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

आधुनिक चिकित्सा 'साक्ष्य-आधारित चिकित्सा' (एविडेंस-बेस्ड मेडिसिन) नामक एक अनुशासन पर निर्भर करती है, जो एक ऐसी पद्धति है जहाँ डॉक्टर अपने रोगियों के लिए निर्णय लेने हेतु अपने नैदानिक अनुभव को उपलब्ध सर्वोत्तम शोध के साथ जोड़ते हैं। इस दृष्टिकोण के सफल होने के लिए, एक चिकित्सक के लिए वैज्ञानिक अध्ययनों को पढ़ने में सक्षम होना और उनके पीछे के अंकों को समझना आवश्यक है, जैसे कि किसी उपचार के प्रभावी होने की कितनी संभावना है या कोई परीक्षण कितनी बार गलत संकेत (फॉल्स अलार्म) देता है। फिर भी, चिकित्सा विद्यालय में प्रवेश करने वाले कई छात्र इन सांख्यिकीय अवधारणाओं को समझने में कठिनाई महसूस करते हैं। वे अक्सर अपनी समझ के प्रति आश्वस्त महसूस करते हैं, लेकिन बाद में उन्हें पता चलता है कि उनका ज्ञान अस्थिर है। निश्चित महसूस करने और वास्तव में सामग्री को जानने के बीच का यह अंतर चिकित्सा प्रशिक्षण में एक पुरानी बाधा रही है, जिससे शिक्षक इन अमूर्त विचारों को मूर्त और समझने योग्य बनाने के नए तरीकों की खोज कर रहे हैं।

डिट्रॉइट में वेन स्टेट यूनिवर्सिटी के मेडिकल छात्रों और संकाय के एक दल ने एक कस्टम डिजिटल टूल बनाकर इस समस्या से निपटने का निर्णय लिया। उन्होंने एक वेब एप्लिकेशन बनाया, जो एक मानक इंटरनेट ब्राउज़र में चलने वाला एक प्रोग्राम है, जिसे विशेष रूप से प्रथम वर्ष के मेडिकल छात्रों को साक्ष्य-आधारित चिकित्सा की मूल अवधारणाओं को समझाने के लिए डिज़ाइन किया गया है। केवल व्याख्यानों या स्थिर पाठ्यपुस्तकों पर निर्भर रहने के बजाय, शोधकर्ताओं ने एक इंटरैक्टिव अनुभव बनाने के लिए 'स्ट्रीमलिट' (Streamlit) नामक एक प्रोग्रामिंग फ्रेमवर्क का उपयोग किया। यह एप्लिकेशन परिकल्पना परीक्षण (हाइपोथीसिस टेस्टिंग), निर्णय लेने में त्रुटियों के जोखिम और उपचार की प्रभावशीलता को मापने जैसे मौलिक विषयों को कवर करता है। इस टूल की मुख्य विशेषता यह है कि यह उपयोगकर्ताओं को स्वयं संख्याओं को बदलने की अनुमति देता है। एक छात्र अध्ययन समूह के आकार या उपचार के प्रभाव की शक्ति को बदल सकता है और वास्तविक समय में देख सकता है कि कैसे वे परिवर्तन स्क्रीन पर परिणामों को बदलते हैं। यह तत्काल दृश्य प्रतिक्रिया (विजुअल फीडबैक) शिक्षार्थियों को जटिल गणनाओं में उलझे बिना विभिन्न चरों के बीच संबंधों को देखने में मदद करती है।

शोधकर्ताओं ने इस टूल को उनके नियमित लघु-समूह शिक्षण सत्रों के दौरान 300 प्रथम वर्ष के मेडिकल छात्रों के एक समूह के सामने पेश किया। छात्रों ने हाइपोथीसिस टेस्टिंग और त्रुटि व्याख्या से जुड़े विशिष्ट परिदृश्यों के माध्यम से उन्हें निर्देशित करने वाली गाइडेड वर्कशीट्स के साथ इस एप्लिकेशन का उपयोग किया। सत्र के बाद, टीम ने छात्रों से उनके अनुभव का आकलन करने के लिए एक सर्वेक्षण भरने को कहा। आमंत्रित किए गए 300 छात्रों में से 118 ने सर्वेक्षण पूरा किया। परिणामों ने दिखाया कि टूल अत्यधिक आकर्षक था; उत्तर देने वालों में से 94 प्रतिशत ने बताया कि उन्होंने अपने सौंपे गए कार्यों को पूरा करने के लिए सक्रिय रूप से एप्लिकेशन का उपयोग किया। सबसे महत्वपूर्ण बात यह है कि अधिकांश शिक्षार्थियों ने महसूस किया कि इंटरैक्टिव विज़ुअलाइज़ेशन ने कठिन अवधारणाओं को बेहतर ढंग से समझने और उन विषयों को चित्रित करने की उनकी क्षमता में सुधार करने में मदद की जिन्हें वे पहले भ्रमित करने वाला पाते थे। छात्र टूल से भी बहुत संतुष्ट थे, जिनमें से लगभग दो-तिहाई ने अपने अनुभव को 'बहुत संतुष्ट' और एक-तिहाई ने 'कुछ हद तक संतुष्ट' बताया।

हालाँकि, अध्ययन ने तकनीक के उपयोग के संबंध में छात्रों की इच्छा में एक सीमा भी उजागर की। जबकि यह टूल एक संरचित कक्षा गतिविधि के हिस्से के रूप में अच्छा काम करता था, स्वतंत्र रूप से उपयोग करने की इच्छा स्पष्ट नहीं थी। जब यह पूछा गया कि क्या वे अपने खाली समय में एप्लिकेशन का उपयोग करने की योजना बना रहे हैं, तो केवल 27 छात्रों ने कहा कि वे निश्चित रूप से करेंगे, जबकि 54 अनिश्चित थे और 37 ने कहा कि वे नहीं करेंगे। यह सुझाव देता है कि हालांकि यह एप्लिकेशन एक प्रशिक्षक द्वारा निर्देशित होने पर एक प्रभावी सहायता है, इसे स्व-अध्ययन के लिए अपनाने हेतु छात्रों को प्रेरित करने के लिए और अधिक परिवर्तनों की आवश्यकता हो सकती है। लेखक प्रस्ताव देते हैं कि भविष्य के संस्करणों में अधिक यथार्थवादी चिकित्सा परिदृश्य शामिल किए जा सकते हैं, जैसे कि फेफड़ों की किसी स्थिति के लिए विशिष्ट नैदानिक परीक्षण का मूल्यांकन करने के लिए टूल का उपयोग करना, ताकि सीखना वास्तविक दुनिया के अभ्यास के लिए अधिक प्रासंगिक लगे।

यह अध्ययन, जो वस्तुनिष्ठ परीक्षण अंकों के बजाय छात्र सर्वेक्षणों पर आधारित था, यह सुझाव देता है कि इंटरैक्टिव वेब एप्लिकेशन जटिल चिकित्सा सांख्यिकी सिखाने का एक आशाजनक तरीका हैं। अमूर्त संख्यात्मक संबंधों को सहज चित्रों में बदलकर, यह टूल छात्रों की सीखने की प्राथमिकता के अनुरूप है। शोधकर्ता नोट करते हैं कि उनके द्वारा उपयोग किए गए सॉफ्टवेयर की सरलता अन्य संस्थानों को तेजी से समान टूल बनाने की अनुमति देती है। वर्तमान परिणाम उत्साहजनक हैं, लेकिन लेखक इस बात पर जोर देते हैं कि दीर्घकालिक सीखने के परिणामों को ट्रैक करने और कक्षा के बाहर छात्रों को सामग्री के साथ जोड़े रखने के तरीके खोजने के लिए और अधिक काम की आवश्यकता है। यह परियोजना चिकित्सा अनुसंधान की कठिन गणित को अगली पीढ़ी के डॉक्टरों के लिए सुलभ बनाने की दिशा में एक व्यावहारिक कदम का प्रदर्शन करती है।