持续实施?
研究方法
2.1人工智能驱动的虚拟现实模拟
由护理学者、临床护士、信息技术人员及游戏开发者组成的多学科团队,基于Unity 3D游戏引擎共同开发AI-enabled VRS。系统包括沉浸式虚拟医院环境、非玩家角色患者、护理化身及AI医生。AI医生以语音聊天机器人形式呈现,具备语音回应及非语言手势反馈功能。
虚拟患者为合并多种慢性病及合并症的老年病例,支持五种病情恶化场景(包括低血糖、低血容量性休克、脓毒症及脓毒性休克等)。这些场景发生在虚拟患者住院的不同日期。场景内嵌多种病情恶化表现,如意识改变、呼吸困难、低血压、心动过速及少尿等。学生通过点击患者入院日期进入对应场景,阅读病史后,基于ABCDE(气道、呼吸、循环、意识、暴露)评估框架对患者进行评估与处理。过程中穿插测验以聚焦评估任务解读,并指导学生与AI医生沟通患者病情。完成护理任务后,学生接受基于清单的反馈并完成测验。最终,系统根据表现清单与测验结果计算得分并授予徽章。
2.2 实施策略
2024年1月11日至18日,新加坡国立大学将AI-enabled VRS纳入修订后的多模态模拟框架,作为“迈向专业实践体验“模块的一部分。研究团队依据“实施变革专家推荐“(ERIC)项目列出的73项实施策略,采取以下措施:
• 向课程指导教师及学生传达关键信息;
• 确保学生在适当时机访问循证AI-enabled VRS;
• 提供行政与技术支持。
课程负责人向学生介绍修订后的多模态模拟活动,并强调包括3小时AI-enabled VRS在内的所有活动均为必修内容,计入临床时数。学生通过学习门户获取AI-VRS链接,并可通过论坛提问。行政人员追踪完成情况,技术团队在线答疑,并针对技术问题召开临时在线会议。
2.3 研究设计
本研究采用Curran等人(2022)提出的评估工具,选用2型混合设计,以同时评估干预措施的有效性与实施成果。基于可行性与伦理因素考量,最终确定使用等待名单准试验设计。
2.4 研究对象及分组
新加坡国立大学所有选修《迈向专业实践体验》课程的三年级护生。学生被分配至34个教学组,非随机分为试验组(17组,60人)与对照组(17组,87人)。试验组在传统模拟临床沉浸基础上增加AI-enabled VRS;对照组仅接受传统模拟临床沉浸。
2.5 数据收集与流程
干预前后,采用包含30个项目的应用知识问卷评估学生在识别与应对临床病情恶化、团队能力方面的学习成果。该问卷已在前期研究中得到应用。
对照组在完成后期测评后,可使用AI-enabled VRS进行学习。完成该模拟系统后,学生需填写一份在线调查,以评估实施效果。该调查基于Proctor的实施结果概念框架设计,包括四个量表及两道开放性问题。四个量表依据Shin等人修订的技术接受模型及期望确认理论编制,用于评估学生在3D虚拟学习环境中的体验。每个量表包含3个项目,采用7级李克特评分法。前期研究已验证其具有良好的信度(Cronbach α系数介于0.85至0.90之间)。两道开放题旨在收集学生对系统改进的建议及未来实施策略。
2.6 数据分析
定量数据采用描述统计、配对t检验及协方差分析,显著性水平设为p < .05。开放题采用Graneheim与Lundman内容分析法,由两名研究者独立编码,并在第三名研究者协调下形成主题。
2.7 伦理
该项目已通过大学机构审查委员会批准。
研究结果
3.1 一般资料
共有147名护生参与了本研究。其中女性122名,平均年龄22.6±2.42岁。除性别存在显著差异(P=0.001)外,试验组与对照组在基线特征方面差异无统计学意义(P>0.05)(见表1)。
表1人口统计学特征

3.2 AI-VRS的有效性
组内比较显示,试验组与对照组在识别与应对临床病情恶化以及沟通能力方面,干预后均有提高。组间比较表明,两组在识别与应对病情恶化(F = 0.08,P = 0.78)及沟通能力(F = 1.28,P = 0.26)上的得分差异均无统计学意义。尽管试验组在识别与应对(18.0 ± 2.94 vs. 17.9 ± 3.35)和沟通(4.1 ± 1.36 vs. 3.9 ± 1.42)方面的得分略高于对照组,但在控制前测总分后,两组后测总分亦无统计学差异。
表2 组内与组间研究结果比较

3.3 实施结果
表3汇总了基于(AI-VRS)在接受性、适用性、可行性和采纳度四个维度的反馈结果。大多数学生对所有实施效果均持积极态度。其中“适用性”子量表得分最高(M=4.98,SD=1.22),而“接受性”子量表得分最低(M=4.63,SD=1.32)。
学生认同度最高的三项陈述分别是:“我认为AI-VRS对我有用”(N=127人,73.8%)、“我对AI-VRS的整体体验感到满意”(N=118人,68.6%)以及“我认为AI-VRS能协助我完成多项事务”(N=118人,68.6%)。
认同度较低的三项陈述为:“使用AI-VRS学习时我没有遇到问题/不满”(N=72人,41.9%)、“我认为通过AI-VRS的交互清晰易懂”(N=92人,53.5%)以及“我打算未来继续使用AI-VRS”(N=97人,56.4%)。
表3 接受度、适用性、可行性与采纳程度水平

3.4 未来实施策略
学生认可AI-enabled VRS在帮助临床准备方面的价值,认为其提供了比教科书更真实的场景体验(见表4)。学生建议包括:优化与AI医生的对话及提示,使交互更自然;提升界面、音效及语音转文本准确性,改善用户体验;加强技术稳定性,减少卡顿与程序缺陷。
表4 开放式问题的调查结果

结论
本研究采用实施科学方法,将人工智能虚拟现实模拟系统(AI-VRS)纳入护理课程。通过评估学习效果与实施成果,为提升AI-VRS在护理教育中的有效性、接受度和可持续性提供了策略依据。结果表明,AI-VRS有助于提升护生识别和应对患者病情恶化的能力,对改善患者安全与护理质量具有积极意义。
本研究将人工智能与虚拟现实模拟系统相结合,旨在应对跨专业协作训练中人员协调困难的实际问题,提升训练的可及性与可行性。研究采用混合研究设计,系统评估了AI-VRS在护理教育中的应用效果与推广策略,为智能技术在护理教学中的持续应用提供了理论与实践参考。研究表明,AI-VRS在护理教育中具有应用潜力。研究对人工智能辅助的临床护理教学和研究具有启示意义。
研究将人工智能从信息支持角色拓展为可模拟临床医生或合作伙伴的交互对象,缓解了跨专业训练中医生参与不足、时间协调困难等限制。考虑到国内语言大模型的迅速发展,该模式可扩展至不同专科护理课程中。例如,课程设计上,本研究构建了“线上AI-VRS预习—线下高仿真模拟—临床实习强化”的递进式混合教学模式,并将系统完成度纳入学时与考核体系,以保障实施持续性。临床护理教师可基于该设计,进一步设计阶梯式学习任务,逐步提升学生临床推理能力,或将AI-VRS与线下高保真模拟相结合,构建“线上—线下—临床”三阶段教学路径,并通过系统自动记录学生操作行为,为学生提供个性化反馈与强化训练,支持个体化精准教学。教学实施方面,临床护理教师可借鉴本研究采用的ERIC框架,从技术、行政和教学三个维度制定推进策略,包括提前培训师资与测试设备、设立技术支持岗位、收集学生反馈等,以提升系统稳定性与交互体验。今后可重点关注学生参与度与过程性评价,将AI-VRS纳入OSCE考核或实习准入环节,形成可持续的教学实施方案。
目前研究主要基于护生自评结果,未来可纳入教育管理者与教师视角,共同分析影响AI-VRS实施的阻碍与促进因素。今后建议进一步拓展临床情境、扩大样本量,开展多中心随机对照试验,并长期追踪学生在临床决策、团队协作及患者结局等方面的表现,为AI-VRS的应用积累更充分的证据。此外,本研究采用的效果-实施混合研究设计,也为临床护理教师开展兼顾干预有效性与实施过程评价的教学研究提供了参考。
推荐人

苟辉,硕士,主管护师
病区九,第44护理单元
(皮肤性病科病房)

审核人:陈茜、陈吉辉、邹琴
探索教学真谛·展现教学魅力
受医院“大刊论文解读”启发,护理部毕业后教育科特开设“教学论文荐读”专栏,拟邀请优秀师资骨干,精选在国内外发表的优秀教学论文,对论文的背景、方法、成果进行介绍,分享阅读心得,搭建全院临床护理师资读教学论文、品教学论文、用教学论文的学术交流平台。
他山之石,可以攻玉。我们期待通过专栏,帮助临床护理师资学习先进的教学理念与方法,积极开展教学创新和教学研究,提升临床护理教学质量和水平。后期,我们还将搭建院内临床教学创新分享平台,促进院内护理临床教学交流。
我们每迈出的每一步革新,都希望与您一路并肩同行。
护理部毕业后教育科
2020年3月19日
● 版权声明 ●
● 本文内容最终解释归四川大学华西医院护理部所有,未经授权不得转载。
● <护理教学论文荐读>封面版权归四川大学华西医院宣传部所有,未经授权不得修改、转载。
● 华西护理毕业后教育信息门户倡导尊重和保护知识产权。欢迎转载。本站内容及图片仅供参考、学习使用,不为盈利且不作为诊断、医疗根据。
作者
:苟辉
发布时间
:2025-10-29
0次
人工智能驱动的虚拟现实模拟用于临床病情恶化培训:一项效果-实施混合研究
Artificial intelligence-enabled virtual reality simulation for clinical deterioration training: An effectiveness-implementation hybrid study
文章讯息:

研究背景
急性临床病情恶化可发生于任何医疗场景。护士作为与患者接触最密切的群体,在识别生命体征变化及其他恶化征象方面处于重要位置。新手护士常被期望能像资深护士一样熟练应对病情急剧恶化的患者,因此必须具备相应的胜任力与自信心。虚拟现实模拟技术能够高度还原患者病情恶化过程,已逐渐应用于临床病情恶化培训中。该技术克服了传统现场模拟在时间、空间及人力方面的限制,可有效提升护生识别和管理临床病情恶化的知识水平与临床推理能力。研究证实,虚拟现实模拟在跨专业团队培训中表现出与传统现场模拟相当的效果,但其大规模推广应用仍较为有限。为此,研究团队开发了基于人工智能的虚拟医生系统,使护生无需实际医生参与即可练习跨专业沟通技能,并通过随机对照试验验证了该系统的有效性。
然而,即便有实证支持的教学干预措施也未必能顺利落地实施,需重点关注其在课程中的转化机制与实施路径。本研究采用2型混合研究,在评估人工智能虚拟现实模拟(AI-enabled VRS)教学效果的同时,系统评估其实施效果。研究主要回答以下问题:AI-enabled VRS能否提升学生识别与应对病情恶化的知识水平?学生对该技术的接受度、感知有用性、易用性及使用意愿如何?未来应如何推动该技术在课程中的可持续实施?
研究方法
2.1人工智能驱动的虚拟现实模拟
由护理学者、临床护士、信息技术人员及游戏开发者组成的多学科团队,基于Unity 3D游戏引擎共同开发AI-enabled VRS。系统包括沉浸式虚拟医院环境、非玩家角色患者、护理化身及AI医生。AI医生以语音聊天机器人形式呈现,具备语音回应及非语言手势反馈功能。
虚拟患者为合并多种慢性病及合并症的老年病例,支持五种病情恶化场景(包括低血糖、低血容量性休克、脓毒症及脓毒性休克等)。这些场景发生在虚拟患者住院的不同日期。场景内嵌多种病情恶化表现,如意识改变、呼吸困难、低血压、心动过速及少尿等。学生通过点击患者入院日期进入对应场景,阅读病史后,基于ABCDE(气道、呼吸、循环、意识、暴露)评估框架对患者进行评估与处理。过程中穿插测验以聚焦评估任务解读,并指导学生与AI医生沟通患者病情。完成护理任务后,学生接受基于清单的反馈并完成测验。最终,系统根据表现清单与测验结果计算得分并授予徽章。
2.2 实施策略
2024年1月11日至18日,新加坡国立大学将AI-enabled VRS纳入修订后的多模态模拟框架,作为“迈向专业实践体验“模块的一部分。研究团队依据“实施变革专家推荐“(ERIC)项目列出的73项实施策略,采取以下措施:
• 向课程指导教师及学生传达关键信息;
• 确保学生在适当时机访问循证AI-enabled VRS;
• 提供行政与技术支持。
课程负责人向学生介绍修订后的多模态模拟活动,并强调包括3小时AI-enabled VRS在内的所有活动均为必修内容,计入临床时数。学生通过学习门户获取AI-VRS链接,并可通过论坛提问。行政人员追踪完成情况,技术团队在线答疑,并针对技术问题召开临时在线会议。
2.3 研究设计
本研究采用Curran等人(2022)提出的评估工具,选用2型混合设计,以同时评估干预措施的有效性与实施成果。基于可行性与伦理因素考量,最终确定使用等待名单准试验设计。
2.4 研究对象及分组
新加坡国立大学所有选修《迈向专业实践体验》课程的三年级护生。学生被分配至34个教学组,非随机分为试验组(17组,60人)与对照组(17组,87人)。试验组在传统模拟临床沉浸基础上增加AI-enabled VRS;对照组仅接受传统模拟临床沉浸。
2.5 数据收集与流程
干预前后,采用包含30个项目的应用知识问卷评估学生在识别与应对临床病情恶化、团队能力方面的学习成果。该问卷已在前期研究中得到应用。
对照组在完成后期测评后,可使用AI-enabled VRS进行学习。完成该模拟系统后,学生需填写一份在线调查,以评估实施效果。该调查基于Proctor的实施结果概念框架设计,包括四个量表及两道开放性问题。四个量表依据Shin等人修订的技术接受模型及期望确认理论编制,用于评估学生在3D虚拟学习环境中的体验。每个量表包含3个项目,采用7级李克特评分法。前期研究已验证其具有良好的信度(Cronbach α系数介于0.85至0.90之间)。两道开放题旨在收集学生对系统改进的建议及未来实施策略。
2.6 数据分析
定量数据采用描述统计、配对t检验及协方差分析,显著性水平设为p < .05。开放题采用Graneheim与Lundman内容分析法,由两名研究者独立编码,并在第三名研究者协调下形成主题。
2.7 伦理
该项目已通过大学机构审查委员会批准。
研究结果
3.1 一般资料
共有147名护生参与了本研究。其中女性122名,平均年龄22.6±2.42岁。除性别存在显著差异(P=0.001)外,试验组与对照组在基线特征方面差异无统计学意义(P>0.05)(见表1)。
表1人口统计学特征

3.2 AI-VRS的有效性
组内比较显示,试验组与对照组在识别与应对临床病情恶化以及沟通能力方面,干预后均有提高。组间比较表明,两组在识别与应对病情恶化(F = 0.08,P = 0.78)及沟通能力(F = 1.28,P = 0.26)上的得分差异均无统计学意义。尽管试验组在识别与应对(18.0 ± 2.94 vs. 17.9 ± 3.35)和沟通(4.1 ± 1.36 vs. 3.9 ± 1.42)方面的得分略高于对照组,但在控制前测总分后,两组后测总分亦无统计学差异。
表2 组内与组间研究结果比较

3.3 实施结果
表3汇总了基于(AI-VRS)在接受性、适用性、可行性和采纳度四个维度的反馈结果。大多数学生对所有实施效果均持积极态度。其中“适用性”子量表得分最高(M=4.98,SD=1.22),而“接受性”子量表得分最低(M=4.63,SD=1.32)。
学生认同度最高的三项陈述分别是:“我认为AI-VRS对我有用”(N=127人,73.8%)、“我对AI-VRS的整体体验感到满意”(N=118人,68.6%)以及“我认为AI-VRS能协助我完成多项事务”(N=118人,68.6%)。
认同度较低的三项陈述为:“使用AI-VRS学习时我没有遇到问题/不满”(N=72人,41.9%)、“我认为通过AI-VRS的交互清晰易懂”(N=92人,53.5%)以及“我打算未来继续使用AI-VRS”(N=97人,56.4%)。
表3 接受度、适用性、可行性与采纳程度水平

3.4 未来实施策略
学生认可AI-enabled VRS在帮助临床准备方面的价值,认为其提供了比教科书更真实的场景体验(见表4)。学生建议包括:优化与AI医生的对话及提示,使交互更自然;提升界面、音效及语音转文本准确性,改善用户体验;加强技术稳定性,减少卡顿与程序缺陷。
表4 开放式问题的调查结果

结论
本研究采用实施科学方法,将人工智能虚拟现实模拟系统(AI-VRS)纳入护理课程。通过评估学习效果与实施成果,为提升AI-VRS在护理教育中的有效性、接受度和可持续性提供了策略依据。结果表明,AI-VRS有助于提升护生识别和应对患者病情恶化的能力,对改善患者安全与护理质量具有积极意义。
本研究将人工智能与虚拟现实模拟系统相结合,旨在应对跨专业协作训练中人员协调困难的实际问题,提升训练的可及性与可行性。研究采用混合研究设计,系统评估了AI-VRS在护理教育中的应用效果与推广策略,为智能技术在护理教学中的持续应用提供了理论与实践参考。研究表明,AI-VRS在护理教育中具有应用潜力。研究对人工智能辅助的临床护理教学和研究具有启示意义。
研究将人工智能从信息支持角色拓展为可模拟临床医生或合作伙伴的交互对象,缓解了跨专业训练中医生参与不足、时间协调困难等限制。考虑到国内语言大模型的迅速发展,该模式可扩展至不同专科护理课程中。例如,课程设计上,本研究构建了“线上AI-VRS预习—线下高仿真模拟—临床实习强化”的递进式混合教学模式,并将系统完成度纳入学时与考核体系,以保障实施持续性。临床护理教师可基于该设计,进一步设计阶梯式学习任务,逐步提升学生临床推理能力,或将AI-VRS与线下高保真模拟相结合,构建“线上—线下—临床”三阶段教学路径,并通过系统自动记录学生操作行为,为学生提供个性化反馈与强化训练,支持个体化精准教学。教学实施方面,临床护理教师可借鉴本研究采用的ERIC框架,从技术、行政和教学三个维度制定推进策略,包括提前培训师资与测试设备、设立技术支持岗位、收集学生反馈等,以提升系统稳定性与交互体验。今后可重点关注学生参与度与过程性评价,将AI-VRS纳入OSCE考核或实习准入环节,形成可持续的教学实施方案。
目前研究主要基于护生自评结果,未来可纳入教育管理者与教师视角,共同分析影响AI-VRS实施的阻碍与促进因素。今后建议进一步拓展临床情境、扩大样本量,开展多中心随机对照试验,并长期追踪学生在临床决策、团队协作及患者结局等方面的表现,为AI-VRS的应用积累更充分的证据。此外,本研究采用的效果-实施混合研究设计,也为临床护理教师开展兼顾干预有效性与实施过程评价的教学研究提供了参考。
推荐人

苟辉,硕士,主管护师
病区九,第44护理单元
(皮肤性病科病房)

审核人:陈茜、陈吉辉、邹琴
探索教学真谛·展现教学魅力
受医院“大刊论文解读”启发,护理部毕业后教育科特开设“教学论文荐读”专栏,拟邀请优秀师资骨干,精选在国内外发表的优秀教学论文,对论文的背景、方法、成果进行介绍,分享阅读心得,搭建全院临床护理师资读教学论文、品教学论文、用教学论文的学术交流平台。
他山之石,可以攻玉。我们期待通过专栏,帮助临床护理师资学习先进的教学理念与方法,积极开展教学创新和教学研究,提升临床护理教学质量和水平。后期,我们还将搭建院内临床教学创新分享平台,促进院内护理临床教学交流。
我们每迈出的每一步革新,都希望与您一路并肩同行。
护理部毕业后教育科
2020年3月19日
● 版权声明 ●
● 本文内容最终解释归四川大学华西医院护理部所有,未经授权不得转载。
● <护理教学论文荐读>封面版权归四川大学华西医院宣传部所有,未经授权不得修改、转载。
● 华西护理毕业后教育信息门户倡导尊重和保护知识产权。欢迎转载。本站内容及图片仅供参考、学习使用,不为盈利且不作为诊断、医疗根据。
作者
:苟辉
发布时间
:2025-10-29
0次
人工智能驱动的虚拟现实模拟用于临床病情恶化培训:一项效果-实施混合研究
Artificial intelligence-enabled virtual reality simulation for clinical deterioration training: An effectiveness-implementation hybrid study
文章讯息:

研究背景
急性临床病情恶化可发生于任何医疗场景。护士作为与患者接触最密切的群体,在识别生命体征变化及其他恶化征象方面处于重要位置。新手护士常被期望能像资深护士一样熟练应对病情急剧恶化的患者,因此必须具备相应的胜任力与自信心。虚拟现实模拟技术能够高度还原患者病情恶化过程,已逐渐应用于临床病情恶化培训中。该技术克服了传统现场模拟在时间、空间及人力方面的限制,可有效提升护生识别和管理临床病情恶化的知识水平与临床推理能力。研究证实,虚拟现实模拟在跨专业团队培训中表现出与传统现场模拟相当的效果,但其大规模推广应用仍较为有限。为此,研究团队开发了基于人工智能的虚拟医生系统,使护生无需实际医生参与即可练习跨专业沟通技能,并通过随机对照试验验证了该系统的有效性。
然而,即便有实证支持的教学干预措施也未必能顺利落地实施,需重点关注其在课程中的转化机制与实施路径。本研究采用2型混合研究,在评估人工智能虚拟现实模拟(AI-enabled VRS)教学效果的同时,系统评估其实施效果。研究主要回答以下问题:AI-enabled VRS能否提升学生识别与应对病情恶化的知识水平?学生对该技术的接受度、感知有用性、易用性及使用意愿如何?未来应如何推动该技术在课程中的可持续实施?
研究方法
2.1人工智能驱动的虚拟现实模拟
由护理学者、临床护士、信息技术人员及游戏开发者组成的多学科团队,基于Unity 3D游戏引擎共同开发AI-enabled VRS。系统包括沉浸式虚拟医院环境、非玩家角色患者、护理化身及AI医生。AI医生以语音聊天机器人形式呈现,具备语音回应及非语言手势反馈功能。
虚拟患者为合并多种慢性病及合并症的老年病例,支持五种病情恶化场景(包括低血糖、低血容量性休克、脓毒症及脓毒性休克等)。这些场景发生在虚拟患者住院的不同日期。场景内嵌多种病情恶化表现,如意识改变、呼吸困难、低血压、心动过速及少尿等。学生通过点击患者入院日期进入对应场景,阅读病史后,基于ABCDE(气道、呼吸、循环、意识、暴露)评估框架对患者进行评估与处理。过程中穿插测验以聚焦评估任务解读,并指导学生与AI医生沟通患者病情。完成护理任务后,学生接受基于清单的反馈并完成测验。最终,系统根据表现清单与测验结果计算得分并授予徽章。
2.2 实施策略
2024年1月11日至18日,新加坡国立大学将AI-enabled VRS纳入修订后的多模态模拟框架,作为“迈向专业实践体验“模块的一部分。研究团队依据“实施变革专家推荐“(ERIC)项目列出的73项实施策略,采取以下措施:
• 向课程指导教师及学生传达关键信息;
• 确保学生在适当时机访问循证AI-enabled VRS;
• 提供行政与技术支持。
课程负责人向学生介绍修订后的多模态模拟活动,并强调包括3小时AI-enabled VRS在内的所有活动均为必修内容,计入临床时数。学生通过学习门户获取AI-VRS链接,并可通过论坛提问。行政人员追踪完成情况,技术团队在线答疑,并针对技术问题召开临时在线会议。
2.3 研究设计
本研究采用Curran等人(2022)提出的评估工具,选用2型混合设计,以同时评估干预措施的有效性与实施成果。基于可行性与伦理因素考量,最终确定使用等待名单准试验设计。
2.4 研究对象及分组
新加坡国立大学所有选修《迈向专业实践体验》课程的三年级护生。学生被分配至34个教学组,非随机分为试验组(17组,60人)与对照组(17组,87人)。试验组在传统模拟临床沉浸基础上增加AI-enabled VRS;对照组仅接受传统模拟临床沉浸。
2.5 数据收集与流程
干预前后,采用包含30个项目的应用知识问卷评估学生在识别与应对临床病情恶化、团队能力方面的学习成果。该问卷已在前期研究中得到应用。
对照组在完成后期测评后,可使用AI-enabled VRS进行学习。完成该模拟系统后,学生需填写一份在线调查,以评估实施效果。该调查基于Proctor的实施结果概念框架设计,包括四个量表及两道开放性问题。四个量表依据Shin等人修订的技术接受模型及期望确认理论编制,用于评估学生在3D虚拟学习环境中的体验。每个量表包含3个项目,采用7级李克特评分法。前期研究已验证其具有良好的信度(Cronbach α系数介于0.85至0.90之间)。两道开放题旨在收集学生对系统改进的建议及未来实施策略。
2.6 数据分析
定量数据采用描述统计、配对t检验及协方差分析,显著性水平设为p < .05。开放题采用Graneheim与Lundman内容分析法,由两名研究者独立编码,并在第三名研究者协调下形成主题。
2.7 伦理
该项目已通过大学机构审查委员会批准。
研究结果
3.1 一般资料
共有147名护生参与了本研究。其中女性122名,平均年龄22.6±2.42岁。除性别存在显著差异(P=0.001)外,试验组与对照组在基线特征方面差异无统计学意义(P>0.05)(见表1)。
表1人口统计学特征

3.2 AI-VRS的有效性
组内比较显示,试验组与对照组在识别与应对临床病情恶化以及沟通能力方面,干预后均有提高。组间比较表明,两组在识别与应对病情恶化(F = 0.08,P = 0.78)及沟通能力(F = 1.28,P = 0.26)上的得分差异均无统计学意义。尽管试验组在识别与应对(18.0 ± 2.94 vs. 17.9 ± 3.35)和沟通(4.1 ± 1.36 vs. 3.9 ± 1.42)方面的得分略高于对照组,但在控制前测总分后,两组后测总分亦无统计学差异。
表2 组内与组间研究结果比较

3.3 实施结果
表3汇总了基于(AI-VRS)在接受性、适用性、可行性和采纳度四个维度的反馈结果。大多数学生对所有实施效果均持积极态度。其中“适用性”子量表得分最高(M=4.98,SD=1.22),而“接受性”子量表得分最低(M=4.63,SD=1.32)。
学生认同度最高的三项陈述分别是:“我认为AI-VRS对我有用”(N=127人,73.8%)、“我对AI-VRS的整体体验感到满意”(N=118人,68.6%)以及“我认为AI-VRS能协助我完成多项事务”(N=118人,68.6%)。
认同度较低的三项陈述为:“使用AI-VRS学习时我没有遇到问题/不满”(N=72人,41.9%)、“我认为通过AI-VRS的交互清晰易懂”(N=92人,53.5%)以及“我打算未来继续使用AI-VRS”(N=97人,56.4%)。
表3 接受度、适用性、可行性与采纳程度水平

3.4 未来实施策略
学生认可AI-enabled VRS在帮助临床准备方面的价值,认为其提供了比教科书更真实的场景体验(见表4)。学生建议包括:优化与AI医生的对话及提示,使交互更自然;提升界面、音效及语音转文本准确性,改善用户体验;加强技术稳定性,减少卡顿与程序缺陷。
表4 开放式问题的调查结果

结论
本研究采用实施科学方法,将人工智能虚拟现实模拟系统(AI-VRS)纳入护理课程。通过评估学习效果与实施成果,为提升AI-VRS在护理教育中的有效性、接受度和可持续性提供了策略依据。结果表明,AI-VRS有助于提升护生识别和应对患者病情恶化的能力,对改善患者安全与护理质量具有积极意义。
本研究将人工智能与虚拟现实模拟系统相结合,旨在应对跨专业协作训练中人员协调困难的实际问题,提升训练的可及性与可行性。研究采用混合研究设计,系统评估了AI-VRS在护理教育中的应用效果与推广策略,为智能技术在护理教学中的持续应用提供了理论与实践参考。研究表明,AI-VRS在护理教育中具有应用潜力。研究对人工智能辅助的临床护理教学和研究具有启示意义。
研究将人工智能从信息支持角色拓展为可模拟临床医生或合作伙伴的交互对象,缓解了跨专业训练中医生参与不足、时间协调困难等限制。考虑到国内语言大模型的迅速发展,该模式可扩展至不同专科护理课程中。例如,课程设计上,本研究构建了“线上AI-VRS预习—线下高仿真模拟—临床实习强化”的递进式混合教学模式,并将系统完成度纳入学时与考核体系,以保障实施持续性。临床护理教师可基于该设计,进一步设计阶梯式学习任务,逐步提升学生临床推理能力,或将AI-VRS与线下高保真模拟相结合,构建“线上—线下—临床”三阶段教学路径,并通过系统自动记录学生操作行为,为学生提供个性化反馈与强化训练,支持个体化精准教学。教学实施方面,临床护理教师可借鉴本研究采用的ERIC框架,从技术、行政和教学三个维度制定推进策略,包括提前培训师资与测试设备、设立技术支持岗位、收集学生反馈等,以提升系统稳定性与交互体验。今后可重点关注学生参与度与过程性评价,将AI-VRS纳入OSCE考核或实习准入环节,形成可持续的教学实施方案。
目前研究主要基于护生自评结果,未来可纳入教育管理者与教师视角,共同分析影响AI-VRS实施的阻碍与促进因素。今后建议进一步拓展临床情境、扩大样本量,开展多中心随机对照试验,并长期追踪学生在临床决策、团队协作及患者结局等方面的表现,为AI-VRS的应用积累更充分的证据。此外,本研究采用的效果-实施混合研究设计,也为临床护理教师开展兼顾干预有效性与实施过程评价的教学研究提供了参考。
推荐人

苟辉,硕士,主管护师
病区九,第44护理单元
(皮肤性病科病房)

审核人:陈茜、陈吉辉、邹琴
探索教学真谛·展现教学魅力
受医院“大刊论文解读”启发,护理部毕业后教育科特开设“教学论文荐读”专栏,拟邀请优秀师资骨干,精选在国内外发表的优秀教学论文,对论文的背景、方法、成果进行介绍,分享阅读心得,搭建全院临床护理师资读教学论文、品教学论文、用教学论文的学术交流平台。
他山之石,可以攻玉。我们期待通过专栏,帮助临床护理师资学习先进的教学理念与方法,积极开展教学创新和教学研究,提升临床护理教学质量和水平。后期,我们还将搭建院内临床教学创新分享平台,促进院内护理临床教学交流。
我们每迈出的每一步革新,都希望与您一路并肩同行。
护理部毕业后教育科
2020年3月19日
● 版权声明 ●
● 本文内容最终解释归四川大学华西医院护理部所有,未经授权不得转载。
● <护理教学论文荐读>封面版权归四川大学华西医院宣传部所有,未经授权不得修改、转载。
● 华西护理毕业后教育信息门户倡导尊重和保护知识产权。欢迎转载。本站内容及图片仅供参考、学习使用,不为盈利且不作为诊断、医疗根据。