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

A medicina moderna baseia-se em uma disciplina chamada medicina baseada em evidências, uma prática onde os médicos combinam sua experiência clínica com a melhor pesquisa disponível para tomar decisões para seus pacientes. Para que essa abordagem funcione, um médico deve ser capaz de ler estudos científicos e compreender os números por trás deles, como a probabilidade de um tratamento funcionar ou a frequência com que um teste gera um alarme falso. No entanto, muitos estudantes que ingressam na faculdade de medicina consideram esses conceitos estatísticos difíceis de compreender. Eles frequentemente sentem-se confiantes em seu entendimento, apenas para descobrir mais tarde que seu conhecimento é instável. Essa lacuna entre sentir-se seguro e realmente conhecer o material tem sido, há muito tempo, um obstáculo no treinamento médico, levando os educadores a buscar novas maneiras de tornar essas ideias abstratas concretas e compreensíveis.

Uma equipe de estudantes de medicina e professores da Wayne State University, em Detroit, decidiu enfrentar esse problema construindo uma ferramenta digital personalizada. Eles criaram uma aplicação web, um programa que roda em um navegador de internet padrão, projetado especificamente para ajudar estudantes do primeiro ano de medicina a visualizar os conceitos fundamentais da medicina baseada em evidências. Em vez de depender apenas de palestras ou livros didáticos estáticos, os pesquisadores utilizaram um framework de programação chamado Streamlit para construir uma experiência interativa. Esta aplicação abrange tópicos fundamentais como como testar uma hipótese, os riscos de cometer erros de julgamento e como medir a eficidade de um tratamento. A característica principal da ferramenta é que ela permite que os usuários alterem os próprios números. Um estudante pode ajustar o tamanho de um grupo de estudo ou a força de um efeito de tratamento e observar, em tempo real, como essas mudanças alteram os resultados na tela. Esse feedback visual imediato ajuda os alunos a verem as relações entre diferentes variáveis sem se perderem em cálculos complexos.

Os pesquisadores introduziram esta ferramenta a um grupo de 300 estudantes do primeiro ano de medicina durante suas sessões regulares de aprendizagem em pequenos grupos. Os estudantes usaram a aplicação juntamente com folhas de exercícios guiadas que os conduziam através de cenários específicos envolvendo testes de hipóteses e interpretação de erros. Após a sessão, a equipe pediu aos estudantes que preenchessem um questionário para avaliar sua experiência. Dos 300 estudantes convidados, 118 completaram o questionário. Os resultados mostraram que a ferramenta foi altamente envolvente; 94 por cento daqueles que responderam relataram que usaram ativamente a aplicação para concluir suas tarefas atribuídas. Mais importante ainda, a maioria dos alunos sentiu que as visualizações interativas ajudaram a compreender melhor conceitos difíceis e melhoraram sua capacidade de visualizar tópicos que anteriormente consideravam confusos. Os estudantes também ficaram muito satisfeitos com a ferramenta, com quase dois terços classificando sua experiência como muito satisfeita e outro terço como algo satisfeita.

No entanto, o estudo também revelou uma limitação na forma como os alunos desejavam usar a tecnologia. Embora a ferramenta funcionasse bem quando fazia parte de uma atividade de classe estruturada, o desejo de usá-la de forma independente era menos claro. Quando questionados se planejavam usar a aplicação por conta própria, apenas 27 estudantes disseram que certamente o fariam, enquanto 54 estavam em dúvida e 37 disseram que não o fariam. Isso sugere que, embora a aplicação seja um auxílio eficaz quando guiada por um instrutor, fazer com que os alunos a adotem para o autoestudo pode exigir novas mudanças. Os autores propõem que versões futuras possam incluir cenários médicos mais realistas, como usar a ferramenta para avaliar um teste diagnóstico específico para uma condição pulmonar, para tornar o aprendizado mais relevante para a prática do mundo real.

O estudo, que se baseou em questionários dos estudantes em vez de pontuações de testes objetivos, sugere que aplicações web interativas são uma forma promissora de ensinar estatística médica complexa. Ao transformar relações numéricas abstratas em imagens intuitivas, a ferramenta se alinha à forma como os alunos preferem aprender. Os pesquisadores observam que a simplicidade do software utilizado permite que outras instituições construam ferramentas semelhantes rapidamente. Embora os resultados atuais sejam encorajadores, os autores enfatizam que mais trabalho é necessário para acompanhar os resultados de aprendizagem a longo prazo e para encontrar maneiras de manter os alunos engajados com o material fora da sala de aula. O projeto demonstra um passo prático à frente para tornar a matemática difícil da pesquisa médica acessível à próxima geração de médicos.