超声引导的区域麻醉(UGRA)是一种复杂的基于超声的针头干预，需要大量的培训以提供安全、高质量的疼痛缓解和最佳的围手术期结果[ 1］．在COVID-19大流行期间，对UGRA的需求大幅增加，因为可以在昏迷的四肢上进行清醒手术，从而避免阿片类药物、插管和通气[ 2］．然而，不同的麻醉师在实施UGRA的能力上存在差异。培训是零星的:首先在病人身上学习技能(和犯错误)，然后在多年的时间里断断续续地磨练。

然而，经验与实际测量绩效之间仅存在微弱的关系[ 3.而潜在的有害行为可能隐藏在独立的、孤立的实践中。

模拟训练可提高UGRA性能[ 4］．以尸体为基础的培训课程很常见，但没有结构，只教授基本技能。学员:培训师比例高，技能获得率不同[ 5］．因此，皇家麻醉师学院2021年培训课程规定的临床教育成果可能难以在短时间内达到[ 6， 7］．

显然需要进行UGRA模拟培训，以弥补临床暴露于UGRA的不足[ 8];运用专家表现方法找出个人的长处和短处[ 9];深入了解个人特征和心理测量机制对表现的影响;并对麻醉师的学习模式进行分类。

到目前为止，我们的工作已经验证了Thiel防腐尸体模拟器的物理和功能对齐[ 10]，开发并验证了反映技能表现的检查表和眼球跟踪指标[ 11]，引入掌握式学习，对区域麻醉进行1:1培训[ 5]，使用新针技术测量的学习曲线[ 5]，并在训练3周后展示了从尸体到患者的技能翻译。我们还使用眼动追踪来测量模拟器和患者的性能[ 4］．眼球追踪测量注视的次数(视觉系统获取详细信息的点)、持续时间(停留时间)和扫视(注视之间的快速移动)。我们的眼动追踪数据显示了结构的有效性和注视与检查表项目的成功执行呈负相关[ 11］．

麻醉师的扩展学习曲线尚未在区域麻醉的高保真模拟器上建立，使用与增强技能习得相关的验证、定量指标和教育范式。

当执行一项任务所花费的时间随着该任务的重复次数而减少时，学习遵循幂律:对数-对数变换产生一个易于解释的线性斜率。

因此，我们的主要目标是测量各种麻醉医师在软防腐Thiel尸体上的斜角间块上训练的学习斜率，使用包括精通学习和专注实践的专家表现方法。

因此，我们的主要结果测量是在模拟斜角间神经阻滞的扫描和针刺阶段，通过对数-对数转换数据获得的最佳拟合直线的斜率。

这项研究得到了邓迪大学非临床伦理委员会的批准。

我们邀请了具有广泛经验的麻醉师参与这项研究。他们包括苏格兰东部麻醉学院1 - 7年的学员，麻醉总顾问医师，一名完成了7年培训计划的区域麻醉学专家，以及2名常规练习神经阻滞的区域麻醉学顾问医师。我们将麻醉学学员细分为苏格兰东部麻醉学培训计划中的3个等级。基础训练在第1至第2年进行，中级训练在第3至第4年进行，高级训练在第5至第7年进行。

根据Dreyfus和Dreyfus词典，所有学员和一般顾问都具有基本或中级UGRA熟练程度[ 15］．他们对区域麻醉的背景知识很少，很难用自己的判断来解决神经阻滞期间的问题，而且犹豫不决。他们是麻醉师群体的代表，他们可能不经常进行有监督或无监督的神经阻滞，并常规使用超声插入中心静脉管线。相比之下，区域麻醉顾问医师定期进行无监督的神经阻滞练习，相对轻松地提供卓越的服务，识别模式，承担超越现行标准的责任，并开发出处理独特问题的方法[ 15］．

在训练之前，参与者完成了自我报告的国际人格项目库(IPIP)和状态-特质焦虑量表测试。IPIP由50个陈述组成，描述了5种类型的行为:外向性、宜人性、尽责性、情绪稳定性、智力和想象力。陈述是用5分的分类分数来回答的 非常不准确来 非常准确的．状态-特质焦虑量表由s -焦虑量表组成，s -焦虑量表使用20个陈述在4点描述量表上评估参与者“此时此刻”的感受，t -焦虑量表使用20个陈述在4点描述量表上评估参与者的总体感受。

解剖科学主任为这项研究选择了2具柔软的防腐尸体。在CAHID，尸体在大桶中浸泡6个月，使用Thiel法和盐和酸的混合物[ 16]然后储存长达3年。尸体表现出与模拟任务的物理保真度和功能一致性[ 17］．弹性与患者相似[ 18]:神经周注射使组织扩张和松弛，液体从该部位排出，解剖结构变化极小，允许数百次重复注射<0.5 mL [ 17没有尸体伤害。

这项研究是在CAHID一间安静、光线充足、通风良好的太平间里进行的。一台超声波机(Zonare)被放置在颈部的右侧，志愿者坐在尸体的左侧，与训练师相邻。志愿者佩戴SMI ETG 2w无线眼球追踪眼镜(SensoMotoric Instruments)。心理学家们坐在尸体头部的一张桌子后面，拿着研究用的笔记本电脑，从眼球追踪眼镜接收实时数据流。近红外光投射到眼睛上，集成的高帧率摄像机检测眼睛凝视的频率和持续时间，在这段时间内，注意力相对稳定并集中在给定的位置;眼跳，眼睛从一个固定物快速移动到另一个固定物;停留时间，指对某一感兴趣领域的注意力总量;以及视线，即注意力在显示器和工具之间的转换次数。

在开始每个斜角间块之前，执行眼动跟踪软件校准程序。从训练者和操作员的角度屏蔽眼球跟踪数据，并下载到原始数据文件中。

在研究开始之前，培训师演示了有利于良好练习的基本步骤以及应该避免的错误。当参与者感到有信心时，他们就开始了这项研究。基本步骤包括前置换能器操作和扫描技能;目标神经识别;针对准换能器;针头移动时的可视化，错位时适当调整针头位置;局麻药注射时针尖的观察组织类型识别及局麻药扩散;还有意外的神经内注射。

每个志愿者在3小时内进行最多60个斜角间块。我们选择这个延长的时间框架，以适应我们期望看到和确定个人学习曲线的动态的广泛能力。三位专家执行了20个区块，因为我们期望他们在学习曲线的顶部执行。我们限制了尸体的数量，因为我们预计随着时间的推移，随着表现的提高，参与者之间和参与者内部的数据会有相当大的差异。因此，由于模拟器的方差保持到尽可能小。出于同样的原因，我们只使用了2名区域麻醉专家来监督手术。

我们采用了专家绩效方法，采用了精通学习和专门的实践[ 6］．参与者有明确的学习目标，并在每个过程中得到持续的、接近的教师反馈[ 19］．所有的错误都由培训师发现，并立即与之沟通，参与者重复前面概述的步骤，直到成功为止，不受时间限制。训练师判断成功的方法是完成了所有步骤，并在C5和C6神经根之间准确注射了约0.5 ml的测试剂量的防腐溶液。记录注射次数。由于无论花费多少时间，所有任务都成功完成，因此使用扫描和针刺持续时间作为块性能的衡量标准。包括专家在内的所有参与者都接受了同样的培训和测试。因此，这不是一项比较新手和专家的研究，而是一项旨在捕捉所有参与者表现范围的研究。扫描和针刺阶段之间的界限被定义为针尖在皮肤上放置的时间。每30分钟休息5分钟，以减少操作员的疲劳。

我们的主要目标是在柔软的防腐Thiel尸体上进行3小时的训练，测量扫描和针刺斜角间块阶段的学习斜率。

我们的次要目标如下:

我们的主要结果测量是在模拟斜角间神经阻滞的扫描和针刺阶段使用对数-对数转换时间数据的最佳拟合直线的斜率。

次要终点如下:

在搜索和针插入斜角间神经阻滞期间记录数据。阶段之间的界限被定义为针尖放置在皮肤上的时间。从训练者和操作员的角度屏蔽眼球跟踪数据，并下载到原始数据文件中。

理想的学习曲线遵循功率分布。为了更容易地分析和解释学习，我们对数据进行了对数转换并绘制了图形。的主要端点和次要端点表示 y轴还有程序号 x轴。通过数据点插入最合适的直线。从每个图中，我们确定了截距(b)、斜率(a)、斜率的SE和渐近线的关键特征。对数图的斜率构成了学习速度的衡量标准:平坦的斜率表示没有学习，陡峭的斜率表示快速学习。

以每个参与者回归斜率的SE作为个体变异性的衡量标准，并以渐近线(最近5次试验的平均表现)作为最佳表现的指标。

对参数数据采用双尾配对分析 t检验和表示为均值之间的差值(95% CI)。配对非参数数据采用Wilcoxon检验进行分析，并以差异的中位数(95% CI)表示。采用Kruskal-Wallis检验比较>2组。对数-对数曲线线性模型采用调整后的方法进行拟合评估 R²，预测变量解释的结果的变异比例。扫描和针刺阶段的截距、斜率和渐近线之间的相关性是使用斯皮尔曼秩系数(ρ)确定的。采用层次聚类分析对各性能进行区分。数值是居中并按比例排列的，这样就可以比较大小。使用RStudio和GraphPad Prism进行统计分析。

由于之前的麻醉研究没有如此详细地测量学习曲线，而且我们的数据的受试者内部和受试者之间的误差尚不清楚，因此我们对数据没有事先假设，并招募了所有自愿的参与者。

总共有33名麻醉师选择参与这项研究，并提供了书面知情同意书。参与者6、26和29没有参与这项研究，因此分析了30名参与者的数据。他们的个人特征列在 表1．中位数(IQR;超声经验和麻醉经验4例(3-6例;1-12)年和4 (3-6;分别为1-29年。参与者表现为51 (40-59;28-60)块。IPIP得分如下:外向性28分(26-36分;11-43)，宜人性38 (34-42;23-48)，尽责性38 (34-42; 23-48), emotional stability 36 (29-40; 19-44), and intellect and imagination 35 (32-39; 23-45). The median (IQR; range) state anxiety score was 33 (27-37; 20-63) and trait anxiety score was 36 (22-42; 26-60).

在两具尸体的左颈部放置积木。反复注射超声图像未见针迹。我们在之前的出版物中报道了本研究中第一具尸体的耐久性[ 17］．与右侧超声对照图像相比，它耐受了934个斜角烯间块超过10天，没有任何可见的神经周积液。组织完整性归因于与人类测量的组织弹性相似[ 17， 18］．

我们绘制了30名参与者完成扫描和针刺阶段所需的记录时间，以及3小时内重复的记录次数。 图1显示扫描时间的最佳拟合线性学习斜率。性能由线性斜率(95% CI)，截距(95% CI)，误差和通过对数-对数转换数据的最佳拟合线的渐近线表示。

在扫描阶段，中位数(IQR;范围)斜率为−0.47(−0.62至−0.32;−0.96 ~ 0.30)和中位数(IQR;范围)日志截距为4.70 (4.30-5.00;0.76 - -5.80)。在针刺期，中位数(IQR;范围)斜率为−0.23(−0.34至−0.19;−0.71 ~ 0.27)和中位数(IQR;范围)日志截距为4.20 (3.90-4.50;2.90 - -5.80)。 Both the slope and SE of expert anesthesiologists (participant numbers 31, 32, and 33) notably had a relatively flat slope with little variation during scanning ( 图1)和针刺。两名新手麻醉师(参与者编号为12和17)也有平坦的斜坡，但这与显著的变异性有关，表明表现不佳。结果显示在 表2．

局部加权散点图平滑(黄土)最佳拟合线说明了在搜索阶段和在针刺阶段( 图2)，并在 表2．在扫描阶段，12名参与者的学习斜率保持在一条直线附近，4名参与者的学习斜率下降到直线以下(表示学习成绩提高)，13名参与者的学习斜率上升到直线以上(表示学习速度减慢)，1名参与者的学习斜率以复杂的方式上下移动。在针刺阶段，12名参与者的进步与学习斜率近似，6名参与者进步，11名参与者恶化。一位参与者展示了一个复杂的图案。在参与者中，60%(18/30)在扫描和针刺阶段表现出相似的模式。

在 表2，各柱表现出参与特征，线性与黄土最拟合。线性模型的特征包括y轴截距和斜率，用调整后的方法描述 R²．黄土拟合用箭头表示:→表示与斜坡近似拟合良好，↓表示黄土直线持续低于斜坡，学习速度加快，↑表示黄土直线持续高于斜坡，学习速度减慢。↑，↓和→的组合给出了学习动态的概述。

示出扫描和针刺阶段的截距、斜率、斜率变化和渐近线之间的相关性 表3．执行斜角间块所需的初始时间(截距)越大，扫描和针刺阶段的学习速率越大ρ=−0.87(−0.94至−0.73)， P<措施，一个nd ρ=−0.45 (−0.70 to −0.09), P= . 01。

扫描阶段和针刺阶段的学习斜率相关;ρ= 0.55 (0.23 - -0.76), P<措施;ρ=−0.72(−0.46到−0.87)， P<措施，respectively.

麻醉成绩与学习的关系见 图3．

专家们在扫描时有更平坦的斜率，但在针刺时变异性更小(所有比较) P= .02点)。

为我们的次要终点(注视次数、对监视器的相对注视[%]、注视次数和相对停留时间[%]、自信和焦虑评分)生成线性斜率和黄土最佳拟合线。在搜索阶段中使用眼注视计数的最佳拟合线性斜率的示例示于 图4．

斜率估计、斜率SE和渐近线数据的分布(由中位数(IQR;范围)表示主要终点(持续时间)和次要终点(持续时间) 图5)．扫描和针刺阶段的注视次数和注视次数最能反映中位数(IQR)阻滞持续时间。相比之下，相对注视显示器(%)、相对停留时间(%)、自信和焦虑得分变化不大。注视次数和注视次数分布的广，反映了完成扫描和针刺的时间分布的广。因此，选择阻断持续时间、注视次数和注视次数作为性能判别的定量标记。

在扫描和针刺阶段，学习斜率(持续时间)与注视斜率和注视斜率相关( 图6，而不是自信、焦虑或整体技能得分。

程序前和程序中注视和目光计数的聚类分析( 图7)在搜索和针刺阶段确定了4个不同的表现组。

根据扫描阶段的表现(从最好到最差)，分组被分为A、B、C和D ( 图8)和a, b, c, d在针刺阶段( 图9)． 图9概述了扫描阶段持续时间、眼睛注视和眼睛注视的学习斜率的特征(截距、斜率、误差和渐近线)。从最佳性能到最差性能观察到明显的性能趋势。例如，更好的表现与过程持续时间渐近线的减少有关(图像J;χ²_3.= 17.0; P<措施);截距(图像B;χ²_3.= 9.5; P=.02)和渐近线(图像K;χ²_3.= 21.2; P<.001)的眼睛注视注视;和眼睛注视的学习斜率(图像F;χ²_3.= 9.3; P= 03)。

图9根据聚类分析定义的组，概述了针刺阶段持续时间、眼睛注视和眼睛注视的学习斜率的特征(截距、斜率、误差和渐近线)。与扫描阶段一样，使用截距和渐近线观察到从最佳性能到最差性能的相同趋势。例如，更好的表现与SE的降低有关(图H;χ²_3.= 9.6; P=.02)，过程持续时间的渐近线(图像K;χ²_3.= 14.4; P=.002)，截距(图像B;χ²_3.= 12.8; P=.005)，眼球注视注视的渐近线(图L;χ²_3.= 7.9; P= .04点)。

我们通过对手术时间数据进行log-log转换，对30名麻醉医师进行模拟斜角间块的个体学习斜率进行了表征。黄土最佳拟合线反映了学习的动态性。针刺性能并行扫描性能。专家麻醉师的特点是持续稳定的表现，而新手麻醉师需要更长的时间，他们的表现不一。我们为扫描和针刺确定了4个不同的技能组。眼神注视次数和目光注视次数对表演的辨析反映了程序时间对表演的辨析。

我们研究的优势在于其教育和统计方法，定量指标的应用，以及经过验证的高保真模拟器的使用。

首先，我们将掌握学习和专注练习作为专家表现方法的一部分应用于每个程序前和程序步骤，而不是将神经阻滞作为一个整体。掌握式学习越来越多地被医学院用于技能培训[ 22]，最近一篇综述建议在麻醉教学中引入刻意练习[ 23］．与传统的评估方法不同的是，掌握式学习方法在规定的时间内为通过或不通过设置一个阈值，它致力于为所有参与者达到预定义的技能水平，而不受时间的影响。 24］．因此，在我们的研究中，无论训练持续时间长短，所有区块都成功进行。这样，由于所有项目都完成了，所以持续时间的测量被视为块质量的标志。然而，我们的方法的一个弱点是我们未能衡量所犯错误的数量。只有一项研究调查了UGRA训练，测量了任务和错误[ 25］．在未来的工作中，我们打算使用视频分析错误来测试学员，包括那些可能对患者造成伤害的错误。

其次，我们证明了技能习得遵循学习的幂律[ 26］．虽然对数-对数转换可以通过所有数据集实现线性拟合，但随着时间的推移，参与者内部的变异性仍然会发生。在扫描和针刺阶段，黄土曲线的个体动态最为明显，并揭示了许多不同的学习模式。由于这些模式的复杂性，我们打算在未来使用非线性混合效应模型、贝叶斯方法和机器学习来分析数据集[ 27， 28］．高级建模将使我们能够更好地拟合个人学习曲线，并捕捉参与者内部和参与者之间初始表现的可变性以及由于疲劳而导致的任何表现恶化。

聚类分析使我们能够区分不受级别(专业培训生[ST])和培训年份影响的表现。我们确定了6名符合专家扫描表现的参与者(参与者编号13 [ST6]、17 [ST3]、18 [ST4]、20 [ST4]、22 [ST4]和24 [ST6])和5名符合专家针刺表现的参与者(参与者编号1 [ST6]、15 [ST3]、20 [ST4]、24 [ST6]和25[顾问])。正如负学习斜率所示，即使从较低的基础开始，这些最佳学习者也不断提高。相比之下，表现最差的学生起步缓慢，几乎没有进步。它们具有高渐近线和高数据变异性的特征。其余的受训者在试验中表现不规律，在一次又一次试验中有时改善，有时恶化，这可以从学习斜率的升降和数据的广泛传播中看出。并不是所有的学习者在教学过程中都有所提高，在渐近线期间(最后5次试验)，即使在同一具尸体的同一地点重复执行任务，学习也未能稳定下来。

不像Dreyfus和Dreyfus [ 29]，我们使用聚类分析技术在扫描和针刺阶段确定了4个而不是5个不同的组。以前的麻醉研究没有尝试使用德雷福斯标准来测量和分类技能。因此，我们的结果提供了从新手到专家的斜角间块技能范围的独特见解，并广泛反映了Dreyfus和Dreyfus定义的描述符[ 29］．

然而，必须记住的是，我们只是为单个斜角间方块定义了技能范围。我们假设，当面对新的尸体、新的病人或新的积木时，需要更多的学习，很少有参与者可能会停滞不前或与专家的表现相匹配。

我们建议将技能培训建立在一系列孤立的步骤中，以便在获得新技能时可以衡量表现。我们并不认为一门掌握学习课程就足够了，而是需要持续的培训和评估来提升德雷福斯和德雷福斯提出的技能阶梯。 29减少技能流失的影响。在未来的工作中，我们打算测量训练后的技能损失率，作为在模拟器上进行再训练的时间安排的一种手段。

第三，我们在注意焦点方面证明了很强的构念效度。大多数研究通过比较新手甚至非麻醉师与专家来证明构念有效性。相比之下，我们的研究使用了一组不同种类的麻醉师，我们的研究显示，在以下几个组中，注意焦点的改善顺序为:专家>研究员>高级学员>中级学员>新手学员( 图3)．与新手相比，专家专注于显示器，更少的注视，更短的整体停留时间(花在屏幕或工具区域的时间更少)，更少的注意力在目标和工具之间切换。这可能表明新手在处理工具(探针或针)方面有困难，或者有更大的认知处理能力。一些学员是在结束夜间随叫随到的工作后被招募的，他们可能已经累了。我们承认，未能将学员的清醒状态标准化，给我们留下了一些背景统计数据 噪音．尽管如此，我们认为这项研究至少代表了日常实践，而且我们很容易就能暴露眼动跟踪指标的可变性和歧视性属性。

第四，我们的研究是通过使用耐用的尸体模拟器实现的。与新鲜冷冻的尸体不同，柔软的防腐尸体在两周内可耐受934次注射[ 16］．流体迅速从斜角间槽排出，为重复练习提供了良好的条件。没有看到针痕，外部压力的痕迹也消失了，因为尸体保持了弹性。显示这一现象的图像可在我们以前的出版物[ 17］．租用尸体的费用并不便宜，每半天的培训费用为250英镑(300美元)，不过也有可能在尸体的两端容纳两个培训小组。我们小组已经成功实施了4门课程，通过掌握方法来提高熟练程度。

我们选择限制使用尸体的数量。我们预期随着重复(学习曲线)表现的改善，参与者内部会有较大的方差，我们预期参与者之间会有较大的方差，因为我们在检查麻醉师之间的技能范围。因此，使用几具尸体会带来更多的差异，需要进行大规模的研究。

然而，我们确实认识到，对尸体的限制并不能反映临床实践中所见的变化，我们希望在推断数据时保持谨慎。我们打算进行一项随机对照试验，让参与者接触多具尸体，并通过将他们分配到多个神经块来研究移行。

教师感兴趣的是，要达到专家的专业知识需要多少个模块?为了计算这一点，可以假设时间(T)和块数(N)之间的关系为负幂学习曲线的形式 : T=b* N^-一个。 或^一个N^-一个^{= b}/^T。

根据我们的数据，假设 b= 60, 一个=0.005，通过对我们的数据进行曲线拟合，在189个块之后获得与我们同行相同的专业知识，并且分别需要284或550个块来类似专家2和专家1的表现。增加 b70或80分别将需求增加到351和377，以匹配顾问2。

我们的发现与腹腔镜、放射学和下棋中观察到的专家行为一致[ 9，这被认为是由视觉结构记忆的逐渐建立所支撑的。我们假设，在基于尸体的掌握学习环境中专门的练习提供了重复编码这些视觉记忆的机会。最好的新手更有经验，接近区域同事的表现，但不是专家顾问。我们建议有经验的新手可能从超声检查的一般经验中发展出可转移的技能，例如在中央静脉导管插入过程中。

受训者的特点是 重载通过信息心理运动表现、空间判断、监测数据、指导和术中事件[ 30.， 31］．有限的认知资源可以用来做出果断和正确的决策。因此，通过掌握学习和反馈，技术技能的自动化使受训者能够通过最小化认知过载来应对区域麻醉的挑战。

两项研究在UGRA中使用了眼球跟踪，并证明，与我们的研究一样，在与专家进行模拟任务时，比学员对目标的注意力更集中[ 4， 32］．外科学科在医学训练中注意理论和实践的应用方面取得了进展。在腹腔镜训练中，专家在模拟器训练中完成任务更快，对目标的注意力更集中，在目标和工具之间切换更少[ 33， 34］．文献中缺少的是对能力和中级专业知识的渐进步骤的研究。

我们的研究结果表明，在精通学习项目的背景下，眼球追踪可以被视为一种形成性反馈(通过对注视行为的视觉反馈)和评估的手段。它提供了一个更深入的理解，为什么学员以不同的速度学习基于他们的注意力模式，并允许反思表现。我们建议使用眼动对表现进行客观评估，可以减少训练者之间的评估变异性，从而补充传统方法。最终，这种方法可以从面对面学习适用于远程网络教育。

目前还没有实时眼球追踪指标，因为数据必须由统计学家进行分析。考虑到这一点，我们的团队正在开发算法，将测量结果转化为临床环境，并将眼球跟踪与运动分析相关联。

我们衡量技术技能表现的协作转化方法非常符合最近Topol数字医学报告中的建议[ 35］．我们已经在技能获取方面取得了实质性的进步，并展示了如何使用技术来量化复杂的人类表现的数据。