INTEAM+

Laufzeit: Mai 2023 – April 2024
Status: Abgeschlossen
Bildungsstufe: Tertiärstufe
Thema: Data Science for Education, Digital Tools
Keywords: Data Science, Prozessdaten, VR

Ausgangslage

Teamarbeit in Notfallsituationen ist entscheidend. Das Erlernen interprofessioneller Zusammenarbeit – etwa zwischen Pflegefachpersonen und Ärzt*innen im Rahmen von Simulationstrainings – ist komplex. Rückmeldungen erfolgen typischerweise durch Videoanalysen oder Messinstrumente, sind jedoch oft subjektiv und nicht in Echtzeit verfügbar.

Vorgängerprojekt

Im Vorgängerprojekt INTEAM wurde daran gearbeitet, die interprofessionelle Zusammenarbeit zwischen Medizin- und Pflegestudent*innen bereits während der Ausbildung zu fördern. Durch gemeinsames Teamtraining mit VR-Simulationen sollten dabei zentrale Kompetenzen wie strukturierte Kommunikation, Notfallmanagement und gegenseitiges Rollenverständnis gestärkt werden, um eine Grundlage für eine effektivere Zusammenarbeit im späteren Berufsalltag zu schaffen.

Ziele

Mit INTEAM+ verfolgen wir das Ziel, den Einsatz objektiver Messgrössen zur Bewertung der Teamleistung im medizinischen Kontext zu erforschen. Parameter wie Herzfrequenz (EKG), elektrodermale Aktivität (EDA) und Blickverhalten (Eye-Tracking) werden daraufhin untersucht, ob und wie sie Teamarbeit, Koordination und Teamführung erfassen und abbilden können.

Methode

Das Teamtraining wurde in einer virtuellen Realität (VR) durchgeführt und aufgezeichnet. Derzeit konzentrieren wir uns auf die Analyse der physiologischen Daten aus den Videoaufnahmen. Ziel dieser Phase ist es, grundlegende Muster in der Teamkommunikation und -dynamik zu identifizieren. Diese Erkenntnisse sollen nicht nur unsere VR-Trainingsmethoden verbessern, sondern auch die Grundlage für weiterführende Projekte bilden, die diese Muster vertieft untersuchen. Unser übergeordnetes Ziel ist es, durch ein besseres Verständnis die Teamarbeit im Gesundheitswesen wirkungsvoller zu gestalten und so die Basis für künftige Forschung und Entwicklung zu legen.

Ergebnisse

Wir stellen ein datengestütztes Rahmenmodell zur Evaluation von Teamdynamiken im medizinischen Notfalltraining vor, das Debriefings mithilfe tragbarer Geräte ermöglicht, welche physiologische Daten und Bewegungsdaten während des Trainings aufzeichnen. Das System verarbeitet Rohsignale in Echtzeit über verschiedene Zeitskalen hinweg, um Teamdynamiken zu erkennen. Ein Machine-Learning-Modell (ML) analysiert anschliessend die verarbeiteten Daten und identifiziert Synchronisationsmuster, die mit Teamkoordination und -effektivität in Verbindung stehen. Das System basiert auf einem kontinuierlichen ML-Ansatz, der Selbstüberwachung, Selbstlernen und Selbstanpassung bei neu hinzukommenden Daten erlaubt. Die Resultate zeigen eine Übereinstimmung von 90 % zwischen dem COACT-Index und subjektiven Teamleistungsbewertungen – ein vielversprechender Hinweis auf das Potenzial des vorgeschlagenen Modells als objektives, KI-gestütztes Instrument zur Teambeurteilung im Notfallbereich.

Umgesetzte Translation

Nachfolgeprojekte sind darauf ausgerichtet, den Einsatz der entwickelten Messgrössen in verschiedenen akuten medizinischen Kontexten zu untersuchen und deren Praxistauglichkeit in der Ausbildung von Gesundheitsfachpersonen sicherzustellen. Die Umsetzung erfolgt an der BFH als Projektpartnerin sowie im Medizinstudium der Universität Bern. Wir hoffen, dass unsere Erkenntnisse zur Optimierung der interprofessionellen Ausbildung von Gesundheitsberufen in der Schweiz beitragen.

Weiterführende Links

Projektseite