Joint latent profile analysis of artificial intelligence literacy and critical thinking among clinical nurses and their association with evidence-based decision-making capacity: A cross-sectional study

In het moderne ziekenhuis is de geest van een verpleegkundige een druk kruispunt waar patiëntenbehoeften, medische richtlijnen en complexe technologie voortdurend met elkaar botsen. Decennialang was de gouden standaard van zorg evidence-based practice: het vermogen om het beste wetenschappelijke onderzoek te vinden, dit af te wegen tegen de unieke geschiedenis van een specifieke patiënt, en een beslissing te nemen die levens redt. Vandaag de dag is er een nieuwe kracht binnengekomen op dit kruispunt: kunstmatige intelligentie. Deze hulpmiddelen kunnen direct medische literatuur ophalen, patiëntendossiers opstellen en potentiële risico's signaleren, wat een krachtige afkorting biedt door de bergen aan data waar verpleegkundigen dagelijks mee te maken krijgen. Deze snelheid brengt echter een addertje onder het gras met zich mee. Omdat deze systemen zijn getraind op historische gegevens, kunnen ze soms antwoorden produceren die feitelijk onjuist, bevooroordeeld of simpelweg niet afgestemd zijn op de huidige realiteit van een patiënt. De cruciale vraag voor de toekomst van de verpleegkunde is niet langer alleen of verpleegkundigen deze hulpmiddelen kunnen gebruiken, maar hoe zij denken terwijl zij ze gebruiken. Het vereist een balans tussen weten hoe je de machine bedient en het bezitten van het scherpe, onafhankelijke oordeel om te weten wanneer de machine het fout heeft.

Een recente studie onder meer dan 2.300 geregistreerde verpleegkundigen in acht ziekenhuizen in China probeerde precies te begrijpen hoe deze twee vaardigheden — technische vloeiendheid met kunstmatige intelligentie en het vermogen om kritisch te denken — samenwerken in de echte wereld. In plaats van deze als afzonderlijke checklists te behandelen, keken de onderzoekers naar hoe ze binnen individuele verpleegkundigen samenkomen. Ze gebruikten een statistische methode om verpleegkundigen te groeperen op basis van hun werkelijke scores in beide gebieden, waarbij werd vastgesteld dat de beroepsgroep geen enkele, uniforme groep is. In plaats daarvan vonden ze vier verschillende typen verpleegkundigen, elk met een andere mix van sterktes en zwaktes die direct invloed hebben op hun vermogen om veilige, hoogwaardige beslissingen te nemen voor patiënten.

De studie identificeerde vier duidelijke profielen. De eerste groep, bestaande uit ongeveer 22 procent van de verpleegkundigen, had moeite met beide vaardigheden. Deze verpleegkundigen hadden een laag zelfvertrouwen en een laag vermogen in het gebruik van kunstmatige intelligentie-instrumenten en beschikten ook niet over sterke kritische denkpatronen. Zij vormen een risicogroep die het moeilijk kan vinden om de digitale instrumenten van de moderne verpleegkunde te navigeren of om de informatie die die instrumenten bieden in twijfel te trekken. Een tweede, grotere groep, bestaande uit ongeveer 36 procent van de verpleegkundigen, vertoonde een ander patroon: zij beschikten over sterke kritische denkvaardigheden, maar hadden een lage geletterdheid op het gebied van kunstmatige intelligentie. Deze verpleegkundigen konden een probleem goed analyseren, maar misten de digitale middelen om snel bewijs te vinden, waardoor ze gedwongen waren terug te vallen op tragere, handmatige methoden die mentale energie verbruiken.

De derde groep, die ongeveer 21 procent van de deelnemers vertegenwoordigde, leek aan de oppervlakte het meest bekwaam. Deze verpleegkundigen hadden hoge scores op het gebied van kunstmatige intelligentie-geletterdheid; ze konden de instrumenten efficiënt bedienen en informatie snel ophalen. Hun kritische denkvaardigheden waren echter slechts gemiddeld. De onderzoekers bestempelden deze groep als een "verborgen risico". Omdat ze zo comfortabel zijn met de technologie, kunnen ze de output van de machine te gemakkelijk vertrouwen, waardoor ze fouten of vooroordelen in het gegenereerde advies niet opmerken. Dit zijn de verpleegkundigen die mogelijk een computeradvies opvolgen zonder te vragen of het echt past bij de patiënt die voor hen staat. De laatste groep, die de resterende 21 procent vormde, beschikte over zowel een hoge kunstmatige intelligentie-geletterdheid als een hoog kritisch denkvermogen. Deze verpleegkundigen konden de technologie gebruiken om hun werk te versnellen en tegelijkertijd hun scherpe geest gebruiken om de resultaten te verifiëren, waardoor zij garandeerden dat het uiteindelijke zorgplan zowel efficiënt als accuraat was.

Toen de onderzoekers deze groepen vergeleken met hun werkelijke vermogen om weloverwogen beslissingen te nemen op basis van bewijs, kwam er een duidelijke hiërarchie naar voren. De verpleegkundigen die sterk waren in beide gebieden presteerden het best. Opvallend genoeg presteerde de groep met hoge technische vaardigheden maar slechts gemiddelde kritische denkvaardigheden beter dan de groep met lage technische vaardigheden maar een hoog kritisch denkvermogen. Dit suggereert dat hoewel het goed kunnen gebruiken van het hulpmiddel belangrijk is, het niet de enige factor is; de combinatie van technische vloeiendheid en kritisch oordeelsvermogen creëert een duidelijk voordeel, hoewel de "verborgen risico"-groep nog steeds uitdagingen ervaart bij het volledig optimaliseren van hun besluitvorming in vergelijking met de duale hoogpresteerders. De studie vond dat de combinatie van deze twee vaardigheden bijna 30 procent van de verschillen in de kwaliteit van de besluitvorming onder de verpleegkundigen verklaarde, een significante factor die niet genegeerd kan worden.

De bevindingen wezen ook op wat verpleegkundigen helpt om deze vaardigheden te ontwikkelen. Verpleegkundigen die specifieke training kregen over kunstmatige intelligentie, maakten vaker deel uit van de hoogpresterende groep. Evenzo hadden degenen die deze instrumenten regelmatig in hun dagelijkse werk gebruikten de neiging om betere vaardigheden te hebben, maar alleen als zij ook kritische reflectie toepasten. De studie merkte op dat het louter vaak gebruiken van de instrumenten niet voldoende was; zonder training die aanzet tot bevraging en verificatie, kon frequent gebruik zelfs leiden tot het gevaarlijke "verborgen risico"-profiel waarbij verpleegkundigen te veel op de machine vertrouwen. De research suggereert dat ziekenhuizen verder moeten gaan dan basis technische training. In plaats daarvan moeten zij verpleegkundigen leren hoe zij deze krachtige instrumenten kunnen gebruiken terwijl zij een sceptische, analytische blik behouden, om er zeker van te zijn dat de menselijke geest de uiteindelijke autoriteit blijft in de patiëntenzorg.