计算模型不同层次集成到基于web的虚拟病人的框架

简介

背景

计算机和互联网技术已进入医疗保健教育的主流[1］．尽管试点研究的技术可行性与教育实践的现实之间仍存在差距，但我们已经达到了一个阶段，即网络培训已被视为例行公事。2，3.］．使用这种技术不仅是出于对创新的渴望、提高教学质量的意愿和有限的人员，也是出于成本效益分析[4］．

不可否认，虚拟病人的使用是医疗保健中最常与计算机辅助培训应用相关的技术之一[2，5但是，就像新概念经常出现的情况一样，对“虚拟病人”一词的理解因研究团体而异。我们将虚拟病人定义为“以医疗保健和医疗培训、教育或评估为目的，对真实临床场景进行交互式计算机模拟”[6］．这不包括医学教育中使用的其他方法，如人类角色扮演、计算机化人体模型、部分任务训练器和需要专门设备的系统[7]，以及所有非教育性的虚拟病人。

虽然复杂的沉浸式虚拟现实场景在技术上是可能的(例如，[8])，虚拟病人的常规使用通常侧重于技术上简单的解决方案。Huwendiek等人试图用四个示例系统对这种类型的虚拟患者解决方案进行分类:CAMPUS、CASUS、Open Labyrinth和Web-SP [9］．虽然这些系统在许多方面有所不同，但它们都有一个共同点，即将临床的、基于病例的场景分为离散的步骤(1)线性显示，具有单一的最终结果，或(2)分支显示，根据用户的选择支持不同的叙述路径。所有这些系统都是基于web的，只需要通过标准浏览器连接Internet即可。经ansi认证的MedBiquitous虚拟患者(MVP)标准[10已被医学教育界采用，用于表示虚拟患者数据。作为eViP项目的一部分，在四个系统中实现了对标准的支持[11］．

这种类型的虚拟病人至少有两个显著的优势。第一个是教师参与发展过程的可能性。这是通过投资于编写工具的用户友好性和技术工作流程的简化来实现的，以使医疗专家能够专注于虚拟患者的内容。因此，这个班级的虚拟病人通常是根据特定教师和机构的需要、教育活动的类型和特定的学习目标而量身定制的。对于技术复杂的虚拟病人来说，情况可能并非如此。第二个优势是，学习者可以通过个人电脑通过互联网访问这种类型的虚拟病人，甚至可以通过移动设备“即时”访问。这些虚拟病人系统的低许可成本也提高了可访问性。

在上述类别的虚拟患者的开发中，有几个可能的“下一步”。我们选择的步骤是通过丰富虚拟患者的生理和病理过程的计算模型来增加他们的交互性。这里我们使用术语“计算模型”遵循Garrido给出的定义[12作为“在计算机系统中实现的数学模型，需要高性能计算资源来执行”。这通常需要非线性模型的数值求解。认识到生物医学工程中建模和仿真的悠久研究传统(例如，[13])，我们并不打算创建新的模型，而是寻求机会将现有模型集成到当前的虚拟患者系统中。

在这里，我们提出了一个框架，以支持在虚拟患者中集成现有的生理功能计算模型。该框架将定义有助于形式化集成和评估集成可行性的概念。在当前的虚拟患者文献中，用计算模型扩展虚拟患者被认为是一个有前途的趋势(例如，[3.，14])。

虽然医疗保健教育模拟的集成框架以前已发表(例如，[15-17])，这些早期出版物的重点与本文所设想的有所不同。由Ellaway等人开发的“连续性实践”框架[15]，讨论了广泛的模拟模式的集成，涵盖了诸如人类角色扮演(例如，标准化患者)、物理设备(例如，计算机化人体模型、部分身体任务训练器和触觉设备)、远程会议和3D可视化工具等方法。我们提出的框架仅仅集中于从现有研究项目中获得的生理计算模型的集成，例如虚拟生理人(VPH)计划[18]，在基于屏幕的叙述性虚拟患者系统中(用于eViP项目[9])。

RICORDO框架具有更大的技术范围，目的是改善生理学和药理学研究以及卫生保健教育模拟数据和模型资源的可访问性[16］．这涉及到选择使用受控词汇表、本体和元数据编码表示的技术标准。此外，还开发了一个用于创建本体组合和资源注释的开放工具包。医学教育最佳实践网络(mEducator Best Practice Network)亦对医学教育共享教育资源的技术标准进行了批判性评估[19］．这些贡献可以补充当前论文中描述的方法，促进新模型的发现，并将其集成到现有的虚拟患者中，并促进基于内容的临床分类的传播。

最后，在文献中描述了框架，这有助于各种软件库的高保真医疗模拟的集成。例如，Halic等人提出了一个名为SoFMIS的框架，用于在使用触觉设备的外科模拟中渲染3D场景[17］．相关框架采用SoFMIS架构进行Web环境仿真[20.］．与此方法相反，我们的框架更多地处理虚拟患者创作策略，而不是具体的软件解决方案。SoFMIS框架演示了如何将不同的软件库分组为支持可重用性的模块。我们打算用新的元素扩展现有的、完善的系统。此外，我们的虚拟患者的目标是提高临床推理技能(如诊断和治疗选择过程)，而不是专注于在高保真外科模拟中所需的精神运动和程序技能。

客观的

本文的目的是提出一个概念性框架，以组织研究和开发，以实现虚拟患者中计算模型的集成。我们特别关注(1)准备集成时要处理的特征，(2)集成的范围，(3)实现集成的策略，以及(4)评估集成可行性的方法。

如果该框架的应用能够带来实际的建议和预测，使医学教育和模拟社区能够在虚拟患者中集成计算模型，则该框架将被认为是成功的。我们的长期目标是分离出关键因素，并确定它们对支持虚拟患者在教学中的实际使用的整合过程的成功的影响。实现这一目标的一种方法是评估合适的目标受众对使用框架提出的不同级别模型集成实现的虚拟患者的反应。出于这个原因，一个额外的目标是在两个整合水平上对虚拟患者的感知改变进行试点调查。

方法

开发框架的过程

该框架将采用受软系统方法论启发的迭代过程[21］．SSM方法的设计是为了帮助分析涉及与人相关的方面发挥重要作用的相互影响的感知的群体的情况。该方法寻找既可取又可行的解决方案，考虑到系统的组成部分。

在开发虚拟患者的过程中，应该解决与人相关的问题。”例如，它们的构建应该受到学习者的实际学习需求和偏好的影响，而不仅仅是受模拟结果的准确性的影响。这使得SSM方法特别适合于开发框架的目的。这种方法以前曾被应用于设计概念框架，将信息技术引入医疗保健，例如Ruotsalainen等人定义了可信普及健康框架[22］．

SSM方法包括四个步骤，构成一个学习周期，重复这些步骤以改进系统设计[21］．这包括(SSM步骤1)对系统的描述，包括对其特性、感兴趣的问题、风险和挑战的描述，(SSM步骤2)以封装不同感知的模型的形式表达思想和计划的行动，(SSM步骤3)在真实世界的示例上测试模型，以及(SSM步骤4)综合系统描述和验证结果，为下一个开发周期提出改进建议。

计算模型的来源

最初的框架设计是根据作者在以前的项目中获得的经验，这些项目涉及虚拟患者、医疗保健教育和生物医学建模模拟，包括eViP [6]和虚拟生理人(VPH)计划[18］．VPH卓越网络(NoE)和欧洲医学教育协会(AMEE)卫生保健教育界代表最近建立的合作为开发框架提供了适当的环境。

VPH的首要目标是建立人体计算分析的方法和工具，整合不同器官系统的生理学和病理生理学的多样性[18］．VPH结合了计算机建模和临床研究方面的专业知识，提供了一系列先进的生理功能模拟，疾病发展和进展，以及对干预的反应。其雄心勃勃的目标是开发一种基于患者特定数据的技术基础设施，通过定量模型来预测临床结果，该模型集成了从分子水平到器官系统甚至人群的不同尺度的生物物理过程[23］．VPH项目的临床目标是多样化的，并解决了心脏病学(如euHeart)、血管病理学(如ARCH)或各种类型的癌症(如PASSPORT)中计算建模的挑战[24］．努力也被分配到解决VPH项目所需的计算基础设施的技术方面(例如，VPH共享)。

VPH NoE [25]为VPH项目输出提供了中心重点，开发了最佳实践，并为VPH相关工具、培训和标准的曝光和可持续性提供了支持。VPH NoE的一项重要任务是确保学术、医疗和工业领域有机会获得准备充分的劳动力，以满足VPH提供的可能性。这一问题已通过举办培训活动(讲习班、暑期学校)和编写教育材料来解决，以提高人们对这些新技术的认识[24］．VPH NoE的教育目标与虚拟患者社区的目标保持一致，以实现更多的交互式虚拟患者。

框架的示范

选择的集成模型

建议的框架通过一个现实世界的例子来展示:VPH ARCH项目[26］．该项目开发了用于终末期肾病(ESRD)患者血液透析手术规划的血管通路建模。虽然有几种方法可以为ESRD患者创建血管通道，但由于减少潜在的并发症，首选动静脉瘘(AVF)。AVF可发生在下臂(放射性头瘘)或上臂(头臂瘘或肱基底动脉瘘)[27］．决定在哪里建立瘘管是通过术前体检和手臂血管的双超声评估得知的。在VPH ARCH项目中，开发了一个计算模型来支持临床决策。模拟是基于波传播模型的分布式集总参数实现[28]，并与临床数据进行了评估。计算模型在开源许可下可用，作为一个名为archTk的软件工具包的一部分[29]，并作为临床Web应用程序的一部分[30.］．

整合过程

使用archTk模型和一组患者输入参数，我们在实施不同类型的AVF后模拟上肢的血流和血压，并将模拟结果整合到虚拟患者中。该病例介绍了约翰·琼斯的故事:一名68岁的男性，在感染后被诊断患有慢性肾病。虚拟病人是由本文作者在临床专家的监督下开发的。基本版本包含28个屏幕卡，以图形结构连接，以提供分支可能性(图1)．屏幕卡包括叙述、医疗检查结果(包括模拟结果)和图像。集成使用比特路径[31，32］．该创作工具是由论文的作者之一开发的，允许将图形结构(包括案例数据)作为MVP包导出[10］．所有支持mvp的虚拟患者系统都可以读取这种可重用的学习对象。或者，内容可以由Bit paths创作工具包装到HTML/Java Script播放器中，以形成独立的或基于web的应用程序(图1)．

‎ 查看此图

评价事件

背景描述

为了测试所提出的框架作为区分不同级别模拟集成的工具的潜力，以两种变体准备了一个暴露archTk模拟结果的虚拟患者，反映了框架定义的不同集成级别。2013年3月在马斯特里赫特举行的欧洲血管课程(EVC)会议上，VPH NoE组织了一次传播和评估研讨会，演示了该病例的两种变体。参与者可以通过10台连接互联网的苹果iPad 2平板电脑访问虚拟病人。虚拟患者变体存储在远程Web服务器上。Web应用程序的用户界面根据平板电脑触摸屏的大小和导航功能进行了定制。参与者被随机分配到两个虚拟患者变体中的一个(研究组1和2)，基于用户选择坐在车间的平板电脑。参与者对这种选择是盲目的，以防止偏见(霍桑效应)。

参加讲习班是自愿的。通过会议组织者发布的电子邮件公告、会议场地的海报以及在咖啡休息时间分发的小册子直接邀请参与者。由于每节课的人数限制为10人，因此参加每节课必须登记。在使用虚拟病人之前，对VPH计划和虚拟病人工具进行了15分钟的介绍。一份基于网络的评估问卷，使用谷歌Forms编写，在会议结束后立即完成。用户识别仅基于平板ID和问卷完成时间。所问的问题涉及对虚拟病人的兴趣程度和对内容的认同程度。此外，处理更高集成级别的研究小组可以对添加的交互性进行评论(如本文的结果部分所述)。

研究参与者

38名参与者填写了问卷。研究组参与者的分布很平衡，研究组1为20人(53%)，研究组2为18人(47%)。基本的人口统计和背景数据表1．大多数参与者是专攻血管外科或肾内科的临床医生(28/ 38,74%)。其余参与者为护士、生物医学工程师和医疗设备制造商(9/ 38,24%;1缺失响应)。

统计分析

两组间的差异采用非参数双面Mann-Whitney u检验进行评估。显著性水平(alpha)设置为0.05。使用R统计包3.0.1版(R Foundation for statistical Computing, 2013)进行统计分析。

结果

集成框架

系统定义

SSM方法的核心要素是真实世界的“问题情况”。在我们的案例中，我们将其定义为通过集成现有的模拟技术来提高虚拟患者的低水平交互性。我们设想一个社区，在这个社区中，由研究项目产生的计算模型在互联网上公开可用，并由医疗保健教育社区选择，以扩展现有或新开发的虚拟患者的交互性。

这种方法的挑战是由利益相关者(SSM Step 1)的不同“世界观”定义的，这些利益相关者包括生物医学建模社区、医疗保健教育者和学习者以及虚拟患者系统开发人员。

VPH倡议的多样性很好地代表了生物医学建模社区的当前观点。它侧重于开发和验证患者特异性模拟，以解决与特定患者群体相关的临床问题。模型构建是智力上的要求，目前还很少形式化。这一重点是由研究人员的动机、临床驱动因素和研究资金的可用性驱动的，涉及最先进的技术(例如，网格系统、云计算、超级计算机)。VPH计划的一个优先事项是开发能够提供人体整体视图的模型和模拟，并能够交付能够在单一计算工作流中提供访问不同模型和工具的技术基础设施。模型和模拟的创作通常是在大型国际团队中进行的，需要正式考虑道德和知识产权问题，特别是当涉及到工业合作伙伴时。VPH研究人员在很大程度上不了解医学课程的学习目标，项目的研究重点意味着为教育目的调整或维护工具的资源是有限的。

卫生保健教育者和学习者的世界观，虽然明显不同，但紧密相连，在这个框架的当前发展阶段可以视为一个子系统。基于良好的理论基础，如Kolb的经验学习理论[33，社区正在建立一个教育系统，在这个系统中，学习者通过积极的实验、观察和反思来体验感兴趣的主题。该小组愿意在当代医学课程中使用明确解决学习目标的模拟。重要的是要考虑一些因素，如任务的适当难度，并促进与内容的高度互动或特定内容的反馈[34］．然而，建议谨慎，因为过多的互动可能不利于学习过程[35］．大多数教育工作者和学生不感兴趣，或者没有时间来研究支撑模拟的技术。他们的主要期望是获得一种直观、工作无延迟、与以前的学习经验很好地一致并返回有效结果的工具。这个群体通常有标准的IT设备和互联网接入，教师和学习者都不愿意为访问模拟支付大量的额外费用。

对于外部观察者来说，虚拟病人系统开发人员的世界观可能并不清楚。考虑这一观点是很重要的，因为许多医科大学的技术基础设施已经发展了好几年，并且已经为教育工作流程建立了良好的基础，特别是在虚拟病人系统的情况下[36］．更换功能良好的系统或向已经复杂的电子学习基础设施添加新系统可能会遇到阻力。这些反对意见将得到医疗保健教育工作者的支持，他们已经投入了大量资源为现有的虚拟患者系统创建内容。虚拟病人格式虽然存在多种变体，但遵循类似的设计规则[34，37］．在实践中，这涉及到为单个患者提供一致的故事，随着时间的推移，新的信息会逐渐解开。以不同技术实现的虚拟病人系统，已经以MVP标准的形式实现了共同的技术分母[10］．

可行性的特性

系统定义中的不同透视图被转换为系统特性(表2)．这个列表包含了在评估模拟集成的可行性时应该考虑的因素。为了确保最重要和最及时的因素已被包括在内，其完整性已根据先前提出三个利益相关者群体观点的研究中确定的特征进行了验证(来源[9，11，16，34，37-41的第三列所示表2)．这一清单并不被认为是详尽无遗的，而且有可能在将来加以扩充。

集成的水平

上述可行性特征的分析在很大程度上取决于与vph相关的数据、模型或模拟在虚拟患者中的集成程度。这可以通过引入不同级别的集成来解决。我们提出三个基本集成级别:(1)基本，(2)中级和(3)高级(图2)．在接下来的讨论中，假设虚拟病人有一个分支导航模型，在这个模型中，学习者可以从许多备选选项中进行选择，用不同的可能端点来解决虚拟病人[9］．在另一种线性模型中，只有一个叙述线程和一个最终终点，可以被视为分支的特殊情况。

在基本集成级别，一组n输入参数用于为单个(虚拟)患者生成生物医学变量的单个结果(或单个随时间变化的结果系列)。结果在虚拟病人的叙述中报告。对于中间级别，在输入参数范围内执行模拟数据的预生成，并将其包含在虚拟患者包中，例如以查找表的形式。执行环境使学生能够探索我预定义约束内的不同数据组合变体。高级层次提出了模型的动态解决方案，同时允许学习者直接与求解器一起工作，并在变量域内自由指定输入。

图2显示，随着模型集成级别的提高，虚拟患者模拟的运行时控制从模拟基础设施(中绿色背景)转移图2)到虚拟病人播放器(红色背景在图2)．在高级集成的情况下，模型求解器成为虚拟患者环境中不可分割的一部分，使学习者能够更加自力更生，从而在更大程度上支持探索性学习方法。

‎ 查看此图

集成策略

概述

集成策略为如何在实践中实现集成提供了指导。基本级别的集成策略是手动将解算器的输出复制到虚拟患者叙述中的相关位置₀)．在本文中，我们提出了四种更高层次的策略，适用于中级和高级层次的集成:(1)叙事集成，(2)与分支节点集成，(3)数据特征，(4)模型定位。这些策略并不相互排斥，可以并行应用。随着模拟和虚拟患者技术的不断发展，集成策略列表有可能被扩展，以包含未来的其他考虑因素。

叙事整合(s1)

这一策略决定了模拟结果如何与虚拟患者的叙述相匹配。这在一个病人不能有不同的解剖或生理参数值的情况下尤为突出。提出了两种集成模式:“what-if-节点”和“多案例包”。if节点用发现学习任务中断导航图中单个活动节点的叙述。根据虚拟病人的主要叙述，向学生展示模拟输出，但鼓励学生反映如果输入参数发生变化，结果将如何不同。通过操作输入参数值(例如，通过滑块或组合框)，不同的模拟结果从一组预先生成的值(中级集成级别)或由模型的动态解生成(高级集成级别)加载。学习者可以无限次地更改输入参数。除非与影响分支节点的集成机制相结合，否则在离开假设节点后，病例将恢复虚拟患者的原始叙述线索。一个案例可能包含几个假设节点。多病例包需要从一个虚拟患者包动态创建整个虚拟患者群体。 The narrative of the activity nodes are formulated as templates with empty locations to hold values from either a set of pre-generated values (intermediate integration level) or dynamically generated by an integrated solver (advanced level). The selection of values for input parameters could be influenced by student interaction, follow a predefined range, or be selected at random and would not be changed after virtual patient navigation has started. The generation of these multiple cases would be carried out by the virtual patient player. A similar method has been used by Tworek et al in the Open Labyrinth virtual patient system to produce 97 virtual patients [42］．然而，在后一项研究中，输入值来自受控词汇表、正态值的统计分布以及学科专家对病理的手动修正，而不是通过求解计算模型动态创建的。Kononowicz等人提出了一种多病例包策略的变体，用于从计算机可解释指南中的模板生成虚拟患者[32］．

与分支节点集成(s2)

此策略指定模拟结果是否对分支节点具有动态影响。在“无影响”模式下，if节点和多case包在所有情况下都保持相同的静态分支导航结构。无论输入参数在假设节点中如何操作，在学生离开该节点后，虚拟患者播放器将恢复原始叙述线程。类似地，多案例包总是具有相同的解决方案路径。或者，分支节点的定义可以包含封装在正式逻辑表达式中的模拟变量(对分支模式的影响)。这些表达式将在运行时由虚拟耐心播放器动态计算，以自动执行分支或改变学生在解决案件时所做决定的评分。在这种模式下，what-if节点将更改后续的活动子树。一个潜在的场景可能包括一个学生尝试不同剂量的药物，在做出最终决定之前发现虚拟病人的即时反应。对于多案例包，学生通过活动图所采取的相同路线可能会导致基于随机或预先选择的输入集的模拟输出的不同评分。

数据特征(s3)

该策略描述了模型输入参数的选择。“简单数据”模式允许从允许的输入范围内选择任何值的组合。在模型集成的中级水平上，这些范围是离散的，而在高级水平上，它们可能接近连续的。虚拟病人的设计者可能希望包括不影响模拟结果的输入参数，以提高学生的动机，将干扰因素作为学习设计的一部分，或增加病例的真实感。分心器参数的例子包括虚拟病人的姓名、医院设置的描述或不影响模拟的生理参数(例如，眼睛颜色)[42］．“带有排除的简单数据”级别允许指定一组排除的输入值(以定义允许输入空间的子空间)，对此不会生成模拟结果(例如，因为它们在生理上是不可能的)。最后，对于“相互依赖的数据”，将在一些输入变量之间定义一个功能连接(例如，性别特定的值，具有特定的不可忽略的生物反馈循环的值，保持解剖连续性的依赖关系等)，以指导或限制学习者对输入参数的选择。

模型位置(s4)

该策略定义了模拟数据或模拟软件的位置。对于以“本地”模式操作的中间级别集成，生成的数据位于虚拟患者包中。“远程”模式将涉及从预先生成的数据的中央存储库动态加载数据(因为需要大量的存储空间，或者由于敏感的、特定于患者的信息而需要保密，例如[43])。这既可以由虚拟病人系统本身管理，也可以通过Internet上独立访问的服务进行管理。对于高级级别的集成，其中模型解决方案与虚拟患者导航集成，本地模式要求将求解器直接合并到虚拟患者包中，或者将求解器作为虚拟患者执行环境的一部分。在远程模式下操作的高级集成需要与外部求解器服务通信，例如通过Web服务或其他形式的Web接口。

评估资料

在考虑相关涉众的观点后，应该对给定的计算模型执行特定级别集成的可行性和/或可取性做出决定。这直观地表示为图3并形成评估集成可行性的工具(SSM步骤2)。列表示在表2对于特定的涉众组，用符号f来标识_{({A, B, C})}，其中下标定义涉众组和特性引用号。集成级别也由集成策略参数化₀,年代₁,年代₂,…,年代_p)．

可以通过使用评估概要文件来填充评估表，以指导与适当的涉众社区的协商。评估概要文件是通过选择可行性特征的子集和关键特征的接受阈值规范来定义的，以反映集成的优先级和需求。这些评估配置文件可以使用颜色来确定细胞的状态(绿色阈值通过;red-failed;黄色边界或未知;灰色——与决策无关)。如果没有为给定的可行性特性指定阈值，则可以在咨询期间讨论该特性以提供定性反馈，而不是定量评估。潜在的评估概要类可能包括“VPH工具最佳曝光的集成”(即项目传播目的)，“高交互性的集成”，“特定课程中与形成性评估高度相关的集成”，以及“在特定虚拟患者环境中最佳使用的集成”(例如，在“开放迷宫”虚拟患者播放器中)。

‎ 查看此图

在现实世界的例子中演示框架

配置文件

为archTk模拟(SSM步骤3)定义了“集成VPH工具的最佳曝光”类型的评估配置文件。表3而且4提供概要的详细资料，包括可行性特征及其可接受的阈值(表3)，以及选定的整合策略模式(表4)．指定的阈值反映了在研讨会和研究生课程中使用标准pc或平板电脑呈现项目成果的要求，没有显著的计算延迟(<5秒)。

计算建模研究者可行性特征

作为archTk工具包的一部分，应用于VPH ARCH项目的脉冲波传播模型最初由Huberts等人开发[28］．它取决于70多个参数，其中许多是患者特有的，难以测量。44］．为了降低模型的复杂性，可以通过生成特定年龄和BMI的男性和女性的血管解剖和材料特性的典型分布来减少参数的数量。在虚拟患者上下文中，输入参数表示为体重、身高、性别和年龄。一般来说，这种计算模型的患者特定性质使通用参数集的使用复杂化。然而，在archTk模型中使用这种方法得到了已发布数据的支持[45］．本研究尚未对输入参数的选择对模型集成有效性的影响进行评估，这是进一步完善框架的重要课题。

在标准PC工作站上生成一组输出值(Intel Core 2;1.66 ghz;4GB RAM)用于archTk模型需要5分钟。在集成的中间层次上，我们已经用一系列输入参数评估了一个测试用例，这些输入参数包括两个性别参数值和两个年龄、体重和身高值，这些值取决于性别，总共给出了16个结果集。在虚拟病人导航之前，计算这种级别的模拟数据需要80分钟的计算。这是可行的。显示预生成值的时间不到一秒，这足够短，可以确保基本和中间级别的集成得到可接受的结果。数据集的动态生成在标准PC上不够高效，目前的求解器实现(pyNS 0.4.2)无法支持图形用户界面的快速(<5s)响应。所有级别集成的存储需求可以忽略不计，因为模型输出由少量ASCII文件组成。

我们能够与与我们合作的专家一起测试基本和中级水平整合结果的有效性。以目前仿真软件的开发水平，无法评估先进集成水平的有效性。

知识产权问题不是这个应用程序的障碍。该软件以开源形式提供，允许无限制地用于教育目的。

卫生保健教育的可行性特点

在与AMEE代表合作开始研究之前，对VPH ARCH项目虚拟患者的集成潜力进行了评估。在本次咨询中发现了一个挑战，即如何将此类模拟应用于本科水平的培训。临床专业化程度高，内容超出本科课程范围;血管通路外科医生培训被推荐为更合适的目标。确定的第二个目标群体是对将信息和通信技术方法应用于医学感兴趣的医学科学或医学信息学学生。

虚拟病人系统开发人员的可行性特征

在任何与MVP标准兼容的虚拟患者系统中，都可以在archTk集成的基本级别上呈现模拟数据。目前，许多虚拟患者系统或MVP标准都不支持if- if节点，虽然可以生成18个活动节点来表示每个if- if节点，但这个过程对最终用户来说很麻烦，并且可能导致大输入参数范围的实际限制。我们不考虑f的现状_C1特性(虚拟病人播放器支持)非常重要，因为我们打算扩展现有的开源虚拟病人系统，以适应中间级别集成所依赖的这些特性。

VPH ARCH模拟集成的可行性分析，用于“VPH工具的最佳曝光集成”剖面(图4)的结论是，基本和中级水平的整合是可能的。

‎ 查看此图

两级集成的实现

在对VPH ARCH项目在基础和中级层面的集成潜力进行积极评估后，同一虚拟患者的两个变体被实现，反映了这些水平。第一个案例(研究组1，基本集成级别)通过手动粘贴到案例中来展示静态模拟结果₀集成策略)，而第二个案例(研究小组2，中级集成水平)为用户提供了操作模拟的不同参数的选项。叙事整合₁)通过在case的末尾添加一个what-if节点来实现(图5)．

第二组的用户不能规避使用这个功能的机会，因为它被放置在中央导航路径。参数操作对虚拟患者分支没有影响₂)．性别、年龄、身高和体重的输入参数是相互依赖的，代表了一组具有典型血管解剖分布的输入参数，适用于特定年龄的男性和女性以及身体质量指数(bmi)_3.)．模拟数据(16个结果集)是在实验前在标准PC工作站(Intel Core 2;1.66 ghz;4GB RAM)，在运行时从虚拟病人播放器(部署在WWW服务器上)中预先生成的查找表中加载，并可在本地通过JavaScript方法在Web浏览器中进行操作₄)．

‎ 查看此图

卫生保健工作者对框架产出的看法

表5总结了EVC会议活动参与者的反应。84%的参与者(32/38)认为虚拟病人有趣或非常有趣，11%(4/38)认为中立，5%(2/38)认为虚拟病人“不那么有趣”或“一点都不有趣”。在本样本中，中间整合水平(4.22)的平均评价分数(李克特量表，5=非常有趣，1=完全不有趣)比基本水平(4.10)的平均评价分数(P=点)。没有评估者不同意或强烈反对所呈现的内容，76%(29/38)同意或强烈同意，24%(9/38)既不同意也不反对。在这种情况下，平均评价分数(李克特量表，5=非常同意，1=非常不同意)在基本整合水平(4.05)优于中级水平(3.83)。同样，这种差异在统计上并不显著(P=收)。

在仅针对研究组2的问题中，“为假设患者操纵模拟参数(性别、年龄、体重、身高)的可能性是……”，28%(5/18)的人回答“非常有趣”，39%(7/18)的人回答“有趣”，33%(6/18)的人回答“一般”，没有人回答“不是那样”，“一点都不有趣”。应当强调的是，没有与会者对这个作为备选方案提出的问题回答“我没有注意到这种可能性”。研究2的参与者也对操纵模拟参数的结果基本满意。对于“操纵模拟参数的结果符合您的期望吗?”， 11%(2/18)回答“非常同意”，72%(13/18)回答“同意”，17%(3/18)回答“既不同意也不不同意”。没有人不同意这个说法或没有人使用过这个功能。

讨论

总结

仿真集成在卫生保健教育信息学中越来越重要。在孤立系统发展一段时间后，将系统组合成“连续模拟”的优点已变得明显。15］．这种联系不仅通过提供更广泛的机会来综合知识和技能，从而增加了学习活动的价值，而且还促进了现有模型的重用，从而增加了开发投资的回报。

我们可以将所提出的框架视为Ellaway等人的“连续性实践”框架的一个部分的专门化[15］．我们提出的一些集成策略是对该框架需求的直接响应。例如，我们的叙事整合策略₁)与Ellaway等人的“叙事整合”维度和要求(如时间轴和因果连续性)有明确的对应关系。附加价值在于，我们通过“假设节点”和“多案例包”战略形式的具体实施建议，在虚拟患者和生理学计算模型的背景下举例说明了它们的实施。另一方面，我们的框架不仅仅是“连续实践”框架的专门化，因为它讨论了计算模型的集成，这些模型是最初在教育部门之外的研究项目的产品。在我们的框架中，通过包含系统评估集成可行性的工具来考虑这一点。这里描述的框架目前仅限于集成活动阶段，即创作过程。这就把运行时和分析阶段留给了框架开发的进一步迭代。与" Practica continua "框架相关的hssvo项目演示了如何通过公共执行接口和中间件层实现运行时阶段[46］．这些成果将有助于我们框架的进一步发展。

需要强调的是，目前的虚拟病人系统和MVP标准总体上还没有为本文所描述的更高级别的集成做好准备。然而，在扩展虚拟病人系统以促进模型集成的中间级别所涉及的工作似乎并不是阻碍。图形用户界面组件(用于处理模型参数的假设节点操作并显示模拟结果)与管理虚拟患者包中预生成数据的标准机制一起至关重要。高级级别的集成提出了更重大的挑战。今天可用的许多模型都是使用诸如MatLab (Mathworks)或特定的数值库等科学工具实现的。这限制了它们在虚拟病人包中的可移植性。一种可行的策略可能是将解算器托管在远程服务器上，但这与虚拟患者包内容的自包含规则相冲突，引发了安全问题，并且需要维护额外的服务。这些考虑将推动本文所建议的进一步研究(SSM Step 4)。

该框架的建议有助于作者开发、讨论和报告虚拟患者中archTk模拟的集成。在短期内证明该框架对虚拟病人用户的长期好处是具有挑战性的。在EVC会议上进行的评估研究对在虚拟患者中集成先进的生理过程计算模型的方法提供了明确的积极响应。基于所获得的反馈样本，我们假设了基于框架变量变化而改变的集成感知。被询问的专家小组发现更高的整合更有趣，同时，他们更关心结果的有效性。然而，必须强调的是，这一结论目前还不能一概而论，因为差异在统计上并不显著，而且不能排除其他因素(如年龄或经验)的影响。

限制

集成框架的应用已经通过一个涉及单个计算模型的案例研究得到了证明。下一个SSM学习周期的改进应旨在扩展拟议的可行性特征、集成策略和范例项目的范围。根据研究结果，这个循环可能会重复几次，优先考虑不同的模拟方面。

目前提出的一些集成模式是理论结构，需要在具体实例上进行测试。特别是，这适用于在本例中没有尝试的高级集成，因为计算负载不适合目标应用程序。未来的SSM迭代应该集中于具体的数据表示和软件解决方案，以支持集成策略和评估过程的进一步开发。

拟议的融合水平对教育的影响仍不确定，需要在严格进行的比较研究中加以检验。临床专家和卫生保健教育专家对archTk模拟集成到虚拟患者进行了测试，但没有在更大范围内使用不同的虚拟患者系统。提出的框架元素的完整性和优先级可以通过Delphi研究来解决，以正式收集来自计算建模研究人员和虚拟患者系统开发人员的反馈。

结论

本文概述了将计算模型集成到虚拟患者的概念框架。这包括对可行性特征、集成级别、不同模式的集成策略和评估概要的考虑。在VPH ARCH项目开发的虚拟病人的背景下，结合不同集成级别的archTk模拟结果，讨论了模型开发的机遇和挑战。虚拟病人的两种变体的经验评估对这种类型的整合价值提供了积极的反馈。这些反应表明，在更高水平的模拟集成中，用户满意度的增加，但信任度的下降，将得到进一步的调查。长期研究目标是分离出一体化框架中最关键的因素及其对一体化结果的影响。