这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
虚拟病人日益成为卫生保健教育中用于促进临床推理技能学习的常用工具。扩展虚拟病人功能的一种潜在方法是通过丰富虚拟病人的生理和病理过程的计算模型来增强虚拟病人的交互性。
本文的主要目标是提出一个在虚拟患者中集成计算模型的概念框架,特别关注(1)在准备集成时要处理的特征,(2)集成的程度,(3)实现集成的策略,以及(4)评估集成可行性的方法。另一个目标是对改变对集成的看法的框架变量进行首次调查。
该框架是使用软系统方法论所告知的迭代过程构建的。虚拟生理人(VPH)计划已被用作新的计算模型的来源。本文从多个不同利益相关者的角度讨论了与计算模型增强的虚拟患者开发相关的技术挑战。具体的设计和评估步骤将在使用VPH ARCH项目结果的示例虚拟患者的上下文中进行讨论,以及对未来迭代的改进。
拟议的框架由四个主要部分组成。第一个元素是从三个角度描述集成过程的可行性特征列表:计算建模研究人员、医疗保健教育工作者和虚拟患者系统开发人员。第二个元素包括三个集成级别:基本级别,其中为活动图中的特定节点生成一组模拟结果;中级,涉及在输入参数范围内预生成模拟数据集;高级,包括模型的动态求解。第三个元素是对四种集成策略的描述,最后一个元素由评估概要组成,为特定目的指定相关的可行性特征和接受阈值。评估虚拟病人样本的专家小组发现更高的整合更有趣,但同时他们更关心结果的有效性。观察到的差异无统计学意义。
本文概述了将计算模型集成到虚拟患者中的框架。考虑到模型集成的不同层次,本文从多个用户角度讨论了模型开发的机遇和挑战。未来研究的长期目标是分离框架中最关键的因素,并确定它们对整合结果的影响。
计算机和互联网技术已进入医疗保健教育的主流[
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[
虽然复杂的沉浸式虚拟现实场景在技术上是可能的(例如,[
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[
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,[
虽然医疗保健教育模拟的集成框架以前已发表(例如,[
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[
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[
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。
该框架将采用受软系统方法论启发的迭代过程[
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[
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[
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 [
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[
VPH NoE [
建议的框架通过一个现实世界的例子来展示:VPH ARCH项目[
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(
包含archTk模拟结果的虚拟患者病例包装在一个独立的、支持web的虚拟患者播放器中。
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)。
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
研究参与者的人口统计数据摘要。
|
组1 | 组2 |
参加人数 | 20. | 18 |
性别:女/男/不答,% | 75/25 / - | 61/22/17 |
年龄,年龄,平均(SD) | 41.6 (12.6) | 36.0 (11.8) |
医生,% | 85 | 61 |
工作经验,年,平均(SD) | 11.8 (12.5) | 9.5 (9.0) |
参与教学工作,% | 80 | 72 |
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。
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[
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[
系统定义中的不同透视图被转换为系统特性(
与计算模型与虚拟病人集成相关的特性。
利益相关者群体 | 确定了将计算模型与虚拟患者集成的相关特征 | 之前的研究 |
计算建模研究人员 | 高质量文档的可用性(包括对建模参数的清晰描述:允许的输入范围、模拟步骤和后处理步骤) | [ |
所生成的模拟结果的有效性(与实验数据或预期观测的兼容性) | ||
可用机器可读(最好是流行的)格式的模型 | ||
模型仿真软件的可用性(最好是可移动性) | ||
关于模拟所需的计算时间大小的信息 | ||
输入和输出数据、模型、求解器的移动性和所需存储空间需求的信息 | ||
清除版权问题(关于模型作者以及使用和分发条款的信息) | ||
保密性约束的描述 | ||
保健教育(教育者和学生) | 合适的学习目标 | [ |
研究的相关性 | ||
合适的目标人群 | ||
适当的难度 | ||
高交互性 | ||
具体反馈的可用性 | ||
媒体的最佳使用 | ||
把注意力集中在相关的学习点上 | ||
重点学习要点的总结 | ||
真实的基于web的接口 | ||
内容为临床推理过程量身定制 | ||
写实的叙述包含了案例中的模拟 | ||
支持个性化的学习方法 | ||
支持协作学习 | ||
虚拟病人系统开发人员 | 虚拟病人系统支持的仿真元素 | [ |
MVP标准支持的模拟元素 |
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(
在基本集成级别,一组
计算模型集成到虚拟病人的三个层次。
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。
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 [
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。
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)[
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[
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
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)。
不同层次仿真结果集成的系统评价方法。
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。
VPH ARCH评价剖面选择可行性因素和阈值。
A. VPH研究人员 | 在1 | B.医学教育 | 在 | C. VP系统开发人员 | 在 |
fA1:计算时间 | < 5 s2 | fB1:合适的目标人群 | 任何3. | fC1: VP播放器支持 | - - - - - - |
fA2:存储要求 | (< 1 mb) | fB2:适当的难度 | - - - - - - | fC2: MVP标准支持 | - - - - - - |
fA3:结果效度 | 4 |
|
|
|
|
fA4:知识产权 | 是的 |
|
|
|
|
1AT:验收阈值。
2学生测量的时间。
3.在卫生专业人员的范围内。
4表面有效性(系统表现如主题专家直观预期的那样)。
VPH ARCH评估配置文件选择集成策略。
策略 |
|
年代1:旁白整合 | (一)what-if-node |
年代2:与分支节点集成 | 没有影响 |
年代3.:数据特征 | 可更改输入参数:性别、年龄、身高、体重 |
输出参数:预测肱动脉流量(mL/min)和压力(mmHg) | |
因变量:性别特有的体重和身高值,血管解剖的典型分布。 | |
年代4:模型位置 | 本地(在虚拟病人播放器内) |
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[
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。
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。
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(
VPH ARCH集成的评估概要。
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(
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).
VPH ARCH项目虚拟患者的第二级计算模型集成(“what-if-node”)。
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。
评估问卷的答案摘要。
问题 | 李克特量表 | 第一组n=20 | 第二组n=18 |
|
您对所呈现的虚拟患者案例感兴趣吗? | 5 =非常有趣;1=一点都不有趣 | 4.10 | 4.22 | 点 |
您是否同意虚拟病人案例所呈现的内容? | 5 =非常同意;1 =非常不同意 | 4.05 | 3.83 | 收 |
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。
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[
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。
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。
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。
动静脉瘘
终末期肾病
欧洲血管课程
MedBiquitous虚拟病人标准
卓越网络
软系统方法论
虚拟病人
虚拟生理人
作者要感谢ARCH联盟。作者希望感谢Inga Hege博士对这篇论文的评论,并感谢Anneliese Lilienthal提供的图形支持。这项工作部分由欧洲共同体第七框架计划(VPH NoE,资助协议No 223920)资助。
没有宣布。