麻醉提供者在模拟麻醉紧急情况下使用传统的基于数字和基于avatar的患者监测的视觉注意:前瞻性眼动追踪研究

介绍

在麻醉中对患者进行持续监测在当今的手术室中已经得到了很好的确立，世界卫生组织认为这是实现安全手术条件的必要条件[1]。然而，尽管患者监测是围手术期情境感知的重要工具[2-4]，它有几个缺点，主要是基于数字和波形的监测，可能不能充分利用人类感官知觉的能力[5-7]。信息过载和警报疲劳对护理人员的情况意识有不利影响[6-9]，可能导致麻醉过程中的严重错误[10]。

为加强对情况的认识，我们探索了新方法[8，11-15]，一个是基于虚拟形象的病人监控[16]。在传统数值监测数据的基础上，我们创建了可视化的病人化身，代表被监测病人的动画虚拟模型。化身将信息抽象出来，使医疗保健专业人员能够全面评估患者的病情，并发现细微但重要的变化[17]。基于计算机的研究发现，当使用基于虚拟形象的监测代替传统的监测时，卫生保健专业人员检索到更多的生命体征，提高了诊断的信心，减少了感知的工作量[17-19]。此外，一项高保真模拟研究发现，该技术可以帮助麻醉团队更快地诊断出患者的问题。20.]。此外，这项技术得到医疗保健专业人员的积极反馈，并被评为易于学习和使用[21，22]。

探索医疗保健提供者如何在视觉上与新的医疗设备交互，可以深入了解它们的使用和接受情况，并确定需要改进的领域。此外，视觉注意的空间分布是实现充分态势感知的基本过程[23]因此，这是一种潜在的可量化的态势感知替代物[24]。眼动追踪是将用户与其环境之间的视觉注意力客观化的一个强大工具[25]。

本研究采用眼动追踪技术，逼真地模拟了关键的麻醉事件，以研究基于虚拟化身的患者监护是否会影响麻醉提供者在患者监护仪上的视觉注意力。基于前人研究发现的信息传递的加速和简化[17-19，26，27]，我们假设当使用基于虚拟形象的患者监护时，麻醉提供者对患者监护仪的视觉注意力会减少。此外，我们测试了几个潜在的混杂因素，如工作经验、职业(即医生或麻醉师护士)或管理模拟关键事件的任务表现如何影响患者监视器上的视觉注意力。

方法

伦理批准

瑞士苏黎世州伦理委员会审查了研究方案并发表了不反对声明(伦理委员会业务管理系统编号Req-2020-00059)。我们在所有参与者的书面知情同意下收集了所有数据。

研究设计

这项由研究者发起的前瞻性、随机、眼动追踪研究调查了麻醉提供者在模拟关键麻醉事件时在患者监护仪上的视觉注意力。我们使用了三种不同的患者监护屏幕模式(图1）.我们在2020年5月在瑞士苏黎世大学医院进行的一项模拟研究中收集了所有眼动追踪数据[20.]。

‎ 查看此图

研究过程

我们包括52个麻醉小组，由一名麻醉师护士和一名麻醉师组成。按随机顺序，每个小组模拟一次严重支气管痉挛、心肌梗死和恶性高热的情景。每个模拟场景持续10分钟。对于每种情况，研究小组使用了不同的屏幕模式:只有传统的病人监测(即基于数字和波形的监测)，只有基于虚拟形象的病人监测(视觉-病人-虚拟形象)，或者由两种模式同时显示的分屏监测(图1）.按照随机顺序，我们从小组成员中选出一名作为组长。在这些场景中，上述领导(即护士麻醉师或医生)佩戴移动眼动追踪设备(瞳孔隐形;瞳孔实验室，有限公司)，而团队一起处理关键事件。我们使用了Research Randomizer 4.0版本[28]随机化场景的顺序、各自的团队领导和筛选方式。

模拟环境

我们在一个备用手术室中进行了这项研究，其设置与研究中心的活动手术室类似。为了提高模拟的保真度，我们使用了真实的药物和气道管理工具，以及最先进的全人体患者模拟器(HAL S301;Gaumard Scientific Company, Inc)。我们使用飞利浦InteliVue MX500 (Koninklijke Philips NV)患者监护仪，与研究中心的MX550和MX800监护仪非常相似。在模拟环境中，我们使用预先生成的QR码将患者监护仪标记为我们感兴趣的区域。这些QR码使瞳孔播放器软件能够自动检测所提到的兴趣区域，这是自动处理的先决条件。在多媒体附录1，我们提供了一段视频序列，展示了麻醉团队处理一个关键的麻醉事件，提供了模拟环境、使用的患者监护仪和眼球追踪镜头的良好概述。

数据收集、视频分析和数据排除

在开始每个场景之前，我们对参与者的眼球追踪设备进行校准。我们用“隐形瞳孔”(一种形状和大小与普通眼镜相似的移动眼球追踪设备)将受试者的视野记录为视频馈送。该设备与参与者随身携带的手机相连，作为电源和存储单元。每次录音后，我们都会将眼球追踪数据上传到研究服务器，并在物理硬盘上做备份。

为了进行分析，我们首先手动检查眼动追踪数据的质量。然后，对于事后半自动视频分析，我们在Acer Aspire V15 Nitro笔记本电脑(Acer Inc .)上使用了瞳孔实验室的专有软件瞳孔播放器。在瞳孔播放器中，我们使用表面跟踪器插件将患者监护仪划分为我们感兴趣的区域。使用注视检测器插件并裁剪视频到10分钟模拟的开始和结束(由铃声信号指定)，然后我们能够自动导出所有注视及其持续时间为Microsoft Excel电子表格(版本16.58;微软公司)。在后期编辑期间，所有录音都手动停止每次记录五次，以确保感兴趣区域边界的准确性。多媒体附录2显示了瞳孔播放器中分析的眼球追踪数据的示例序列。

结果测量

作为我们的主要结果，我们将视觉注意定义为注视次数和停留时间。作为注视，我们计算了受试者的目光停留在感兴趣区域内一个位置超过100毫秒的每一个实例。停留时间对应于参与者的目光集中在预先确定的感兴趣区域的累积时间(以秒为单位)。除了视觉注意外，我们还收集了潜在的影响变量，如屏幕类型(仅常规、仅虚拟或分屏监测)、场景(支气管痉挛、心肌梗死或恶性高热)、场景顺序、职业(麻醉师护士或麻醉师)和工作经验(以年为单位)。此外，我们还研究了我们的主要结果与参与者的任务表现之间的关系。任务表现是基于参与者在场景中执行关键诊断和治疗任务所需的时间[20.]。在恶性高热的情况下，这种治疗任务的一个例子是停止触发或给药丹曲林。

统计分析

在本探索性研究设计中，未进行功率计算。对于描述性统计，我们报告连续数据的标准差均值和iqr中位数，分类数据的数字和百分比。我们使用混合线性模型来分析注视计数和停留时间。在模型中，我们将潜在的影响变量任务绩效、屏幕类型、场景、场景顺序、专业和工作经验作为协变量。我们使用R 4.0.5版本(R Foundation for Statistical Computing)分析所有数据，使用Prism 9 (GraphPad Software Inc .)创建所有图形。我们考虑过P-值小于0.05以确定统计显著性。

结果

2020年5月，我们招募了52个团队，进行了156次模拟。我们排除了12支队伍，因为眼动追踪的设置被修改了，因为使用的叠层QR码反映了眼动追踪软件没有检测到。此外，由于录像记录不完整，我们不得不排除另一个团队。最后，在对数据进行人工质量检查后，我们排除了18种由于眼动追踪校准不准确而导致的场景(例如，交替眨眼或戴处方眼镜)。这给我们留下了99个10分钟的视频片段用于眼球追踪视频分析。表1提供额外的研究和参与者特征。图2更详细地展示了研究设置和视频片段的排除标准，和图3总结了我们的结果。

‎ 查看此图

‎ 查看此图

病人监护仪上的视觉注意

总体而言，参与者在监视器上的中位数(IQR)为198(93-318)次注视，中位数(IQR)停留时间为30.2(14.9-51.3)秒。这意味着在10分钟的模拟过程中，参与者将大约5%的视觉注意力花在了患者监护屏幕上。

视觉注意和屏幕形态

将两种基于avatar的屏幕模式的注视与常规监测的注视进行比较，混合线性模型的注视系数为4.89 (95% CI为-59.57 ~ 69.35;P= 0.89)，仅基于化身的监测和-4.33固定系数(95%CI: -74.55至65.90;P=.91)的分屏模式。这意味着在模拟场景中，只使用基于虚拟形象的监控的参与者比使用传统监控的参与者多注视了大约5次，而使用分屏模式的参与者比使用传统监控的参与者少注视了大约4次。然而，这些结果没有统计学意义。

将基于虚拟形象的屏幕模式上的停留时间与传统监视器上的停留时间进行比较，使用调整后的混合线性模型，我们发现系数为1.56秒(95% CI -8.98至12.09;P=.78)，系数为-0.02秒(95% CI -11.50至11.46;P=1.00)的分屏模式。这意味着在模拟场景中，只使用虚拟角色监控的参与者在监控屏幕上的时间要长1.6秒左右。使用分屏的参与者在病人监护仪上花费的时间与使用传统监护仪的参与者一样多。然而，这些结果也没有统计学意义。

视觉注意力和任务表现

在任务表现方面，混合线性模型显示，无论使用何种屏幕方式，注视次数和停留时间都随着任务表现的提高而减少(注视:系数-1.39;95% CI -2.44 ~ -0.34;P=。02、停留时间:系数-0.23;95%CI -0.4 ~ -0.06;P= . 01)。因此，任务表现每提高一个百分点，注视的次数减少约1.39，停留时间减少0.23秒。

视觉注意和其他潜在的影响因素

对于潜在的影响变量，职业，工作经验和场景的顺序，混合线性模型没有产生注视和停留时间差异的证据(图3）.然而，这些场景本身在注视和停留时间方面有所不同(图3）.参与者的注视显著增加(系数141.97;95% CI 75.62 ~ 208.32;P<.001)和较高的停留时间(系数23.23;95%CI 12.48 ~ 34.08;P<.001)。

分屏模式的逐屏分析

此外，我们发现，对于传统的一半分屏模式，参与者有158 (IQR 63-226)注视和24.3 (IQR 10.0-36.8)秒的停留时间。对于基于虚拟形象的分屏模式，参与者有44次(IQR 28-84)注视和6.8 (IQR 4.3-13.3)秒的停留时间。使用曼-惠特尼测试来比较两半的分屏，我们发现受试者的注视明显减少(P<.001)，停留时间显著减少(P=.001)在病人监护仪的化身部分。

讨论

概述

本研究探讨了基于化身的病人监护是否会影响麻醉提供者在病人监护仪上的视觉注意力。我们评估了99个麻醉人员处理模拟关键麻醉事件的眼动追踪视频。我们发现，在使用调整后的混合线性模型模拟关键麻醉事件时，麻醉提供者使用基于阿凡达的或传统的患者监测，视觉注意力没有显著差异。

病人监护仪上的视觉注意

麻醉人员花了大约5%的时间在病人监护仪上。这些结果与现实生活条件下的发现一致[29]。然而，其他模拟研究报告了在患者监护仪上停留时间的更高百分比[29，30.]。我们模拟的高保真度可以解释这些差异。我们使用了原位模拟设计，并通过使用真实的药物和气道管理工具以及最先进的全人体患者模拟器进一步增强了模拟的保真度。因此，可以想象，一个非常逼真的模拟比一个低保真度的模拟更有可能使参与者的行为与现实条件下的结果保持一致。

视觉注意和屏幕形态

我们假设麻醉提供者在病人监护仪上的视觉注意力会因为先前研究中发现的加速和简化的信息传递而减少[17-19，26，27]。这一假设背后的基本思想是，病人化身的定性可视化可能会让我们更快地了解病人的情况[27，31]。此外，基于化身的患者监测突出了病理生理变化，消除了从传统患者监护仪的各种数值创建心理模型的耗时任务[5，6，32]。这可能会加快对情况的感知，减少对无关生命体征的注视和停留时间，从而减少对患者监护仪的视觉关注。换句话说，麻醉提供者知道看哪里，因此可以用更少的视觉注意力感知必要的信息。然而，这项眼球追踪研究并没有证实我们的假设。我们发现，与传统的病人监护相比，使用基于虚拟形象的监护在参与者的视觉注意力方面没有显著差异。不熟悉这种新颖的、基于虚拟形象的技术可能掩盖了它的潜在好处，这可能是所有参与者第一次使用视觉病人虚拟形象的一种可能解释。一项新技术的好处和接受程度在很大程度上取决于用户的接触程度[33]。

然而，我们发现分屏模式的两部分之间存在显著差异。参与者对传统部分的视觉注意力明显高于对分屏显示器的虚拟形象部分的视觉注意力。这可能表明一种交互作用。也许是虚拟形象把他们的注意力吸引到了一些他们在传统屏幕上看到的东西上(例如，一个非正常的生命体征)。因为虚拟化身提供的定性可视化是直观的，并且很快被理解[27，31，参与者对虚拟形象的视觉关注相对较少。为了验证定性输入，参与者必须从传统屏幕上的各种数字和波形中提取信息，这是一项耗时的任务[5，6，32]。

关于参与者如何使用患者监护仪的定性数据收集可能有助于澄清有关分屏模式的结果。对于这种复杂的人为因素工作，混合方法往往比纯粹的定量数据分析更有效[34]。

视觉注意力、任务表现和态势感知

我们发现麻醉组任务表现的提高与视觉注意力的下降有关。这两个参数之间的相关性支持了视觉注意和任务表现作为情境意识的间接指标的观点[4，30.，35-38]。视觉注意力的分布决定了什么是在知觉领域，因此，有助于感官输入，这是知觉的一个基本方面(即情况意识水平I) [32]。在处理模拟的危急麻醉事件中，良好的临床表现取决于良好的决策。38，39]，这需要有足够的了解(即，态势感知等级II)和对近期形势的预测(即，态势感知等级III) [32]。眼动追踪和行为测量相结合，同时确定了麻醉提供者看到了什么信息，以及这些信息在多大程度上被感知和理解，从而使我们对所达到的所有三个级别的情况感知有了一个很好的了解(图4）.

这项研究可能为当前关于如何最好地测量情境意识的辩论提供令人兴奋的方面[4，30.，40-42]。拟在模拟过程中使用的调查问卷已被提出，并已被验证为情况感知的直接测量工具[4，40]。这些直接测量方法需要暂停模拟以回答问卷，然后再重新开始任务[40]。显然，这种评估情境意识的工具在临床现实中的应用有限，因为没有时间停止对危重病人的治疗来采访治疗医生。因此，我们建议将间接测量参数视觉注意和任务表现结合起来作为临床实践中情境意识测量的替代参数。

‎ 查看此图

视觉注意和其他潜在的影响因素

这三种模拟的紧急情况得到了不同程度的视觉关注。在心肌梗塞的情况下，参与者更频繁地查看患者监护仪，并且停留时间更长(图3）.在这个模拟中，有一个额外的选项，在患者监护仪上显示12导联心电图，这是诊断心肌梗死所必需的。虽然我们手动裁剪了12导联心电图序列，因为我们没有在传统的患者监测或基于虚拟身份的患者监测的背景下进行分析，但参与者可能已经在监视器上搜索了相对较长的时间来激活12导联心电图功能。这种情况可以解释在这种情况下，患者监护仪上的视觉注意力显著增加。

此外，我们发现一种趋势(不显著)麻醉护士有更多的注视和在病人监护仪上停留的时间(图3）.麻醉护士执行重要的准备工作，但通常花费较少的时间进行直接麻醉管理。这种情况可能导致麻醉护士对患者监护仪的视觉关注稍微多一些，以获得与主要任务是麻醉管理的麻醉师相同水平的情境感知。

优势与局限

我们的研究有几个局限性。首先，由于技术问题或眼球追踪镜头的数据质量差，我们不得不从分析中排除超过三分之一的模拟。尽管我们使用了市场上最新的移动眼动追踪设备之一，但我们在记录数据时面临着几个挑战:校准眼镜的眼部病变(例如，交替斜视或戴处方眼镜)，电池寿命问题，或者参与者在进行体力任务(例如，手动复苏)时设备滑动。这表明，尽管近年来眼球追踪硬件和软件有了巨大的发展，但这项技术仍然容易出错。其次，所有的研究参与者都不熟悉基于虚拟形象的病人监护。因此，随着麻醉人员对这项新技术的熟悉，结果可能会有所不同。第三，我们的参与者的工作经验中位数相对较低，为四年。最后，我们在欧洲的一所大学医院进行了这项研究。因此，在其他条件下和世界其他地区，结果可能会有所不同。

这项研究有几个优势。首先，我们通过平衡参与者选择和场景序列、团队领导和屏幕模式的一致随机化来减少选择偏差。其次，对眼球追踪记录进行严格的人工质量检查，确保了出色的数据质量，使我们能够用自动化分析取代容易出错的人工眼球追踪分析。第三，我们试图规避所有基于模拟的研究中固有的真实性偏见[43通过我们的原位研究设计和我们在这个高保真模拟研究中尽可能准确地代表临床现实的努力。最后，我们使用眼球追踪硬件来制作高质量的视频片段，它不会比戴普通眼镜更让人分心。

结论

我们发现在模拟的关键麻醉事件中，麻醉师使用新颖的基于虚拟形象的患者监测或传统的患者监测时，视觉注意力没有显着差异。然而，当使用分屏同时显示传统监控和基于虚拟角色的监控时，人们对屏幕虚拟角色一侧的视觉关注明显减少。这可能表明相互作用的影响。也许这个虚拟形象把参与者的注意力吸引到了他们在传统屏幕上查看的常规之外的一个生命体征上。由于虚拟化身提供的定性可视化直观且易于理解，因此参与者对虚拟化身的视觉关注相对较少。要验证传统显示器屏幕上的定性输入似乎需要更多的时间。此外，我们将视觉注意力与任务表现结合起来，作为情境意识的有价值替代品，因为它涵盖了所有三个层面的情境意识。