Python-Streamlit web application to enhance evidence-based medicine education for first year medical students

La medicina moderna se basa en una disciplina llamada medicina basada en la evidencia, una práctica donde los médicos combinan su experiencia clínica con la mejor investigación disponible para tomar decisiones por sus pacientes. Para que este enfoque funcione, un médico debe ser capaz de leer estudios científicos y comprender los números detrás de ellos, tales como qué tan probable es que un tratamiento funcione o con qué frecuencia una prueba da una falsa alarma. Sin embargo, muchos estudiantes que ingresan a la escuela de medicina encuentran estos conceptos estadísticos difíciles de comprender. A menudo se sienten seguros de su entendimiento, solo para descubrir más tarde que su conocimiento es inestable. Esta brecha entre sentirse seguro y realmente conocer el material ha sido durante mucho tiempo un obstáculo en la formación médica, lo que ha llevado a los educadores a buscar nuevas formas de hacer que estas ideas abstractas sean concretas y comprensibles.

Un equipo de estudiantes de medicina y profesores de la Universidad Wayne State en Detroit decidió abordar este problema construyendo una herramienta digital personalizada. Crearon una aplicación web, un programa que se ejecuta en un navegador de internet estándar, diseñada específicamente para ayudar a los estudiantes de primer año de medicina a visualizar los conceptos fundamentales de la medicina basada en la evidencia. En lugar de depender únicamente de conferencias o libros de texto estáticos, los investigadores utilizaron un marco de programación llamado Streamlit para construir una experiencia interactiva. Esta aplicación cubre temas fundamentales como cómo probar una hipótesis, los riesgos de cometer errores de juicio y cómo medir la efectividad de un tratamiento. La característica clave de la herramienta es que permite a los usuarios cambiar los números ellos mismos. Un estudiante puede ajustar el tamaño de un grupo de estudio o la fuerza del efecto de un tratamiento y observar, en tiempo real, cómo esos cambios alteran los resultados en la pantalla. Esta retroalimentación visual inmediata ayuda a los alumnos a ver las relaciones entre diferentes variables sin perderse en cálculos complejos.

Los investigadores introdujeron esta herramienta a un grupo de 300 estudiantes de primer año de medicina durante sus sesiones regulares de aprendizaje en grupos pequeños. Los estudiantes utilizaron la aplicación junto con hojas de trabajo guiadas que los dirigían a través de escenarios específicos que involucraban la prueba de hipótesis y la interpretación de errores. Después de la sesión, el equipo pidió a los estudiantes que completaran una encuesta para evaluar su experiencia. De los 300 estudiantes invitados, 118 completaron la encuesta. Los resultados mostraron que la herramienta era altamente atractiva; el 94 por ciento de los que respondieron informaron que utilizaron activamente la aplicación para terminar sus tareas asignadas. Lo más importante es que la mayoría de los alumnos sintieron que las visualizaciones interactivas les ayudaron a comprender mejor conceptos difíciles y mejoraron su capacidad para imaginar temas que anteriormente habían encontrado confusos. Los estudiantes también estaban muy satisfechos con la herramienta, con casi dos tercios calificando su experiencia como muy satisfecha y otro tercio como algo satisfecha.

Sin embargo, el estudio también reveló una limitación en cómo los estudiantes querían usar la tecnología. Si bien la herramienta funcionaba bien cuando formaba parte de una actividad de clase estructurada, el deseo de usarla de forma independiente era menos claro. Cuando se les preguntó si planeaban usar la aplicación por su cuenta, solo 27 estudiantes dijeron que definitivamente lo harían, mientras que 54 no estaban seguros y 37 dijeron que no lo harían. Esto sugiere que, si bien la aplicación es un apoyo eficaz cuando es guiada por un instructor, lograr que los estudiantes la adopten para el estudio autónomo podría requerir más cambios. Los autores proponen que las versiones futuras podrían incluir escenarios médicos más realistas, como el uso de la herramienta para evaluar una prueba de diagnóstico específica para una condición pulmonar, para hacer que el aprendizaje se sienta más relevante para la práctica del mundo real.

El estudio, que se basó en encuestas estudiantiles en lugar de puntuaciones de exámenes objetivos, sugiere que las aplicaciones web interactivas son una forma prometedora de enseñar estadísticas médicas complejas. Al convertir las relaciones numéricas abstractas en imágenes intuitivas, la herramienta se alinea con la forma en que los estudiantes prefieren aprender. Los investigadores señalan que la simplicidad del software que utilizaron permite que otras instituciones construyan herramientas similares rápidamente. Aunque los resultados actuales son alentadores, los autores enfatizan que se necesita más trabajo para rastrear los resultados de aprendizaje a largo plazo y para encontrar formas de mantener a los estudiantes comprometidos con el material fuera del aula. El proyecto demuestra un paso práctico hacia la realización de la matemática difícil de la investigación médica accesible para la próxima generación de médicos.