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

La medicina moderna si basa su una disciplina chiamata medicina basata sulle evidenze, una pratica in cui i medici combinano la propria esperienza clinica con le migliori ricerche disponibili per prendere decisioni per i propri pazienti. Affinché questo approccio funzioni, un medico deve essere in grado di leggere studi scientifici e comprendere i numeri che li sottendono, come quanto sia probabile che un trattamento funzioni o quanto spesso un test dia un falso allarme. Eppure, molti studenti che entrano alla scuola di medicina trovano difficili da comprendere questi concetti statistici. Spesso si sentono sicuri della propria comprensione, solo per scoprire in seguito che la loro conoscenza è incerta. Questo divario tra il sentirsi sicuri e il conoscere effettivamente la materia è stato a lungo un ostacolo nella formazione medica, portando gli educatori a cercare nuovi modi per rendere queste idee astratte concrete e comprensibili.

Un team di studenti di medicina e docenti della Wayne State University di Detroit ha deciso di affrontare questo problema costruendo uno strumento digitale personalizzato. Hanno creato un'applicazione web, un programma che funziona in un normale browser internet, progettato specificamente per aiutare i primi anni di studenti di medicina a visualizzare i concetti fondamentali della medicina basata sulle evidenze. Invece di affidarsi esclusivamente a lezioni o libri di testo statici, i ricercatori hanno utilizzato un framework di programmazione chiamato Streamlit per costruire un'esperienza interattiva. Questa applicazione copre argomenti fondamentali come come testare un'ipotesi, i rischi di commettere errori di giudizio e come misurare l'efficacia di un trattamento. La caratteristica chiave dello strumento è che permette agli utenti di cambiare i numeri essi stessi. Uno studente può regolare la dimensione di un gruppo di studio o la forza dell'effetto di un trattamento e osservare, in tempo reale, come tali cambiamenti alterano i risultati sullo schermo. Questo feedback visivo immediato aiuta gli studenti a vedere le relazioni tra diverse variabili senza perdersi in calcoli complessi.

I ricercatori hanno introdotto questo strumento a un gruppo di 300 studenti del primo anno durante le loro normali sessioni di apprendimento in piccoli gruppi. Gli studenti hanno utilizzato l'applicazione insieme a schede guidate che li accompagnavano attraverso scenari specifici riguardanti il test di ipotesi e l'interpretazione degli errori. Dopo la sessione, il team ha chiesto agli studenti di compilare un sondaggio per valutare la loro esperienza. Dei 300 studenti invitati, 118 hanno completato il sondaggio. I risultati hanno mostrato che lo strumento era altamente coinvolgente; il 94 percento di coloro che hanno risposto ha riferito di aver utilizzato attivamente l'applicazione per completare i compiti assegnati. Soprattutto, la maggior parte degli studenti ha percepito che le visualizzazioni interattive aiutassero a comprendere meglio i concetti difficili e migliorassero la loro capacità di immaginare argomenti che prima trovavano confusi. Gli studenti erano anche molto soddisfatti dello strumento, con quasi due terzi che hanno valutato la loro esperienza come molto soddisfatta e un altro terzo come piuttosto soddisfatta.

Tuttavia, lo studio ha anche rivelato un limite nel modo in cui gli studenti desideravano utilizzare la tecnologia. Sebbene lo strumento funzionasse bene quando faceva parte di un'attività di classe strutturata, il desiderio di utilizzarlo in modo indipendente era meno chiaro. Quando sono stati interrogati se avrebbero pianificato di usare l'applicazione nel proprio tempo libero, solo 27 studenti hanno detto che l'avrebbero sicuramente fatto, mentre 54 non erano sicuri e 37 hanno detto che non lo avrebbero fatto. Ciò suggerisce che, sebbene l'applicazione sia un ausilio efficace quando guidata da un istruttore, far sì che gli studenti la adottino per lo studio autonomo potrebbe richiedere ulteriori modifiche. Gli autori propongono che le versioni future possano includere scenari medici più realistici, come l'uso dello strumento per valutare un test diagnostico specifico per una condizione polmonare, per rendere l'apprendimento più rilevante rispetto alla pratica del mondo reale.

Lo studio, che si è basato su sondaggi tra gli studenti piuttosto che su punteggi di test oggettivi, suggerisce che le applicazioni web interattive sono un modo promettente per insegnare la statistica medica complessa. Trasformando le relazioni numeriche astratte in immagini intuitive, lo strumento si allinea al modo in cui gli studenti preferiscono imparare. I ricercatori sottolineano che la semplicità del software utilizzato consente ad altre istituzioni di costruire rapidamente strumenti simili. Sebbene i risultati attuali siano incoraggianti, gli autori sottolineano che è necessario ulteriore lavoro per monitorare i risultati dell'apprendimento a lungo termine e per trovare modi per mantenere gli studenti impegnati con il materiale al di fuori dell'aula. Il progetto dimosta un passo pratico avanti nel rendere accessibile alla prossima generazione di medici la matematica difficile della ricerca medica.