增强现实医疗模拟：影响接受度的多地点研究因素Augmented Reality Medical Simulation: A Multi‐Site Study of Factors That Influence Acceptance - Wang - Pediatric Anesthesia - Wiley Online Library

健康研究 / 来源：onlinelibrary.wiley.com美国 - 英语2025-09-22 02:14:11 - 阅读时长9分钟 - 4419字
本研究采用技术接受模型(TAM)，对美国和香港九所学术儿童医院的101名儿科麻醉住院医师进行了前瞻性多地点研究，旨在探究影响增强现实(AR)医疗模拟在儿科麻醉培训中接受度的关键因素。研究发现，感知易用性和计算机自我效能感是预测AR系统感知有用性的主要因素，而感知有用性和易用性又直接影响使用者的行为意向。系统可用性评估显示83%的参与者认同其易用性，人体工程学评估表明使用过程中身体不适感最小。这些结果证实AR模拟在儿科复苏训练中具有高度可接受性和实用性，感知易用性和计算机自我效能感是影响AR技术采纳的关键因素，为AR技术在医疗教育领域的应用提供了实证支持，有望作为传统模拟训练的有效补充，提高儿科急救培训的可及性和效率。
增强现实医疗模拟儿科麻醉技术接受模型儿科复苏训练感知易用性计算机自我效能感健康医疗教育医疗创新可及性
增强现实医疗模拟：影响接受度的多地点研究因素

背景

抢救危重儿科患者的不频繁发生为儿科麻醉住院医师的能力培养带来了教育挑战。传统的医疗模拟尽管有用，但由于需要监护仪、模拟人和人员，成本高昂。增强现实(AR)医疗模拟作为一种替代临床教学工具展现出前景。技术接受模型(TAM)评估有用性、易用性以及对新技术的态度，为了解其采用提供见解。在成功应用于其他医疗创新后，TAM也可用于评估儿科麻醉住院医师教育中的创新，包括AR医疗模拟。

目标

主要目标是使用TAM识别影响儿科麻醉中AR医疗模拟接受度的因素。次要目标评估模型的可靠性、可用性和人体工程学特性。

方法

这项前瞻性多地点研究在美国和香港的九所学术儿童医院进行。我们招募了至少具有两周儿科麻醉经验的麻醉住院医师，排除有严重晕动病、癫痫或佩戴矫正眼镜的人员。使用Magic Leap 1头显，参与者经历模拟的AR儿科复苏场景。通过电子调查收集数据，评估TAM因素、可用性（系统可用性量表）和人体工程学（ISO 9241-400标准）。

结果

共有101名参与者完成了研究。AR TAM模型表明，感知易用性和计算机自我效能感预测了感知有用性。使用AR系统的意愿受到感知有用性和感知易用性的影响。系统可用性评分显示83%的参与者认同其易用性。人体工程学评估表明身体不适感最小。

结论

AR模拟在儿科复苏训练中具有高度可接受性和可用性，感知易用性和计算机自我效能感影响AR的采用。这些发现与先前的TAM研究一致，支持AR有潜力补充传统模拟并提高可及性。

披露

作者无任何需要报告的内容。

利益冲突

T.J.C.和E.Y.W.在Invincikids董事会任职，这是一个寻求分发沉浸式技术以改善儿科护理的非营利组织。他们未因其角色获得任何报酬。斯坦福Chariot项目已收到来自Meta公司和Magic Leap公司的慈善捐赠。

数据可用性声明

支持本研究发现的数据可根据合理要求从通讯作者处获取。

支持性信息

  • pan70057-sup-0001-AppendixS1.jpg JPEG图像，104.1 KB 附录S1： 参与者招募。
  • pan70057-sup-0002-AppendixS2.pdf PDF文档，50.4 KB 附录S2： 复苏场景（PMID 2135864）。
  • pan70057-sup-0003-AppendixS3.jpg JPEG图像，127 KB 附录S3： 与模拟适当管理相关的任务。
  • pan70057-sup-0004-AppendixS4.docx Word 2007文档，16.8 KB 附录S4： TAM调查问题。
  • pan70057-sup-0005-AppendixS5.jpg JPEG图像，57.4 KB 附录S5： 系统可用性量表(SUS)调查。
  • pan70057-sup-0006-AppendixS6.jpg JPEG图像，55.1 KB 附录S6： ISO 9242-400人体工程学调查。
  • pan70057-sup-0007-AppendixS7.docx Word 2007文档，16.6 KB 附录S7： 次要结果：系统可用性调查和人体工程学调查结果。

请注意：出版商不对作者提供的任何支持性信息的内容或功能负责。任何查询（缺失内容除外）应向文章的通讯作者提出。

参考文献

  1. E. L'Her, T. Geeraerts, J. P. Desclefs 等. 《基于模拟的重症监护、麻醉和急诊医学教学》. Anaesthesia, Critical Care & Pain Medicine, 2020, 39(2): 311–326.
  2. R. J. Daly Guris, P. George, H. G. Gurnaney. 《儿科麻醉中的模拟：现状与未来展望》. Current Opinion in Anaesthesiology, 2024, 37(3): 266–270.
  3. T. J. Caruso, A. Rama, S. Uribe-Marquez, J. D. Mitchell. 《虚拟现实与增强现实在医疗模拟中的对比：正反辩论》. Anesthesia and Analgesia, 2024, 140: 1264–1272.
  4. N. Friedman, M. Zuniga-Hernandez, J. Titzler 等. 《使用增强现实模拟进行院前儿科急诊培训：一项前瞻性混合方法研究》. Prehospital Emergency Care, 2024, 28(2): 271–281.
  5. 《虚拟现实与增强现实在医疗模拟中的对比——PubMed》. 2025年6月11日访问.
  6. T. J. Caruso, M. Madill, D. Sidell 等. 《使用增强现实减少儿科耳鼻喉手术中的恐惧并促进合作》. Laryngoscope, 2021, 131(4): E1342–E1344.
  7. S. Rodriguez, F. Munshey, T. J. Caruso. 《增强现实在自闭症儿童困难静脉通路中的应用》. Pediatric Anesthesia, 2018, 28(6): 569–570.
  8. D. E. Logan, L. E. Simons, T. J. Caruso 等. 《利用虚拟现实和增强现实对抗青少年慢性疼痛：虚拟与增强技术疼痛管理跨学科网络立场文件》. Journal of Medical Internet Research, 2021, 23(4): e25916.
  9. T. J. Caruso, O. Hess, K. Roy 等. 《在增强现实医疗模拟中使用Magic Leap One进行集成眼动追踪：技术报告》. BMJ Simulation and Technology Enhanced Learning, 2021, 7(5): 431–434.
  10. J. Qian, A. Rama, E. Wang 等. 《使用带眼动追踪的增强现实医疗模拟评估儿科生命支持技能：初步研究》. Journal of Education in Perioperative Medicine, 2022, 24(3): E691.
  11. O. Hess, J. Qian, J. Bruce 等. 《使用远程增强现实医疗模拟进行沟通技能训练：可行性与可接受性定性研究》. Medical Science Educator, 2022, 32(5): 1005–1014.
  12. E. Y. Wang, K. M. Kennedy, L. Zhang 等. 《预测麻醉医师临床采用虚拟现实的技术接受模型》. Journal of Clinical Anesthesia, 2024, 98: 111595.
  13. E. Y. Wang, K. M. Kennedy, L. Zhang 等. 《使用技术接受模型预测儿科医疗提供者对虚拟现实的使用》. JAMIA Open, 2023, 6(3): ooad076.
  14. R. J. Holden, B. T. Karsh. 《技术接受模型：在医疗保健中的过去与未来》. Journal of Biomedical Informatics, 2010, 43(1): 159–172.
  15. F. Groot, G. Jonker, M. Rinia, O. Ten Cate, R. G. Hoff. 《在最近发展区前沿的模拟：对无经验学习者的急性护理测试》. Academic Medicine, 2020, 95(7): 1098–1105.
  16. 《研究电子数据捕获(REDCap)——提供转化研究信息学支持的元数据驱动方法和工作流程》. 2025年2月13日访问.
  17. A. Cheng, E. A. Hunt, A. Donoghue 等. 《使用模拟和脚本化反馈检查儿科复苏教育：多中心随机试验》. JAMA Pediatrics, 2013, 167(6): 528–536.
  18. A. Donoghue, K. Ventre, J. Boulet 等. 《模拟儿科复苏评分工具的设计、实施和心理测量分析：来自EXPRESS儿科研究者的报告》. Simulation in Healthcare, 2011, 6(2): 71–77.
  19. K. T. Manis, D. Choi. 《虚拟现实硬件接受模型(VR-HAM)：扩展和个性化虚拟现实硬件的技术接受模型(TAM)》. Journal of Business Research, 2019, 100: 503–513.
  20. P. L. Ingrassia, G. Mormando, E. Giudici 等. 《用于基础生命支持和除颤培训的增强现实学习环境：可用性研究》. Journal of Medical Internet Research, 2020, 22(5): e14910.
  21. J. C. Anderson, D. W. Gerbing. 《抽样误差对最大似然验证性因素分析中收敛、不当解和拟合优度指数的影响》. Psychometrika, 1984, 49(2): 155–173.
  22. M. Tavakol, R. Dennick. 《理解Cronbach's Alpha》. International Journal of Medical Education, 2011, 2: 53–55.
  23. R. R. McKnight, C. A. Pean, J. S. Buck, J. S. Hwang, J. R. Hsu, S. N. Pierrie. 《虚拟现实和增强现实：将外科培训转化为外科技术》. Current Reviews in Musculoskeletal Medicine, 2020, 13(6): 663–674.
  24. D. Suresh, A. Aydin, S. James, K. Ahmed, P. Dasgupta. 《增强现实在外科培训中的作用：系统综述》. Surgical Innovation, 2023, 30(3): 366–382.
  25. 《信息系统的感知有用性、感知易用性和用户接受度》. 2024年11月12日访问.
  26. V. Venkatesh, F. Davis. 《技术接受模型的理论扩展：四项纵向实地研究》. 2000年, 2024年11月12日访问.
  27. V. Venkatesh, M. G. Morris, G. B. Davis, F. D. Davis. 《信息技术的用户接受度：走向统一视角》. MIS Quarterly, 2003, 27(3): 425–478.

【全文结束】

AI内容声明：本页内容撰写过程部分涉及AI（包括且不限于题材，素材，提纲的搜集与整理），请注意甄别。

本文内容由家庭大健康团队所原创或整理，未经授权不得转载、摘编或利用其它方式使用。欢迎分享至朋友圈。
本文仅代表作者观点，不代表本站立场，如有侵权请联系我们删除。

猜你喜欢

相关文章