基于成果的教育与集成微学习(OBE-ML)提升了护理学生的临床能力——一项随机双盲试验

《Teaching and Learning in Nursing》:Outcomes-based education-integrated microlearning (OBE-ML) bolsters clinical competence among nursing students—A randomized double-blind trial

【字体: 时间:2026年05月02日 来源:Teaching and Learning in Nursing 1.7

编辑推荐:

  崔刘|纪祖金|袁芳军|姜学军中国湖北省十堰市湖北医药学院第二临床学院东风通用医院医学影像科摘要目的这项随机对照试验旨在评估基于成果的教育整合微学习(OBE-ML)方法在提高护理学生理论知识、临床技能和临床推理能力方面的效果。背景传统的护理教育侧重于知识传授,往往无法在现实环境中培

  
崔刘|纪祖金|袁芳军|姜学军
中国湖北省十堰市湖北医药学院第二临床学院东风通用医院医学影像科

摘要

目的

这项随机对照试验旨在评估基于成果的教育整合微学习(OBE-ML)方法在提高护理学生理论知识、临床技能和临床推理能力方面的效果。

背景

传统的护理教育侧重于知识传授,往往无法在现实环境中培养学生的临床能力,从而导致理论与实践之间的明显差距。

设计

本研究是一项随机对照试验。

方法

2024年1月至12月期间,132名符合条件的护理学生(三年级和四年级)中有110名被随机分配到OBE-ML组或传统教学(TT)组;最终分析纳入了105名学生(OBE-ML组54名,TT组51名)。OBE-ML组接受了微学习和基于成果的培训,而TT组则接受了标准的讲座式教学。评估指标包括理论和临床技能得分、临床推理评分以及学生和患者的满意度。

结果

OBE-ML组在理论考试(84.59 ± 2.98 vs. 81.39 ± 2.29,p < 0.01)和临床技能评估(82.48 ± 3.02 vs. 77.73 ± 1.97;p < 0.01)方面的表现显著优于TT组。此外,OBE-ML组中有更高比例的学生在临床推理评估中获得了“优秀”或“良好”的评级(75.9% vs. 60.8%;p = 0.012)。此外,OBE-ML组的学生满意度(p = 0.037)和患者满意度(p = 0.011)也显著高于TT组。逻辑回归分析还证实,OBE-ML组的分配是患者满意度较高的显著预测因素(OR = 0.39,p = 0.026)。

结论

OBE-ML方法有效弥合了护理教育中的理论与实践差距。这种结合提供了一种可扩展的、基于证据的教育方法,将OBE的目标导向结构与微学习的灵活交付方式相结合,以增强临床培训效果。

引言

传统的护理教育主要依赖讲授式教学,但这往往无法培养学生的临床推理能力、技能熟练度和解决问题的能力——这些都是护理实践中的核心能力(Zabalegui,2002)。随着患者对高质量护理需求的增加,教育策略必须紧密贴合临床需求,并跟上护理学科的进步(Morin,2012)。基于成果的教育(OBE)是一种以学习者为中心的方法,它定义了具体、可测量的学习成果,并据此调整课程、教学方法和评估方式(Rees & Richards,2004)。然而,在临床环境中实施OBE常常受到护理教师不规律或时间有限的日程安排的限制,这限制了其适应性和学习者的参与度(Rosenberg,2018)。
微学习是一种通过多种平台(如平板电脑、智能手机、台式机和笔记本电脑)提供培训的教育方法。根据学习者对简洁、按需内容的偏好,微学习已成为一种有前景的教学策略。微学习是相对较小的、专注的学习单元,包含浓缩的学习活动(通常1到10分钟),可在多种设备上使用(Shail,2019)。同时,它通过将复杂主题分解为小而集中的模块来促进知识的获取和保留(Zarshenas等人,2022)。然而,其分散的性质可能导致学习路径碎片化,并且对关键能力的重视不足(Gawlik等人,2021;Tennyson等人,2022)。
基于这些证据,我们提出了一种结合基于成果的教育(OBE)和微学习(OBE-ML)的教学方法,以利用两者的优势并弥补各自的不足(表1)。这种组合旨在提供基于成果的、清晰且可测量的教育,并通过微学习这种易于获取和吸引人的形式进行传递。为了验证这一策略,我们进行了一项随机对照试验,评估其对传统教育指标和患者结果的影响。

章节片段

样本量计算

样本量使用G*Power 3.1软件计算,双侧α值为0.05,功效为0.80,效应量基于一项初步研究估计得出。这表明需要96名参与者(每组48名)。预计有10%的退出率,我们招募了110名参与者;实际退出率为4.5%。

参与者

2024年1月至12月期间,从中国中部的一家三级医院招募了132名临床实习的护理本科生。为了确保同质性并减少潜在的混杂因素,我们采用了以下纳入标准:1)注册了护理专业(三年级或四年级);2)没有接受过静脉插管培训(通过学术记录和自我报告验证);3)愿意完成所有评估并遵守研究方案。

教学团队

每个组由两名理论教师(具有至少10年的护理教育经验,并由中国护理协会认证)和两名技能教师(具有至少15年的临床护理经验,并由中国护理协会认证的静脉治疗培训)组成。在干预之前,所有教职员工都参加了一个为期两小时的标准化培训,内容包括:1)内容传递:统一

基线特征

在本研究中,OBE-ML组包括7名男性(12.96%)和47名女性(87.04%),平均年龄为22.00 ± 0.73岁(范围:20–24岁),平均预培训学术成绩为77.62 ± 2.26分(范围:65–90分)。TT组包括7名男性(13.73%)和44名女性(86.27%),平均年龄为22.00 ± 0.72岁(范围:20–24岁),平均预培训学术成绩为77.45 ± 2.27分(范围:64–89分)。两组在基线特征上没有显著差异(性别:χ2 = 0.01)

讨论

这项随机对照试验表明,与传统的教学方法相比,OBE-ML框架在提高护理学生的理论知识、临床技能和临床推理能力方面取得了显著进展。此外,OBE-ML组的学生报告了更高的满意度,而且,他们的能力提升也转化为对所护理患者的更高满意度。这种改进很可能源于OBE与微学习的协同效应

结论

本研究表明,OBE-ML方法有效弥合了临床护理教育中的理论与实践差距。OBE-ML组的学生在理论知识、临床技能和临床推理方面的得分显著高于接受传统教学的学生。重要的是,这些教育改进转化为对患者护理的实际益处,体现在更高的患者满意度上。这种结构化但灵活的设计

CRediT作者贡献声明

崔刘:撰写——初稿、软件、资源、项目管理、方法论、资金获取。纪祖金:撰写——审阅与编辑、可视化、验证、监督、资源、项目管理、方法论、调查、数据管理。袁芳军:撰写——审阅与编辑、可视化、验证、监督、软件、资源、项目管理、方法论。姜学军:撰写——审阅与编辑、可视化、调查、资金

利益冲突声明

所有作者(崔刘、纪祖金、袁芳军、姜学军)均无需要声明的利益冲突。

资金

本工作得到了湖北医药学院项目的支持(项目编号:2023022)。

致谢

作者们向所有协助我们完成这项研究的护理人员和患者表示最深的感谢。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号