Context / probleemstelling of aanleiding

Context/probleemstelling of aanleiding:

Aios Longziekten kunnen hun bronchoscopievaardigheden trainen in een simulatiesetting en momenteel bewaakt de opleider de voortgang van de competentie-ontwikkeling, wat tijdrovend en duur is. Simulatoren en wearables, zoals bewegingssensoren, kunnen nauwkeurig en continu de uitvoering van de handeling registreren en real-time feedback mogelijk maken. Hierdoor zou er zonder supervisie geoefend kunnen worden. Bij laparoscopie en anesthesiologie is inderdaad een verschil in de mate van vloeiendheid van bewegingen tussen beginners en experts gevonden (1,2). Wij onderzochten 1) verschillen in vloeiendheid van bewegingen van beginners en experts gemeten met een bewegingssensor, en 2) hoe haalbaar toepassing van deze technologie is voor het geven van real-time performance feedback in een simulatietraining.

Beschrijving van de interventie/innovatie:

Beginners en experts deden een oriënterende bronchoscopie op een Virtual Reality simulator (Surgical Science®) terwijl zij een shirt met Xsens® wearables droegen. Wij kozen snelheid als indicator van vloeiendheid van de beweging. Snelheid bepaalt mede de vloeiendheid van de beweging en kan worden gemeten met Xsens® technologie. Data werd verkregen met de MVN Analyze® software, uitgelezen naar Excel en geanalyseerd in RStudio®. Op basis van onze ervaringen met de apparatuur en de analyse onderzochten wij de haalbaarheid om deze methode toe te passen voor het geven van real-time feedback, in termen van tijdsduur en gemak voor deelnemers en van dataverwerking.

Ervaringen/analyse van de implementatie:

12 beginners en 8 experts deden mee aan het onderzoek. Uit de statistische analyse bleek dat beginners hun bovenarm gemiddeld sneller bewogen dan experts [respectievelijk 0.022 en 0.015 graad/seconde, p<.001], terwijl zij hun handen gemiddeld langzamer bewogen dan experts [beginners 0.026, experts 0.032 graad/seconde, p<.001]. Beginners hadden tevens een ander snelheidspatroon van hand en bovenarm. Zij waren daarnaast gemiddeld 1.8 keer langzamer dan experts, terwijl de twee groepen even vaak met de scoop de wand van de luchtpijp raakten.

Het klaarzetten van de meetopstelling, de kalibratie van het shirt en de data-analyse kostten respectievelijk 1 uur, 25 minuten en enkele weken. Door de grote hoeveelheid data bleek voor de analyse in RStudio® veel programmeerkennis vereist.

Lessons learned (implicaties voor de praktijk):

Gemeten snelheid en het patroon van snelheid van bovenarm en hand verschillen tussen beginners en experts en zijn daarmee relevante parameters voor real-time feedback op de leercurve. Kalibratie en analyse kosten veel tijd en de door de wearables opgeleverde data bleek te overvloedig en weinigzeggend over de beweging om adequate feedback te kunnen geven. Onderzoek naar eenvoudiger te hanteren bewegingssensoren met daaruit voortvloeiende eenvoudig te verwerken en analyseren data is noodzakelijk, voordat wearables geïmplementeerd kunnen worden in de praktijk om real-time feedback te geven.

Referenties (max. 2):

1)Ebina K. et al. Surgical Endoscopy 2021; 35:4399-4416
2)Sakakura Y. et al. BMC Medical Education 2018; 18:1-9