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

La médecine moderne repose sur une discipline appelée médecine fondée sur les preuves, une pratique où les médecins combinent leur expérience clinique avec les meilleures recherches disponibles pour prendre des décisions pour leurs patients. Pour que cette approche fonctionne, un médecin doit être capable de lire des études scientifiques et de comprendre les chiffres qui les sous-tendent, tels que la probabilité qu'un traitement fonctionne ou la fréquence à laquelle un test donne une fausse alerte. Pourtant, de nombreux étudiants entrant en école de médecine trouvent ces concepts statistiques difficiles à saisir. Ils se sentent souvent confiants dans leur compréhension, pour découvrir plus tard que leurs connaissances sont fragiles. Ce fossé entre le sentiment d'assurance et la connaissance réelle du sujet a longtemps été un obstacle à la formation médicale, poussant les éducateurs à chercher de nouvelles manières de rendre ces idées abstraites concrètes et compréhensibles.

Une équipe d'étudiants en médecine et de professeurs de l'Université Wayne State à Détroit a décidé de s'attaquer à ce problème en construisant un outil numérique personnalisé. Ils ont créé une application web, un programme qui s'exécute dans un navigateur internet standard, conçue spécifiquement pour aider les étudiants de première année en médecine à visualiser les concepts fondamentaux de la médecine fondée sur les preuves. Au lieu de s'appuyer uniquement sur des cours magistraux ou des manuels statiques, les chercheurs ont utilisé un cadre de programmation appelé Streamlit pour construire une expérience interactive. Cette application couvre des sujets fondamentaux comme la manière de tester une hypothèse, les risques d'erreurs de jugement et la façon de mesurer l'efficacité d'un traitement. La caractéristique clé de l'outil est qu'il permet aux utilisateurs de modifier eux-mêmes les chiffres. Un étudiant peut ajuster la taille d'un groupe d'étude ou la force de l'effet d'un traitement et observer, en temps réel, comment ces changements modifient les résultats à l'écran. Ce retour visuel immédiat aide les apprenants à voir les relations entre différentes variables sans se perdre dans des calculs complexes.

Les chercheurs ont introduit cet outil auprès d'un groupe de 300 étudiants de première année en médecine lors de leurs sessions régulières d'apprentissage en petits groupes. Les étudiants ont utilisé l'application parallèlement à des fiches de travail guidées qui les accompagnaient à travers des scénarios spécifiques impliquant des tests d'hypothèses et l'interprétation d'erreurs. Après la session, l'équipe a demandé aux étudiants de remplir un sondage pour évaluer leur expérience. Sur les 300 étudiants invités, 118 ont rempli le sondage. Les résultats ont montré que l'outil était très engageant ; 94 % de ceux qui ont répondu ont déclaré avoir activement utilisé l'application pour terminer les tâches qui leur avaient été assignées. Plus important encore, la majorité des apprenants ont estimé que les visualisations interactives les avaient aidés à mieux comprendre des concepts difficiles et avaient amélioré leur capacité à se représenter des sujets qu'ils jugeaient auparavant confus. Les étudiants étaient également très satisfaits de l'outil, près des deux tiers déclarant être très satisfaits de leur expérience et un tiers autre partie très satisfaite.

Cependant, l'étude a également révélé une limite dans la manière dont les étudiants souhaitaient utiliser la technologie. Bien que l'outil fonctionne bien lorsqu'il fait partie d'une activité de classe structurée, le désir de l'utiliser de manière indépendante était moins clair. Lorsqu'on leur a demandé s'ils prévoyaient d'utiliser l'application de leur propre initiative, seuls 27 étudiants ont dit qu'ils le feraient certainement, tandis que 54 étaient incertains et 37 ont dit qu'ils ne le feraient pas. Cela suggère que si l'application est une aide efficace lorsqu'elle est guidée par un instructeur, inciter les étudiants à l'adopter pour l'auto-apprentissage pourrait nécessiter des modifications supplémentaires. Les auteurs proposent que les versions futures puissent inclure des scénarios médicaux plus réalistes, comme l'utilisation de l'outil pour évaluer un test de diagnostic spécifique pour une pathologie pulmonaire, afin de rendre l'apprentissage plus pertinent par rapport à la pratique réelle.

L'étude, qui s'est appuyée sur des enquêtes auprès des étudiants plutôt que sur des scores de tests objectifs, suggère que les applications web interactives sont un moyen prometteur d'enseigner les statistiques médicales complexes. En transformant des relations numériques abstraites en images intuitives, l'outil s'aligne sur la manière dont les étudiants préfèrent apprendre. Les chercheurs notent que la simplicité du logiciel utilisé permet à d'autres institutions de construire rapidement des outils similaires. Bien que les résultats actuels soient encourageants, les auteurs soulignent que des travaux supplémentaires sont nécessaires pour suivre les résultats d'apprentissage à long terme et pour trouver des moyens de maintenir l'engagement des étudiants avec le matériel en dehors de la salle de classe. Le projet constitue une étape concrète vers la démocratisation des mathématiques difficiles de la recherche médicale pour la prochaine génération de médecins.