Toplu Kaza Olayı Simülasyonları

 https://journals.sagepub.com/doi/full/10.1177/00187208211018880

    Bilgi yönetimini dinamik olarak ölçmek ve bilgi boşluklarına yol açan faktörleri belirlemek için yeni bir model geliştirmek.

    Bilgi yönetimi, toplu yaralanma olayının (MCI) hastane öncesi aşamasında acil tıbbi hizmet (EMS) ekip liderleri için temel bir görevdir. Geçmişteki HBB'lerden öğrenilen dersler, kötü bilgi yönetiminin artan ölüm oranlarına yol açabileceğini göstermektedir. MCI eğitim simülasyonları sırasında bilgi yönetimini değerlendirmek için çeşitli araçlar kullanılır, ancak ekip liderlerinin bilgiyi yönetme yeteneklerini ölçme ve geliştirme zorluğu devam etmektedir.

    Dinamik İletişim Niceleme (DCQ) modeli, bilgi temsili tipolojisine dayalı olarak geliştirilmiştir. Model, çok noktalı senkronize video kullanarak bilgi yönetimini nicelleştirir ve görselleştirir. Bilgi açıklarına neden olan faktörleri belirlemek için 2014 ve 2019 yılları arasında altı MCI simülasyonuna uygulandı ve diğer değerlendirme yöntemleriyle karşılaştırıldı.

    Uygulanan üç yöntemden yalnızca DCQ modeli bilgi boşluklarına yol açan iki faktörü ortaya çıkardı: birincisi, farklı bölgelerden çok sayıda yaralının konsolidasyonu ve ikincisi, tıbbi tedavi alanına yaralıların varışlarının ve MCI sahasından ayrılanların takibi.

    DCQ modeli, bilgi yönetiminin nesnel olarak ölçülmesine olanak tanır. Böylece, bir MCI sırasında bilgi boşlukları sunan yeni bir bilgi katmanını ortaya çıkarır. Model, tüm MCI ekip liderlerine uygulanabilir olduğundan, MCI simülasyonlarını daha etkili hale getirebilir.

    Bu DCQ modeli, MCI eğitim simülasyonları sırasında bilgi yönetimini dinamik olarak ölçer.

    Toplu yaralanma olayı (MCI), yaralı sayısının bu yaralıları yerinde tedavi etmek için tahsis edilebilecek tıbbi kaynakları aştığı bir acil durum olayıdır ( Einav ve diğerleri, 2004 ; Rimstad & Braut, 2015 ; Rimstad & Sollid, 2015 ). Bu olaylar bir kaza, ani bir saldırı veya bir felaketten kaynaklanabilir. Bu nedenle, HBB'ler arasındaki değişkenlik benzerliklerinden daha fazladır. Bu değişkenliğin üstesinden gelmek için, bu kaotik olayların yönetiminde rehberlik sağlamak üzere MCI protokolleri geliştirilmiştir ( Bitan, 2017 ). Bilgi yönetimi ("iletişim" [ Rimstad & Braut, 2015 ] veya "bilgi toplama ve analiz etme" olarak da bilinir Wang ve diğerleri, 2012]) kaotik hastane öncesi aşamada MCI komutanlarının temel görevlerinden biridir ( Rimstad & Braut, 2015 ). Geçmişteki MCI'lardan alınan raporlar, aşırı radyo iletişimi ( Rimstad ve Sollid, 2015 ) gibi iletişim zorluklarından kaynaklanan bilgi boşluklarının artan ölüm oranlarına yol açtığını ortaya koymaktadır Assa ve diğerleri, 2009 ; Avitzour ve diğerleri, 2004 ; Busby & Witucki-Brown, 2011). ; Raiter ve diğerleri, 2008 ; Sloan, 2011 ; Turner ve diğerleri, 2016 ), uzayan bir tahliye süresi ( Assa ve diğerleri, 2009 ), hastanelerin taşması ( Raiter ve diğerleri, 2008 ; Turner ve diğerleri, 2016 )), hastane hazırlıklarında gecikmeler ( Avitzour ve diğerleri, 2004 ; Sloan, 2011 ) ve kurtarıcıların sahadaki güvenliklerinde azalma ( Turner ve diğerleri, 2016 ).

    Acil tıbbi hizmetler (EMS) personeli, büyük miktarda bilgiyle başa çıkmaya vurgu yaparak simülasyon tatbikatları yoluyla HBB'leri yönetmek için eğitilmiştir ( Perry ve diğerleri, 2020 ). EMS performansı çeşitli parametreler kullanılarak ölçülebildiğinden, bir MCI sırasında bilgi yönetiminin kalitesini ölçmek için birden fazla araç geliştirilmiştir. Bu araçlar, simülasyon sonrası Likert ölçekli anketleri ( Gordon ve diğerleri, 2016 ; Roper ve diğerleri, 2018 ), deneyimli gözlemciler tarafından puanlanan performans göstergeleri setlerini ( Gryth ve diğerleri, 2010 ; Rüter ve diğerleri, 2004a , 2004b ), ve simülasyon sonrası anketler ( Atack ve diğerleri, 2009 ; Jorm ve diğerleri, 2016Zinan ve diğerleri, 2015 ). MCI simülasyonları sırasında EMS ekip üyeleri arasında bilgi yönetimini iyileştirme çabalarına rağmen, bu büyük bir zorluk olmaya devam etmektedir ( Assa ve diğerleri, 2009 ; Avitzour ve diğerleri, 2004 ; Busby & Witucki-Brown, 2011 ; Raiter ve diğerleri, 2008 ; Sloan , 2011 ; Turner ve diğerleri, 2016 ).

    Bu çalışmanın iki amacı vardı: (1) bir MCI sırasında bilgi yönetiminin kalitesini ölçmek için yeni bir model geliştirmek ve (2) bilgi boşluklarına yol açan faktörleri belirlemek. İlk hedefe ulaşmak için, bilgi temsili tipolojisine dayalı Dinamik İletişim Niceleme (DCQ) modeli geliştirildi Kozlowski ve Chao, 2012 ). Bu tipoloji, takım bilişi teorisi ve makro biliş teorilerinin bir parçasıdır ve bilginin ekip üyeleri ve ekipler içinde nasıl ortaya çıktığını temsil etmeyi amaçlar. Bu bölümün amacı, bilgi temsili tipolojisini kullanmaktı.MCI simülasyonları sırasında bilgi boşluklarına yol açan faktörleri ortaya çıkarmak. Ayrıca, her yöntemin avantajlarını değerlendirmek için DCQ modelini mevcut araçlarla karşılaştırdık. İkinci hedefe ulaşmak için, altı MCI simülasyonundan elde edilen veriler DCQ modeli ile analiz edildi. Buradaki amaç, simülasyonlar sırasında bilgi alışverişi boşluklarını sunmak için DCQ modelini kullanmaktı.

    Bu makale beş bölümden oluşmaktadır: girişin ardından, literatür taraması bölümü, tipolojinin temelleri ve kavramsal sürücüleri dahil olmak üzere bilgi temsili tipolojisini sunar Yöntemler bölümünde, bilgi temsili tipolojisine dayalı olarak , tipolojiyi MCI alanına uyarlayan DCQ modelini tanıtıyoruz. Sonuçlar bölümü, modelin bir MCI simülasyonuna nasıl uygulanabileceğini gösteren DCQ uygulamasını gösterir. Bilgi boşluklarını belirlemek için, DCQ'nun kullanımını MCI komutanına odaklanarak altı MCI simülasyonuna genişletiyoruz. Ardından DCQ modelini diğer iki enstrümanla karşılaştırır ve her birinin avantajlarını değerlendiririz. Çalışmanın sonuçları son bölümde sunulmuştur.

    Bu bölüm, bilgi temsili tipolojisini ve DCQ modeline götüren türev tipolojisini sunar. DCQ modelinin teorik temelini oluşturmak için tipolojinin kavramsal sürücülerini gözden geçiriyoruz. Daha sonra, bir bireyin (yani ekip üyeleri) bilginin ortaya çıkışından kolektif varlıklar (yani, gruplar ve ekipler) içinde bilginin ortaya çıkmasına kadar, tipolojinin yedi ölçütü gözden geçirilir. Takım bilişi ve makro biliş teorilerinin tanımlarını karşılamak için bilgi yönetimine iletişim diyoruz.

    Temel ve Kavramsal Sürücüler

    Ekip üyeleri arasında etkili iletişim, yüksek karmaşıklıktaki görevler için hayati derecede önemlidir ( Salas, 1992 ). Kolektif varlıklar (yani gruplar ve ekipler) içindeki iletişim, her bir ekip üyesinin ekip içinde edindiği ve paylaştığı bilgilere dayanır. Makro biliş teorisi, ekip üyelerinin bir problemi çözmek için gerekli ve anlamlı bilgiyi nasıl oluşturduğunu açıklamak için geliştirilmiştir. Teorinin bir parçası olarak, bilgi temsili tipolojisi , bilginin hem bireysel düzeyde (örneğin, her ekip üyesi için) hem de ekip düzeyinde dinamik olarak nasıl ölçülebileceğini ölçer ( Kozlowski ve Chao, 2012 ). Tipolojinin temellerini üç kavramsal sürücü oluşturur: öz-düzenleme , bilgi derleme vebilginin ortaya çıkışı .

    İlk sürücü, bireysel öğrenmeyi bir amaca ulaşmak için yinelemeli ve döngüsel bir süreç olarak tanımlayan öz-düzenleme modellerini içerir DeShon ve diğerleri, 2004 ). Süreç, bireyin amacını ve stratejisini tanımlayarak başlar. Sürecin her tekrarında, bireyin performansı ölçülür ve hedefiyle karşılaştırılır. Bir tutarsızlık tespit edilirse, hedef ve strateji revize edilir. Öz-düzenleme , bu hedefe ulaşmak için performansı artıran bireysel bilgi derlemesine yol açar. Böylece, bilgi oluşumu, öz-düzenleme sürecinin birkaç yinelemesi üzerinden derlenir .

    İkinci kavramsal itici güç, öz-düzenleme sürecinin çoklu yinelemeleri üzerinden oluşan bilgi derlemesidir ( Anderson, 1982 ; Kozlowski ve Bell, 2007 ). Bildirimsel bilgi (yani, veriler) başlangıçta toplanır ve daha sonra prosedürel bilginin (yani, kategorize edilmiş bilgi) temelini oluşturur. Prosedürel bilgi biriktikçe, belirli bir problem çözme stratejisine yol açan stratejik bilgi oluşur. Prosedürel bilgi, uyarlanabilir bilgiye ve problemin genelleştirilmesine evrilir ve çözüm stratejileri oluşturulabilir.

    MCI bağlamında, bildirime dayalı bilgi, MCI sahasındaki kayıplar açısından örneklenebilir. Her yaralıya triyaj yapıldıktan sonra (yani tıbbi olarak incelenip sınıflandırıldıktan sonra), prosedürel bilgi ortaya çıkar. Prosedürel bilgi miktarı arttıkça (yani, yaralıların çoğu triyajlandı ve sınıflandırıldı), yaralı tahliye prosedürleri şeklinde bir problem çözme stratejisi planlanabilir. Tahliye prosedürünü başlattıktan sonra, EMS ekipleri deneyim kazanır ve uyarlanabilir bilgi, tahliye prosedürünü iyileştirmek için ölüm oranını azaltabilecek çeşitli çözüm stratejilerine dönüşebilir.

    Bilginin bireysel düzeyde nasıl oluştuğunu temsil eden öz-düzenleme ve bilgi derlemenin aksine, üçüncü kavramsal itici güç olan ekip bilgisi, iki farklı şekilde temsil edilebilen ve ölçülebilen çok düzeyli bir süreçtir. Takım bilgisinin ortaya çıkışı, kompozisyon veya derleme olarak ölçülebilir ( Kozlowski & Klein, 2000 ). Kompozisyon, aynı düşük seviyeli özelliklerin daha yüksek seviyeli bir özellik verdiği izomorfizm varsayımına dayanmaktadır. Bunun örnekleri, paylaşılan zihinsel modelleri ( Cannon-Bowers ve diğerleri, 1990 ; Converse ve diğerleri, 1993 ) ve klasik karar vermeyi ( Klein ve diğerleri, 1993) içerir.). Bu modellerde, ekip üyeleri aynı bilgiye (yani, aynı alt düzey özelliklere) sahip olabilir. Kompozisyonları, geliştirilmiş ekip performansı şeklinde daha yüksek düzeyde bir özellik (yani, tüm ekip üyelerinin bilgileri senkronize edilir) yaratır. Öte yandan, derleme, farklı düşük seviyeli özelliklerin daha yüksek seviyeli bir özellik verdiği süreksizliği temel alır. Transaktif bellekte ( Wegner, 1987 ), natüralist karar vermede ( Klein, 2008 ) ve bilgi sarmallarına vurgu yapan örgütsel öğrenmede ( Nonaka, 1994 ) görülebilir.). Bu modellerde, ekip üyeleri farklı bilgilere (yani, farklı alt düzey özelliklere) sahiptir. Derleme, tüm farklı ekip üyelerinin bilgilerini, karar vermenin temelini oluşturan 1 ortak bilgi havuzunda birleştirir.

    Bilgi gösterim tipolojisi bu kavramsal sürücülerin her üç yakalamak için tasarlanmıştır ve bir sonraki alt bölümünde belirtilmiştir.

    Bilgi Temsil Tipolojisi

    Yedi bilgi metriği, bilgi temsili tipolojisini oluşturur ( Kozlowski & Chao, 2012 ). Her ekip üyesinin ortak ve benzersiz bilgiye erişimi vardır ve toplam, bir sorunu çözmek için toplam bilgi havuzunu temsil eder. İlk metrik, belirli bir zamanda her ekip üyesinin bilgi miktarını (ortak ve benzersiz) ölçen bireysel bilgi metriğidir. Bireysel bilgi , her takım elemanının ikinci metrik, içinde bir araya bilgi havuzuna takımının toplam kollektif bilgiyi ekibi,. Üçüncüsü, bilgi yapılandırma metriği, bilgi havuzunun ayrılmaz bir parçasıdır.ve bir veya daha fazla ekip üyesi tarafından tutulan bilgiyi temsil eder. Bireysel bilgi , bilgi havuzu ve bilgi yapılandırma metrikleri, belirli bir zamanda bilgi miktarını ele alır. Bilginin dinamik büyümesini temsil etmek için dördüncü ölçü olan bilgi edinme , bilginin bir zaman çizelgesi boyunca nasıl edinildiğini yakalar. Bilgi edinme her ekip üyesi beşinci metrik, oluşturan bilginin değişkenliği kolektif bilginin zamanla büyür nasıl yakalar. Altı ve yedinci ölçütler, takım içinde bilgi ortaya çıkışı ve takımlar arasında bilgi ortaya çıkışı,farklı ekipler arasında bilgi değişkenliği , bilgi havuzu ve bilgi yapılandırması için büyüme oranlarını karşılaştırmamıza olanak tanır .

    Bir MCI sırasında bilgi yönetiminin kalitesini ölçmek için yeni bir model geliştirme hedefine ulaşmak için, tipolojinin MCI bağlamına uyarlanması gerekir. Bu uyarlama aşağıdaki aşamaları içerir: (1) EMS ekip müdahale prosedürlerinin ve ekip rollerinin gözden geçirilmesi, (2) bilgi temsili tipolojisine dayalı DCQ modelinin resmileştirilmesi , (3) çalışma için MCI simülasyon verilerinin gözden geçirilmesi ve (4) MCI sırasında modele girdi olarak hizmet edecek veri toplama için yeni bir yaklaşım. MCI bağlamına tipoloji uyarlamasını temsil etme kolaylığı için, veri ve bilgiyi bilgi olarak adlandırıyoruz ( Kozlowski & Chao, 2012 ).

    Bir MCI'ye EMS Yanıtı

    Bir MCI'ye verilen EMS yanıtı, ekibin toplu hedefini temsil eden, kurtarılan zayiat sayısını en üst düzeye çıkarmayı amaçlar ( Şekil 1). Ekip hedefine ulaşmak için ve önceki MCI operasyonlarına dayalı olarak, EMS ekip üyeleri üç aşamayı içeren bir MCI protokolünü takip eder: (1) değerlendirme ve triyaj, (2) tedavi ve tahliye için hazırlık ve (3) triyaja göre tahliye sınıflandırmalar ( Assa ve diğerleri, 2009 ; Avitzour ve diğerleri, 2004 ; Blancher ve diğerleri, 2018 ; Busby & Witucki-Brown, 2011 ; Ellis & Sorene, 2008 ; Garner ve diğerleri, 2001 ; Peleg ve diğerleri, 2003 ; Raiter ve diğerleri, 2008 ; Shapira & Shemer, 2002 ; Sloan, 2011 ; Smith & Dowell, 2000). Değerlendirmenin amacı, yaralıların sayısını saymak ve tüm olay yerindeki yaralanmaları hızlı bir şekilde değerlendirmektir. Daha sonra yaralılar, her yaralının bir triyaj sınıflandırması ve acil tıbbi tedavi gördüğü tedavi alanına toplanır. Olay yerine daha fazla ambulans geldikçe, yaralılar hastanelerde daha fazla tıbbi tedavi görmek üzere tahliye edilmek üzere ambulanslara yükleniyor.

    
                        şekil

    Şekil 1 MCI yanıtı için EMS ekip rolleri. EMS = acil sağlık hizmeti; MCI = toplu yaralanma olayı.

    Bir MCI'nin tıbbi yönleri, tüm sahnenin yönetiminden sorumlu olan bir komutan tarafından yönetilir. İki ana ekip lideri komutanı destekler: triyaj ve hayat kurtarıcı tedavilerden sorumlu tıbbi lider ( Peleg ve diğerleri, 2003 ; Rimstad ve Braut, 2015 ; Shapira ve Shemer, 2002 ); ve yaralıları olay yerinden hastanelere sevk etmekten sorumlu olan tahliye koordinatörü ( Rimstad & Braut, 2015 ). MCI komutanı aynı zamanda sevk merkezi ve olay yerindeki diğer acil durum kurumlarıyla (örn. polis, itfaiyeciler, vb.; Assa ve diğerleri, 2009 ; Blancher ve diğerleri, 2018 ;Busby & Witucki-Brown, 2011 ; Rimstad ve Braut, 2015 ; Sloan, 2011 ).

    DCQ Modeli

    DCQ modeli, ekip liderleri arasındaki bilgi boşluklarını belirlemeyi amaçlar. Modeli ayarlamak için, MCI'deki zayiatları set ile gösteriyoruz.C ve her zayiat olarak cbenp , nerede p={sen-senrgent,nsen-nÖn-senrgent,d-decebirsed} için triyaj sınıflandırmasıdır ben' kaza. Her zayiat,cbenp , bir dizi bilgi öğesi vardır, kbenp={tc, birt, dt, senbir}, EMS'nin tahliye prosedürü ile ilgili olarak: (1) ilk triyaj zamanı (olarak tanımlanır) tc), (2) gibi tanımlanmıştır tedavi alanına (ulaşım zamanı en ), (3) gibi tanımlanmıştır ambulanslar uygulama alanının (ayrılma süresi dt ), ve (4) ambulansa yükleme zamanı ( ua olarak tanımlanır ). Örneğin, 5 numaralı acil kazazedeye ilişkin bilgi öğeleri seti,k5sen= {03:00, 05:15, 06:45, 09:20}. Genel olarak, problem alanı olarak gösterilirP=cbenpCkbenp(yani, tüm zayiatlar için tüm bilgi öğelerinin birliği). Her belirli türden tüm bilgi öğelerinin şu şekilde temsil edileceğini not ediyoruz:{TC,birT,DT,senbir}Örneğin, tüm triyaj sınıflandırma bilgi öğeleri şu şekilde temsil edilir:TC= cbenpCtcbenp(yani, sahadaki tüm zayiatlar için tüm triyaj sınıflandırma öğelerinin sayıları). Tablo 1 , MCI simülasyonu sırasında bilgilerin nasıl oluştuğunu ve her bir ekip lideri tarafından hangi bilgi öğelerinin gerekli olduğunu gösterir.

    tablo

    Tablo 1 Bilgi Öğeleri, Oluşumu ve EMS Takım Liderleri Tarafından Edinilmesi

    Tablo 1 Bilgi Öğeleri, Oluşumu ve EMS Takım Liderleri Tarafından Edinilmesi

    Bireysel ve Ekip Bilgi Edinme ve Değişimi

    Her ekip üyesi için, bireysel bilgi derlemesi (yani bilgi temsili tipolojisinin dördüncü metriği ) dört aşamada işlenir: (1) Bilgi oluşturma, (2) edinme, (3) bütünleştirme ve (4) değiş tokuş. Bu aşamalar, her bilgi öğesinin oluştuğu andan değiş tokuş edildiği ana kadar takibini kolaylaştırır. Bu nedenle, bir bilgi öğesi oluşur ancak değiş tokuş edilmezse, bu aşamalar bu öğenin kaybolduğu bir boşluğu ortaya çıkarır. Ayrıca bilgi edinme ve değişim arasında bir boşluk olup olmadığını değerlendirmek için bir entegrasyon dönemi tanımladık.

    Bilgi boşluklarını belirlemek için üç sürekli ölçüm tanımlandı: ikisi bilgi edinimi için ve biri bilgi entegrasyonu için. Farklı EMS ekip liderlerinin her biri için denklemler ve formülasyon hesaplamaları Ek B'de verilmiştir. Bilgi edinme, (1) edinilen bilgi öğelerinin toplam sayıya oranı (Denklem 1, 3 ve 5) ve (2) bilgi öğelerinin mevcut olması ile bunların edinilmesi arasındaki süre ile ölçülmüştür. saniye (Denklem 2, 4 ve 6). Bilgi entegrasyonu, elde edilen öğelerin sayısı ile değiştirilen öğelerin sayısı arasındaki farkla ölçülmüştür (yani, simülasyonun sonunda rapor edilmiştir).

    Örneğin, iki zayiat vakasını ele alalım, c1sen, birnd c1nsen (yani, simülasyondaki ilk endeksli acil yaralı ve endeksli ilk acil olmayan yaralı), her biri sırasıyla ilgili bilgi öğelerine sahip, k1sen = {03:00, 05:15, 06:45, 09:20} ve k1nsen= {05:00, 07:20, 10:30, 13:40}. Tıbbi lider, her iki yaralının triyaj sınıflandırması hakkında bilgi edinmişse, oran şu şekilde hesaplanacaktır.rtc=p(sen,nsen,d)tcbenpp(sen,nsen,d)TCbenp=1(yani, tüm bilgi öğeleri alındı); yalnızca bir bilgi öğesi elde edilmişse, o zamanrtc=0,5Zaman hesaplaması için, yalnızca elde edilen bilgi öğeleri toplanacaktır, bu nedenle her iki zayiat için detc¯=Σk(sen,nsen,d)Σbentcbenk(sen,nsen,d)tcbenp=3+52=4 (mbenn). Tablo 2 , bilgi temsili tipolojisi ile MCI bağlamı arasındaki entegrasyonu özetlemektedir.

    tablo

    Tablo 2 Bilgi Temsil Tipolojisi ve MCI Bağlamına Uyarlama

    Tablo 2 Bilgi Temsil Tipolojisi ve MCI Bağlamına Uyarlama

    MCI Simülasyonları

    DCQ modelinin bilgi yönetimini nasıl daha iyi değerlendirebileceğini göstermek için, onu sağlık görevlisi eğitim kursunun bir parçası olarak yürütülen MCI simülasyonlarına uyguladık. Simülasyona katılanlar, orta ölçekli bir üniversitede ikinci sınıf sağlık görevlisi öğrencilerinden oluşan homojen bir gruptan seçilmiştir. Öğrencilerin çoğu, 2 veya 3 yıllık askeri deneyime sahip bir şehir EMS'sinde sağlık görevlileridir.

    İkinci sınıf öğrencilerinin eğitimi bir simülasyonu içeriyordu. Simülasyonda uygulanan senaryo, gönüllüler tarafından simüle edilen yaklaşık 20 kurban ile bir kentsel alana bir füze saldırısını içeriyordu (her simülasyondaki tam kurban sayısı için bkz. bölüm 4.1 ve 4.2). Simülasyondan önce her gönüllüye bir yaralanma tanımlama etiketi (yani bir senaryo) verildi ve buna göre hareket etmesi talimatı verildi. Mağdurlar, MCI sahasındaki farklı yerlere dağılmış birinci sınıf öğrencileriydi ve katılımcılar aksini söylemedikçe yerlerinde kalmaları talimatını verdi.

    Şehir EMS simülasyona katıldı ve ambulanslar ve ambulans sürücüleri, EMS sağlık personeli, sedyeler ve iletişim ekipmanı dahil olmak üzere gerekli kaynakları sağladı. Simülasyona katılan şehir EMS personeline, katılımcıların talimatlarını takip etmeleri talimatı verildi. Yaralıların hastanelere tahliye sürecini simüle etmek için, şehrin EMS sevk istasyonunda simülasyon katılımcıları ve EMS şehir personeli ile iletişim kurmak için bir MCI sevk memuru içeren benzersiz bir sevk istasyonu oluşturuldu.

    Bu araştırma, Amerikan Psikoloji Derneği Etik Kuralları ile uyumludur ve Ben-Gurion Üniversitesi Endüstri Mühendisliği ve Yönetimi Bölümü Kurumsal İnceleme Kurulu tarafından onaylanmıştır. Her katılımcıdan bilgilendirilmiş onam alındı

    Veri Toplama ve İstatistiksel Analiz

    Bu bölüm, çalışmanın üç bölümünün veri toplamasını ve istatistiksel analizini sunacaktır. İlk kısımda DCQ model uygulaması, çoklu bakış açısı senkronize video sunulacak, ardından veri ve ölçümler uygulanacaktır. İkinci bölümde, MCI komutanlarının bilgi yönetimi, altı MCI simülasyonundan toplanan veriler ve bilgi açıklarını belirlemek için kullanılan ölçümler sunulacaktır. Üçüncü kısım olan araç değerlendirmesi için, değerlendirme için kullanılan sorular ve performans göstergeleri üzerinde durularak, bilgi yönetimini değerlendirmek için iki ek araç gözden geçirilecektir.

    DCQ Modeli Uygulaması

    DCQ analizini desteklemek için, bir MCI simülasyonu sırasında bilgi oluşumu, edinimi ve alışverişini yakalayan veri toplama için yeni bir yaklaşım geliştirdik. Üç EMS ekip lideri arasında bilgi edinimi ve alışverişi için dört video kamera gerekliydi. Görsel ve sesli etkileşimleri yakalamak ve komutanın MCI sahasında serbestçe hareket etmesine izin vermek için MCI komutanının yeleğine bir kamera bağladık. Sırasıyla tıbbi lider ve koordinatör tarafından yönetilen tedavi alanı ve tahliye alanı yakınında video fotoğrafçıları tarafından iki kamera çalıştırıldı. Bu, sadece sözlü etkileşimlerin yakalanmasına değil, aynı zamanda bu iki alandaki etkinliklerin de yakalanmasına izin verdi. Dördüncü kamerayı, tüm sahnenin havadan görüntüsünü yakalayan bir drone'a bağladık. Gözlemci-beklenti etkilerini en aza indirmek için (Burghardt ve diğerleri, 2012 ) veri toplamayı en üst düzeye çıkarırken, fotoğrafçılara çekim yaparken nesnelerden uzak durmalarını ve bir pozisyonda kalmalarını söyledik.

    Dört video kaynağını senkronize ettik ve bunları OBSERVER XT yazılımını kullanarak iki gözlemci (OP ve TK) tarafından birbirine bağlı olarak etiketlenen çok noktalı bir videoda birleştirdik. Üçüncü bir gözlemci (YB), diğer ikisi arasındaki herhangi bir anlaşmazlığı çözdü. Bu veri toplama ve analiz yaklaşımı, 2019 Sağlık Bakımında İnsan Faktörleri ve Ergonomi Uluslararası Sempozyumu'nda sunulmuştur ( Perry ve diğerleri, 2019 ).

    Bu simülasyonda, beşi acil, 11'i acil olmayan ve üçü yaralanmalarından dolayı ölümle sonuçlanan yaralıları içeriyordu. Sürekli veriler, %95 güven aralıkları (CI'ler) ile ortalamalar olarak ve bilgi edinimi ile bilgi oluşumuna karşı yüzdeler olarak sunulur. Hesaplamalar ve formülasyon için veri tabanları sırasıyla Ek A ve B'de gösterilmektedir. İstatistiksel analiz için SPSS V17 ve Microsoft Excel 2016 kullanıldı. Model, üç takım liderini ölçtü.

    MCI Komutanlarının Bilgi Yönetimi

    2014 ve 2019 yılları arasında altı MCI simülasyonu DCQ modeli ile analiz edilmiştir. Amacımız bilgi boşluklarını belirlemek olduğundan, dört ölçüm dahil edildi: (1) olay yerindeki gerçek yaralı sayısı ile komutana bildirilen yaralı sayısı arasındaki fark (olarak işaretlenmiştir).Δ1), (2) simülasyonun sonunda komutan tarafından tahliye edildiği bildirilen gerçek zayiat sayısı ile zayiat sayısı arasındaki fark (olarak işaretlenir). Δ2), (3) komutanın toplam zayiat sayısı hakkında bilgi edinmeye başladığı zaman (olarak işaretlenmiştir). Δ3) ve (4) komutanın yaralıların tahliyesi hakkında bilgi almaya başladığı zaman (olarak işaretlenmiştir). Δ4). Bu analiz için, MCI alanına varışta belirlenen ölümlere değil, yalnızca kayıplara odaklandık.

    her ikisi için Δ1 ve Δ2, sonuçlar, hatalı ölü sayımına yol açan faktörler de dahil olmak üzere, toplam yaralı sayısından sapmalar olarak rapor edilir. Herhangi bir sapma bulunmazsa,Δ1 ve Δ2grafiklerde görünmüyor. her ikisi içinΔ3 ve Δ4, komutanın bilgi almaya başladığı zaman, simülasyonun başlangıcından itibaren dakikalar içinde rapor edilir.

    Enstrüman Değerlendirmesi

    Değerlendirme için üç araç seçtik: (1) öğrenciler için öz-değerlendirme takım çalışması aracı (SATTS; Gordon ve diğerleri, 2016 ; Roper ve diğerleri, 2018 ) simülasyon sonrası Likert ölçekli anket olarak, (2) bir liste deneyimli bir gözlemci tarafından puanlanan performans göstergeleri ( Gryth ve diğerleri, 2010 ; Rüter ve diğerleri, 2004a , 2004b ) ve (3) yazarlar tarafından geliştirilen DCQ.

    SATTS, tüm EMS ekiplerinin bilgi yönetimi, koordinasyon ve ekip çalışmasının kalitesini katılımcının bakış açısından ölçmeyi amaçlar. 14 sorudan oluşur; bunlardan dördü bilgi yönetiminin kalitesiyle ilgilidir. Simülasyona katılan tüm öğrencileri içeren SATTS'den farklı olarak, performans göstergeleri odağı MCI komutanına yerleştirir. Simülasyon sırasında, deneyimli bir gözlemci MCI komutanına eşlik eder ve performansı 0 ile 2 arasında değişen bir puanla sıralar (yani, 0-yanlış karar, 1-kısmen doğru, 2-doğru). 12 performans göstergesinden dördü komutanın bilgiyi yönetme yeteneği ile ilgilidir ve yaralı sayısı ve yaralanma ciddiyeti hakkında zamanında raporlara odaklanır.

    Üç EMS ekip lideri, tatbikat yöneticisinin talimatlarına göre MCI komutanının rolünü üstlendi. Üç aracın değerlendirilmesi bilgi yönetimi ile ilgili olduğundan, sadece bilgi yönetimini içeren sorular ve performans göstergeleri analiz edilmiştir (SATTS:S4,S8,S9,S11performans göstergeleri:Pben2,Pben3,Pben9,Pben11,Pben12– sorular ve performans göstergeleri için Ek C'ye bakınız). SATTS anketinin sonuçları ve performans göstergeleri, ortalamalar ve standart sapmalar olarak temsil edilir. DCQ için sonuçlar yüzde olarak temsil edilir.

    DCQ Modeli Uygulaması

    Bu bölüm, DCQ modelinin bilgi yönetimini ölçmek için nasıl kullanılabileceğini gösterir. Model, 11 acil olmayan, beş acil ve üç ölümlü arasında dağıtılan 22 katılımcı ve 19 zayiatı içeren bir 2018 MCI simülasyonu sırasında toplanan verilere uygulandı.

    Tıbbi lider: yaralılar ve triyaj sınıflandırmaları

    şekil 2simülasyonun başında tıbbi liderin bilgi edinmesine karşı bilgi oluşumunu temsil eder. Medikal lider, simülasyon başlangıcından saat 08:00'den sonra geldi ve sahaya dağılmış yaralılara triyaj ve hayat kurtaran tedaviler yapmaya başladı. Yedi yaralı 09:46 ile 11:18 arasında triyajlandı (ikisi acil, üçü acil olmayan ve ikisinin ölü olduğu bildirildi). 12:41'de tıbbi lider, başka bir EMS ekip üyesinin triyaj yaptığı diğer sekiz acil olmayan yaralı hakkında bilgi aldı. Son olarak, sahayı ikinci kez tararken (18:10 ve 18:42 arasında), tıbbi lider dört yaralıyı daha triyajladı (üç acil ve bir ölü ilan edildi). Genel olarak, tıbbi lider %100 elde etmeyi başardı (yani,rtc=1) oluşan ilgili bilgi öğelerinin (Eşi. 1). Ambulansın ilk gelişinden bilgi edinilmesine kadar bilgi oluşumu arasındaki ortalama süre (Eşit 2)tc-=458.89s (%95 GA [375.09, 542.69]). Bununla birlikte, tıbbi lider bilgi öğelerinin %100'ünü elde etmesine rağmen (yani, 19 yaralının tümü hakkında bilgi edindi), simülasyonun sonundaki son raporda 15 yaralı vardı. Bu sonuç, bilgi entegrasyonunun (yani, elde edilen tüm bilgi öğelerinin toplamı) tıbbi liderin, dört bilgi öğesi farkı olan, gerçekte 19 kişi varken sahada 15 yaralı olduğunu anlamasını sağladığını göstermektedir.

    
                        şekil

    Şekil 2 Simülasyon zaman çizelgesi sırasında tıbbi lider tarafından bilgi edinimi. S şeklindeki çizgiler bilgi edinimini ve siyah yatay noktalı çizgiler, gerçek zayiat sayısını temsil ediyor. Her ikisi de yaralıların triyaj sınıflandırmalarına göre bölünmüştür.

    Tıbbi lider: yaralıların tedavi alanına gelişi

    Tıbbi lider, simülasyon başlangıcından simülasyonun sonuna kadar 13:10 dakikadan tedavi alanını yönetmeye başladı. Tedavi alanına 19 yerine 23 yaralı geldi (yani 23 parça oluşturuldu) Dört yaralının tedavi alanını terk etmeleri ve ambulansa binmeleri emredildi. Ancak, binmeleri talimatı verilen ambulans tamamen doluydu. Böylece yaralılar tedavi alanına geri dönerek 19 gelen sayısı 23'e yükseldi. 23 gelişten tıbbi lider, oluşan bilgi öğelerinin %34,78'ini elde etmeyi başardı (örn.rbirt=0.3478), 16:26 ve 28:40 arasında beş acil zayiat ve üç ölü (Eşit. 3) dahil. Bilgi oluşumu ve edinimi arasındaki ortalama süre (Eşi. 4)birt-=43.25 acil yaralılar için s (%95 GA [5.86, 80.63]).

    Tahliye koordinatörü: yaralıların ambulansa yüklenmesi

    Tahliye koordinatörü, simülasyon başlangıcından 10:20 dakika sonra yükleme alanını yönetmeye başladı. Toplamda, ilki 12:35'te ve sonuncusu 25:40'ta olmak üzere 16 yaralı tahliye edildi. Tahliye koordinatörü %68,75 (yani,rsenbir=0.6875) üç acil yaralı ve sekiz acil olmayan yaralı dahil olmak üzere oluşturulan bilgi öğelerinin (Eşi. 5). Tahliye koordinatörü diğer yaralıları yüklemekle meşgul olduğu için beş yaralıyla ilgili daha bilgi alınamadı. Bilgi oluşumu ve edinimi arasındaki ortalama süre (Eşi. 6)senbir-=21.91 s (%95 GA [0.45.25]).

    Komutan: genel zayiat entegrasyonu

    Figür 3simülasyon zaman çizelgesi üzerinden olay yerindeki genel kayıplarla ilgili olarak tıbbi lider ve komutan arasındaki bilgi alışverişini temsil eder. Komutan simülasyonun başlamasından saat 05:30'da geldi ve zayiat sayısı hakkında bilgi topladı. Kayıp sayısıyla ilgili dört ana rapor vardı. 07:19'da, komutan EMS sevkine yaklaşık sekiz yaralı (beş acil ve üç acil olmayan) bildirdi. EMS gönderisine ikinci rapor 08:28'de gerçekleşti ve triyaj sınıflandırması olmayan 21 yaralıyı içeriyordu. 10:07'de, tıbbi lider ve komutan 20 yaralı (12 acil olmayan, sekiz acil) saydı. Son olarak, 15:15'te, tıbbi lider 15 yaralı (12 acil olmayan, üç acil) bildirdi. Ölü ilan edilen diğer üç yaralıyla ilgili raporlar 18:00 ile 25:00 arasında geldi. Bilgi entegrasyonu açısından, bildirilen zayiat sayısı ile toplam zayiat arasındaki mesafe dörttü. Entegre edilen öğelerin (yani, acil, acil olmayan ve ölü) toplam sayısı, bir sayım hatasından kaynaklanabilecek olay yerindeki toplam öğe sayısını (yani genel zayiatları) toplamaz.

    
                        şekil

    Şekil 3 Simülasyon zaman çizelgesi sırasında komutan tarafından bilgi alışverişi ve entegrasyon. S şeklindeki çizgiler bilgi edinimini ve siyah yatay noktalı çizgiler, gerçek zayiat sayısını temsil ediyor. Her ikisi de yaralıların triyaj sınıflandırmalarına göre bölünmüştür.

    MCI Komutanlarının Bilgi Yönetimi

    Bu bölümdeki amacımız, yaralı sayısı ve tahliye edilen yaralı sayısının yanlış tahmin edilmesine yol açan bilgi boşluklarını belirlemek için DCQ modelini kullanmaktı. Ayrıca hangi komutanların bilgi edinme konusunda daha ısrarcı olduğunu da değerlendirmek istedik. Analiz sonuçları Tablo 3'te rapor edilmiş ve Şekil 4'te gösterilmiştir..

    tablo

    Tablo 3 MCI Simulation 2014–2019 Analiz Sonuçları

    Tablo 3 MCI Simulation 2014–2019 Analiz Sonuçları

    
                        şekil

    Şekil 4 MCI simülasyonu sırasında bilgi alışverişi: A–2014, B–2015, C–2016, D–2017, E–2018, F–2019. MCI = toplu yaralanma olayı.

    Enstrüman Değerlendirmesi

    Ortalama ve standart sapma ( Şekil 5) bilgi yönetimi ile ilgili cevapların (n1=23S4=4.2±1.4S8=5.0±1.5S9=4.7±1.6S11=5.0±1.6Altı deneyimli gözlemci, üç MCI komutanını değerlendirdi; böylece her bir performans göstergesi ( Şekil 6) 18 kez puanlandı (n2=18). Bilgi yönetimi ile ilgili göstergelerin puanlanmasının sonuçları,Pben2=1.3±0,5Pben3=0,8±0,8Pben9=1.6±0.6, Pben11=1.0±0.7Pben12=1.1±0.7DCQ uygulama sonuçları ( Şekil 7), MCI simülasyonunda 24 zayiat varken, EMS ekibinin simülasyonun sonunda 34 (gerçek rakamdan %41 daha fazla) rapor ettiğini ortaya koydu.

    
                        şekil

    Şekil 5 SATTS Sonuçları. SATTS = öğrenciler için öz değerlendirme ekip çalışması aracı.

    
                        şekil

    Şekil 6 Performans göstergelerinin sonuçları.

    
                        şekil

    Şekil 7 DCQ modelinin sonuçları. DCQ = Dinamik İletişim Niceleme.

    MCI simülasyonları sırasında bilgileri ölçmek için yeni bir model olan Dinamik İletişim Niceleme (DCQ) modelini sunduk ve bu, EMS ekip liderlerinin bilgileri yönetirken karşılaştıkları zorluklarla ilgili yeni bir bilgi katmanı ortaya koyuyor. Çalışmanın ilk bölümünden elde edilen sonuçlar, EMS komuta ekibinin her üyesinin bilgi edinme, entegre etme ve paylaşma becerisine ilişkin derinlemesine bir görünüm sağlamada modelin avantajlarını göstermektedir. Sonuçlar, EMS ekip liderlerinin büyük miktarda bilgi edinmeyi başarırken, simülasyon sırasında bilgi entegrasyonunun ana zorluk olduğunu ortaya koyuyor. Bilgi entegrasyonu, olay yerinde bulunan yaralı sayısı ve tahliye edilen yaralı sayısının yanlış anlaşılmasına yol açtı. Bu gösteri altı ölçüme odaklanıyor:bilgi temsili tipolojisi ( Kozlowski ve Chao, 2012 ). Bireysel (yani ekip üyesi) bilgi edinme, bilginin zaman içinde nasıl biriktiği ve ekip içinde nasıl ortaya çıktığı konusunda derinlemesine bir bakış açısı sağlar.

    Bu çalışmanın ikinci kısmı, bilgi temsili tipolojisinde yedi numaralı ölçüyü temsil etmektedir.(bilgiler ekipler arasında ortaya çıkar) ve farklı simülasyonlar sırasında farklı komuta ekiplerinin değerlendirilmesine odaklanır. Analizi altı MCI simülasyonuna genişletmek, bilgi açıklarına, özellikle de genel zayiat ve tahliye edilen zayiat sayısıyla ilgili uyumsuzluklara yol açan faktörleri belirlememize izin verdi. Bu çalışmanın sonuçları, MCI komutanlarının bilgiyi yönetirken iki ana zorlukla başa çıktıklarını göstermektedir. İlki, MCI sahası başlangıçta birkaç bölüme ayrıldığından, toplam zayiat sayısını değerlendirmektir. Bu nedenle, komutanın kısa bir süre içinde birçok bilgi öğesini birleştirmesi gerekir. İkinci faktör, yaralıların kısa bir süre içinde tedavi alanından varış ve ayrılmalarından kaynaklanmaktadır ve bu da tahliye edilen yaralıların sayısını takip etmekte zorluk yaratmaktadır. Böylece,bilgi yönetimini dinamik olarak ölçmek için bilgi temsili tipolojisi onaylandı.

    Model, komutanın diğer varlıklarla sözlü etkileşimini izleyerek sayım hatalarını ve yanlış bilgileri açıklar. Örneğin, komutanın diğer ekip üyeleriyle sözlü etkileşimler yoluyla bir dizi bilgi öğesi edindiğini ve EMS gönderisine farklı bir sayı bildirdiğini varsayalım. Bu durumda hatanın bilgi entegrasyonundaki bir sorundan kaynaklandığını varsayabiliriz. Model, bu hatayı, komutan tarafından alınan ve onun tarafından EMS gönderisine bildirilen farklı sayılarda temsil edecektir.

    DCQ modelinin çalışmanın üçüncü bölümünde sunulan diğer iki araçla karşılaştırılması, DCQ'nun komuta ekibinin bilgiyi yönetme yeteneği hakkında nesnel bir bakış açısı sağlarken, diğer araçların yalnızca kısmi sonuçlar verdiğini ortaya koymaktadır. SATTS ( Gordon ve diğerleri, 2016 ; Roper ve diğerleri, 2018 ) sonuçları, EMS ekibinin bilgiyi yönetme yeteneğinin nispeten yüksek olduğu, ancak performans göstergesinden kaynaklandığı sonucuna götürebilir ( Gryth ve diğerleri, 2010). ; Rüter ve diğerleri, 2004a , 2004b) artık ekibin bilgiyi yönetme yeteneği hakkında net bir sonuç sağlar. Bu sonuçlar üç faktör incelenerek açıklanabilir: performansı değerlendirilen ekip üyelerinin kimler olduğu, ölçüm yanlılıklarının etkisi ve bilgi yönetiminin dinamik ölçümü.

    SATTS komuta eden takıma değil, simülasyondaki tüm katılımcılara odaklanır, bu da takımda ana rollere sahip olanların bilgiyi nasıl yönettiğini değerlendirmemize izin vermez. SATTS'nin aksine, performans göstergeleri yalnızca komutana odaklanırken, çoğu durumda yanıt ekip çalışmasıdır ( Peleg ve diğerleri, 2003 ; Rimstad ve Braut, 2015 ; Shapira ve Shemer, 2002 ). Bu nedenle, her iki araç da kısmi bir görüş (yani sadece komutan) veya geniş bir bakış açısı (yani tüm katılımcılar) sağlar ve bu da ekibin bilgiyi yönetme yeteneğini değerlendirmeyi zorlaştırır. Ölçüm yanlılıkları açısından, SATTS nesnel olmayan verileri yakalar (katılımcılar kendi performanslarını puanlar). Bu nedenle, önyargılı olabilir (Hurd ve Kapteyn, 1999 ), özellikle örneklem boyutları küçük olduğunda ( Eysenck ve Hartley, 2014 ). Performans göstergeleri için, gözlemciler arasındaki puanların yüksek oranda farklı olması, çalışma sonuçlarında da görüleceği üzere farklı bir sonuca yol açabilmektedir. DCQ, gözlemci-beklenti etkileri gibi önyargıları en aza indirirken ( Burhardt ve diğerleri, 2012 ) ve nesnel olmayan verileri yakalarken ( Hurd & Kapteyn, 1999 ) komuta ekibine odaklandığından bu faktörlerin üstesinden gelir .). Son olarak, hem SATTS hem de performans göstergeleri, ekip liderlerinin simülasyonun sonunda veya belirli zaman aralıklarında bilgileri yönetme yeteneklerini değerlendirir. Böylece, MCI simülasyonunun sadece bir kısmını ortaya koyarlar, oysa DCQ modeli simülasyon boyunca bilgi yönetimini dinamik olarak ölçer.

    DCQ, bir ekip içinde bilginin ortaya çıkışını ölçmek için hem ekip bilişi hem de makro biliş tanımını karşılar ( Kozlowski ve Chao, 2012 ) ve önceki çalışmalardan tıbbi komuta ve kontrol ekipleri için performans değerlendirmesini içerebilir ( Gryth ve diğerleri, 2010 ; Rüter ve diğerleri, 2004a , 2004b ). Ek olarak, çok bakış açısına sahip senkronize video, bir simülasyonun sonunda bir bilgilendirme aracı olarak kullanılabilir. Böylece kursiyerler, eğitmenler ve araştırmacılar, zorlukları tanımlayabilir ve EMS hizmet performansını iyileştirebilecek yeni araçlar ve yöntemler geliştirebilir ( Bitan, 2017).). Bilgi yönetimi, MCI komutanlarının temel görevidir ve ana zorluklardan biri olmaya devam etmektedir. Yanlış bilgilere dayalı olarak yaralı tedavisine ve tahliyesine öncelik veren karar verme, yaralıların hayatta kalma olasılıklarını azaltabilir. DCQ model uygulaması, bilgi boşluklarını ve bunlara yol açan faktörleri ortaya çıkarmamızı sağlar. Sağlık çalışanları, modeli ve sağladığı bilgileri MCI komutanlarını eğitmek için kullanabilir, bilgi yönetimini, yanlış bilgilere yol açan faktörleri ve bu tür yanlışlardan nasıl kaçınılacağını vurgulayabilir.

    Diğer ölçüm araçları ve modelleri gibi DCQ'nun da bazı sınırlamaları vardır. “Ne oldu?” sorusuna objektif olarak cevap verebilirken. bilgi yönetimi açısından ise bir olayın “neden” olduğu cevapsız kalmaktadır. Bu nedenle, sonuçların arkasındaki nedenleri daha iyi anlamak için EMS ekip liderleriyle görüşmeler yapmanızı öneririz. İkinci sınırlama, EMS takım liderlerinin rolleriyle ilgilidir. Bu çalışmadaki çeşitli rollere ek olarak, diğer çalışmalar iki komutan ( Rimstad & Sollid, 2015 ) veya bir hava tahliye koordinatörü ( Assa ve diğerleri, 2009 ; Rimstad & Braut, 2015 ) gibi ek roller bildirmiştir .). Bu nedenle, aracı farklı ekip üyelerine uyarlamak için ekip liderlerinin rollerinde bir değişiklik yapılması gerekecektir. Üçüncü sınırlama, EMS ekip üyelerinin bilgi edinme yöntemiyle ilgilidir. Bu çalışma, bilgi alışverişini EMS ekip üyeleri arasındaki sözlü etkileşimler olarak ölçmüştür. Bununla birlikte, birkaç özel durumda, EMS ekip liderleri sözlü etkileşimden önce görsel verilerle (örneğin, el işaretleri) çalıştı. Bu nedenle, EMS takım liderlerinin görsel verileri bilgi olarak elde ettiği varsayımı dikkate alınmalı ve simülasyon sonrası görüşmelerde gözden geçirilebilir. Son olarak, simülasyondaki katılımcılar ikinci sınıf paramedik öğrencileriydi. Farklı katılımcılar (örneğin, birkaç yıllık deneyime sahip sağlık görevlileri) bilgi yönetimi açısından farklı performanslara yol açabilir.

    Sonuç olarak, DCQ modeli, MCI simülasyonları sırasında EMS ekip liderlerine bilgi yönetiminde yardımcı olmak için yeni bir nesnel bilgi katmanına erişim sağlar. Modelin ayrılmaz bir parçası, tüm veri düzeylerini (bireyden ekip düzeyine kadar) bütünleştiren, derinlemesine analiz için veri sağlayan ve modele girdi olarak hizmet eden yeni veri toplama yaklaşımıdır. Mevcut çalışmadan elde edilen bulgular, doktorlar, sağlık görevlileri ve hemşireler için rutin eğitim programları ve yeterlilik kursları sırasında MCI simülasyonlarında DCQ'nun kullanımını teşvik etmelidir. Eğitimi desteklemek için, araç, yanlış bilgi kullanmaktan kaçınmanın önemini ve buna yol açan faktörlerin nasıl tanımlanıp bunlarla nasıl başa çıkılacağını vurgulamak için uygulanmalıdır. Ek olarak, gelecekteki araştırmalar için DCQ'nun ekip çalışması ve koordinasyon açısından daha fazla araştırılmasını öneririz. takım biliş teorisine göre bilgi yönetimi (iletişim olarak da bilinir) yapısına tamamlayıcı yapılar olarak hizmet eden. Uygulama için, DCQ modelini komuta ve kontrol merkezleri ve hastane acil üniteleri gibi doğru bilginin karar vermede kilit önemde olduğu diğer ortamlarda araştırmanızı öneririz.

    • MCI simülasyonu sırasında bilgileri ölçmek, bilgi boşluklarını belirlemek için önemlidir. Yanlış bilgi, yaralıların tedavi ve tahliye için öncelik sırasına konulması konusunda yanlış kararlara yol açabilir ve yaralıların hayatta kalma olasılıklarını azaltabilir.

    • DCQ modeli, zayiat sayısını birleştirmenin ve yaralı tahliyesini izlemenin, MCI simülasyonları sırasında bilgi boşluklarına yol açan iki ana faktör olduğunu ortaya koymaktadır.

    • Bilgi yönetimini ölçmek için farklı araçların değerlendirilmesi, araç seçiminin farklı sonuçlara yol açabileceğini ortaya koymaktadır.

    tablo

    tablo

    tablo

    tablo

    tablo

    tablo

    Anderson, J.R. 1982 ). Bilişsel becerinin kazanılması . Psikolojik İnceleme, 89, 369 – 406 . doi:10.1037/0033-295X.89.4.369
    Google Akademik | çapraz referans | ISI
    Assa, A., Landau, D.-A., Barenboim, E., Goldstein, L. ( 2009 ). Toplu yaralanma olaylarında havadan tıbbi tahliyenin rolü – bir tren çarpışması deneyimi . Hastane Öncesi ve Afet Tıbbı, 24, 271 – 276 . doi:10.1017/S1049023X00006920 19618366
    Google Akademik | çapraz referans | Medline
    Atack, L., Parker, K., Rocchi, M., Maher, J., Dryden, T. ( 2009 ). Profesyoneller arası çevrimiçi bir kursun afet yönetimi yeterliliğine ve meslekler arası öğrenmeye yönelik tutuma etkisi . Mesleklerarası Bakım Dergisi, 23, 586 – 598 . doi:10.3109/13561820902886238 19842952
    Google Akademik | çapraz referans | Medline
    Avitzour, M., Libergal, M., Assaf, J., Adler, J., Beyth, S., Mosheiff, R., Rubin, A., Feigenberg, Z., Slatnikovitz, R., Gofin, R., Shapira, SC ( 2004 ). Çok kazalı bir olay: Hastane dışı ve hastane içi organizasyonel yönler . Akademik Acil Tıp, 11, 1102 – 1104 . doi:10.1197/j.aem.2004.06.010 15466156
    Google Akademik | çapraz referans | Medline | ISI
    Bitan, Y. 2017 ). İçeriden değişiklikler: Paramedik hizmetleri, sağlık hizmetlerinde insan faktörlerinin uygulanmasına nasıl öncülük edebilir . Hastane öncesi acil bakımın insan faktörleri ve ergonomisinde (s. 165 – 176 ). CRC Basın .
    Google Akademik | çapraz referans
    Blancher, M., Albasini, F., Elsensohn, F., Zafren, K., Hölzl, N., McLaughlin, K., Wheeler, AR, Roy, S., Brugger, H., Greene, M., Paal , S. ( 2018 ). Dağ kurtarmada çoklu yaralanma olaylarının yönetimi: Uluslararası dağ acil tıp komisyonunun (ICAR MEDCOM) kanıta dayalı yönergeleri . Yüksek İrtifa Tıp ve Biyoloji, 19, 131 – 140 . doi:10.1089/ham.2017.0143 29446647
    Google Akademik | çapraz referans | Medline
    Burghardt, GM, Bartmess-LeVasseur, JN, Browning, SA, Morrison, KE, Stec, CL, Zachau, CE, Freeberg, TM ( 2012 ). Perspektifler - davranışsal çalışmalarda gözlemci yanlılığının en aza indirilmesi: Bir inceleme ve öneriler . Etoloji, 118, 511 – 517 . doi:10.1111/j.1439-0310.2012.02040.x
    Google Akademik | çapraz referans
    Busby, S., Witucki-Brown, J. ( 2011 ). Çok kazalı olaylarda durumsal farkındalık için teori geliştirme . Acil Hemşirelik Dergisi, 37, 444 – 452 . doi:10.1016/j.jen.2010.07.023 21889652
    Google Akademik | çapraz referans | Medline
    Cannon-Bowers, JA, Salas, E., Converse, SA ( 1990 ). Bilişsel psikoloji ve takım eğitimi: Karmaşık olmayan sistemlerde paylaşılan zihinsel modeller [Konferans oturumu]. Endüstri ve Örgüt Psikolojisi Derneği'nin 5. Yıllık Konferansında, Miami, Florida
    Google Scholar
    Converse, S., Cannon-Bowers, JA, Salas, E. ( 1993 ). Uzman ekip karar vermede paylaşılan zihinsel modeller (Cilt 221, s. 221 – 246 ). Bireysel ve Grup Karar Verme .
    Google Akademik
    DeShon, RP, Kozlowski, SWJ, Schmidt, AM, Milner, KR, Wiechmann, D. ( 2004 ). Bireysel ve ekip performansının düzenlenmesi üzerinde çok amaçlı, çok düzeyli bir geri bildirim etkisi modeli . Uygulamalı Psikoloji Dergisi, 89, 1035 – 1056 . doi:10.1037/0021-9010.89.6.1035 15584840
    Google Akademik | çapraz referans | Medline | ISI
    Einav, S., Feigenberg, Z., Weissman, C., Zaichik, D., Caspi, G., Kotler, D., Freund, HR ( 2004 ). Kitlesel yaralanmalı terörle ilgili olaylarda tahliye öncelikleri: Acil durum planlaması için çıkarımlar . Cerrahi Yıllıkları, 239, 304 . doi:10.1097/01.sla.0000114013.19114.57 15075645
    Google Akademik | çapraz referans | Medline | ISI
    Ellis, DY, Sorene, E. ( 2008 ). Magen David Adom - İsrail'deki EMS . Canlandırma, 76, 5 – 10 . doi:10.1016/j.resuscitation.2007.07.014 17767990
    Google Akademik | çapraz referans | Medline
    Eysenck, MW, Hartley, J. ( 2014 ). Likert tipi ölçekler üzerine bazı düşünceler . Uluslararası Klinik ve Sağlık Psikolojisi Dergisi, 14, 83 – 86 . doi:10.1016/S1697-2600(14)70040-7
    Google Akademik | çapraz referans
    Garner, A., Lee, A., Harrison, K., Schultz, CH ( 2001 ). Çok kazalı olay triyaj algoritmalarının karşılaştırmalı analizi . Annals of Emergency Medicine, 38, 541 – 548 . doi:10.1067/mem.2001.119053 11679866
    Google Akademik | çapraz referans | Medline
    Gordon, CJ, Jorm, C., Shulruf, B., Weller, J., Currie, J., Lim, R., Osomanski, A. ( 2016 ). Tıp ve hemşirelik öğrencileri tarafından kullanılmak üzere bir öz-değerlendirme takım çalışması aracının geliştirilmesi . BMC Tıp Eğitimi, 16, 1 – 7 . doi:10.1186/s12909-016-0743-9
    Google Akademik | çapraz referans | Medline
    Gryth, D., Rådestad, M., Nilsson, H., Nerf, O., Svensson, L., Castrén, M., Rüter, A. ( 2010 ). Tam ölçekli, büyük bir uçak kazası tatbikatında performans göstergelerini kullanarak tıbbi komuta ve kontrolün değerlendirilmesi . Hastane Öncesi ve Afet Tıbbı, 25, 118 – 123 . doi:10.1017/S1049023X00007834 20467989
    Google Akademik | çapraz referans | Medline
    Hurd, MD, Kapteyn, A. ( 1999 ). Hanehalkı anketlerinde varlıkların ölçülmesinde sabitleme ve boyun eğme yanlılığı . Risk ve Belirsizlik Dergisi, 19, 111 – 136 . doi:10.1023/A:1007819225602
    Google Akademik | çapraz referans
    Jorm, C., Roberts, C., Lim, R., Roper, J., Skinner, C., Robertson, J., Gentilcore, S., Osomanski, A. ( 2016 ). Tıp öğrencilerinin işbirlikçi ekip çalışması için ihtiyaç duyduğu teknik olmayan becerileri geliştirmek için büyük ölçekli bir toplu zayiat simülasyonu . BMC Tıp Eğitimi, 16, 83 . doi:10.1186/s12909-016-0588-2 26956535
    Google Akademik | çapraz referans | Medline
    Klein, G. 2008 ). Doğal karar verme . İnsan Faktörleri: İnsan Faktörleri ve Ergonomi Derneği Dergisi, 50, 456 – 460 . doi:10.1518/001872008X288385 18689053
    Google Akademik | SAGE Dergileri | ISI
    Klein, GA, Orasanu, J., Calderwood, R., Zsabok, CE ( 1993 ). Eylemde karar verme: Modeller ve yöntemler. Ablex Yayıncılık .
    Google Akademik
    Kozlowski, SWJ, Bell, BS ( 2007 ). Dağıtılmış öğrenme sistemleri tasarlamak için teoriye dayalı bir yaklaşım . Fiore, SM, Salas, E. (Ed.), Dağıtılmış öğrenmede öğrenme nerede? Dağıtılmış öğrenme ve eğitim bilimine doğru (s. 15 – 33 ). APA Kitapları .
    Google Akademik | çapraz referans
    Kozlowski, SWJ, Chao, GT ( 2012 ). Makrobiliş, takım halinde öğrenme ve takım bilgisi: Kökenler, ortaya çıkış ve ölçüm . Salas, E., Fiore, SM, Letsky, M. (Eds.), Theories of team cognition: Cross-disipliner perspektifler. Routledge/Taylor & Francis Grubu .
    Google Akademik
    Kozlowski, SWJ, Klein, KJ ( 2000 ). Örgütlerde teori ve araştırmaya çok seviyeli bir yaklaşım: Bağlamsal, zamansal ve ortaya çıkan süreçler . Klein, KJ, Kozlowski, SWJ (Eds.), Çok düzeyli teori, organizasyonlarda araştırma ve yöntemler: Temeller, uzantılar ve yeni yönler (s. 3 – 90 ). Jossey-Bass .
    Google Akademik
    Nonaka, İ. 1994 ). Dinamik bir örgütsel bilgi yaratma teorisi . Organizasyon Bilimi, 5, 14 – 37 . doi:10.1287/orsc.5.1.14
    Google Akademik | çapraz referans | ISI
    Peleg, K., Michaelson, M., Shapira, SC, Aharonson-Daniel, L. ( 2003 ). Afetlerde acil durum yönetimi ilkeleri . Renal Replasman Tedavisindeki Gelişmeler, 10, 117 – 121 . doi:10.1053/jarr.2003.50019 12879372
    Google Akademik | çapraz referans | Medline
    Perry, O., Jaffe, E., Bitan, Y. ( 2019 ). Kitlesel yaralanma olayları sırasında bilgi miktarlarının ölçülmesi . Sağlık hizmetlerinde insan faktörleri ve ergonomi üzerine uluslararası sempozyum Bildirilerinde (Cilt 8, s. 284 – 285 ). SAGE Yayınları . doi:10.1177/2327857919081068
    Google Akademik | SAGE Dergileri
    Perry, O., Jaffe, E., Bitan, Y. ( 2020 ). MCI simülasyonunda ölçüm bilgisi yönetimi: Cihazların değerlendirilmesi ve karşılaştırılması . Uluslararası Sağlıkta İnsan Faktörleri ve Ergonomi Sempozyumu Bildiriler Kitabı , 9, 221 . doi:10.1177/2327857920091035
    Google Akademik | SAGE Dergileri
    Raiter, Y., Farfel, A., Lehavi, O., Goren, OB, Shamiss, A., Priel, Z., Koren, I., Davidson, B., Schwartz, D., Goldberg, A., Bar -Dayan, Y. ( 2008 ). Kitlesel yaralanmalı olay yönetimi, triyaj, yaralıların hastanelere ulaşma oranı ve yaralıların dağılımı: TEL Aviv şehir merkezindeki bir intihar bombacısı saldırısından alınan dersler . Acil Tıp Dergisi, 25, 225 – 229 . doi:10.1136/emj.2007.052399 18356360
    Google Akademik | çapraz referans | Medline
    Rimstad, R., Braut, GS ( 2015 ). Tıbbi olay komutanlığı ile ilgili literatür taraması . Hastane Öncesi ve Afet Tıbbı, 30, 205 – 215 . doi:10.1017/S1049023X15000035 25659266
    Google Akademik | çapraz referans | Medline
    Rimstad, R., Sollid, SJ ( 2015 ). 2011 Oslo bombalamasında tıbbi olay komuta ve karar vermenin geriye dönük gözlemsel bir çalışması . Uluslararası Acil Tıp Dergisi, 8, 4 . doi:10.1186/s12245-015-0052-9 25852774
    Google Akademik | çapraz referans | Medline
    Roper, L., Shulruf, B., Jorm, C., Currie, J., Gordon, CJ, Christopher, J., Roper, L., … Christopher, J. ( 2018 ). Hemşirelik ve tıp öğrencilerinden oluşan bir kohortta öz değerlendirme ekip çalışması aracının (SATT) doğrulanması . Tıp Öğretmeni, 40, 1072 – 1075 . doi:10.1080/0142159X.2017.1418849 29426258
    Google Akademik | çapraz referans | Medline
    Rüter, A., Örtenwall, P., Wikström, T. ( 2004 a). Tıbbi ilk müdahale ekiplerinin eğitiminde hastane öncesi komuta ve kontrol için performans göstergeleri . Uluslararası Afet Tıbbı Dergisi, 2, 89 – 92 . doi:10.1080/15031430510032804
    Google Akademik | çapraz referans
    Rüter, A., Örtenwall, P., Wikström, T. ( 2004 b). Büyük olay tıbbi yönetimi için performans göstergeleri – kalite kontrol için olası bir araç mı? Uluslararası Afet Tıbbı Dergisi, 2, 52 – 55 . doi:10.1080/15031430410023355
    Google Akademik | çapraz referans
    Salas, E. 1992 ). Takım performansı ve eğitim anlayışına doğru. Takımlar : Antrenmanları ve Performansları , 3-29 . http://ci.nii.ac.jp/naid/10030355843/en/
    Google Akademik
    Salas, E., Fiore, SM, Letsky, M. ( 2013 ). Takım bilişi teorileri: Disiplinler arası bakış açıları. Routledge/Taylor & Francis Grubu .
    Google Akademik | çapraz referans
    Shapira, SC, Shemer, J. ( 2002 ). Terör saldırılarının tıbbi yönetimi . İsrail Tabipler Birliği Dergisi, 4, 489 – 492 . 12120456
    Google Akademik | Medline
    Sloan, H.M. 2011 ). Birden çok kazaya neden olan bir olaya müdahale etme: İyileştirme için yer . Acil Hemşirelik Dergisi, 37, 484 – 486 . doi:10.1016/j.jen.2010.07.013 21889656
    Google Akademik | çapraz referans | Medline
    Smith, W., Dowell, J. ( 2000 ). Afet yönetiminde eşgüdümlü karar verme vaka çalışması . Ergonomi, 43, 1153 – 1166 . doi:10.1080/00140130050084923 10975178
    Google Akademik | çapraz referans | Medline | ISI
    Turner, CDA, Lockey, DJ, Rehn, M. ( 2016 ). Kitlesel yaralanmalı sivil çekimlerin hastane öncesi yönetimi: Sistematik bir literatür taraması . Yoğun Bakım, 20, 362 . doi:10.1186/s13054-016-1543-7 27825363
    Google Akademik | çapraz referans | Medline
    Wang, Q., Ma, T., Hanson, J., Larranaga, M. ( 2012 ). Acil müdahalede olay komuta sisteminin uygulanması . Proses Güvenliği İlerlemesi, 31, 402 – 406 . doi:10.1002/prs.11538
    Google Akademik | çapraz referans
    Wegner, D.M. 1987 ). Transaktif bellek: Grup zihninin çağdaş bir analizi . Grup davranışı teorilerinde (s. 185 – 208 ). Springer .
    Google Akademik | çapraz referans
    Zinan, N., Puia, D., Kinsley, T. ( 2015 ). Bir lisans hemşirelik programında toplu yaralanma olayı simülasyonunun sonuçları . Hemşirelik Eğitimi ve Uygulaması Dergisi, 5, 71 – 78 . doi:10.5430/jnep.v5n12p71
    Google Akademik | çapraz referans

    Yazar Biyografileri

    Omer Perry, İsrail Negev Ben-Gurion Üniversitesi'nde Endüstri Mühendisliği ve Yönetim Bölümü'nde doktora öğrencisidir.

    Eli Jaffe, Hayfa Üniversitesi'nden kamu yönetimi alanında doktora derecesine ve Negev'deki Ben-Gurion Üniversitesi'nden tıp bilimleri alanında doktora derecesine sahiptir. Şu anda Eli, İsrail'deki Magen David Adom'da (MDA) Halkla İlişkiler, Gönüllüler, Eğitim ve Kaynak Yaratma bölümünün yöneticisidir. MDA'daki rolüne ek olarak, Negev Ben-Gurion Üniversitesi, Beer-Sheva, İsrail'de hastane öncesi acil tıp dersleri vermektedir.

    Yuval Bitan, 2003 yılında Negev, Beer-Sheva, İsrail'deki Ben-Gurion Üniversitesi'nden endüstri mühendisliği ve yönetimi alanında doktora derecesi aldı. Yuval, Negev'deki Ben Gurion Üniversitesi Sağlık Sistemleri Yönetimi Bölümü'nde öğretim üyesidir.



    Yorumlar

    Bu blogdaki popüler yayınlar

    Afet Riskini Azaltma için Sendai Çerçevesi nedir?

    Önlenebilir Afetler 12.08.2022