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

现代医学依赖于一种被称为循证医学的学科，这是一种医生将临床经验与现有的最佳研究成果相结合，从而为患者做出决策的实践方式。为了使这种方法奏效，医生必须能够阅读科学研究并理解其背后的数字，例如一种治疗方法起作用的可能性有多大，或者一项检测出现假警报的频率是多少。然而，许多进入医学院的学生发现这些统计概念难以掌握。他们往往对自己的理解感到自信，却在随后发现自己的知识其实并不扎实。这种“感觉确定”与“实际掌握”之间的差距长期以来一直是医学培训中的一个障碍，促使教育工作者寻找新的方法，使这些抽象概念变得具体且易于理解。

底特律韦恩州立大学的一个由医学生和教职人员组成的团队决定通过构建一个定制的数字化工具来解决这一问题。他们创建了一个 Web 应用程序——一个可以在标准互联网浏览器中运行的程序，专门旨在帮助医学系一年级学生直观地理解循证医学的核心概念。研究人员没有仅仅依赖讲座或静态教科书，而是使用了一种名为 Streamlit 的编程框架来构建一种交互式体验。该应用程序涵盖了基础课题，如如何进行假设检验、判断失误的风险以及如何衡量治疗效果。该工具的关键特征是它允许用户自行更改数值。学生可以调整研究样本量的大小或治疗效果的强度，并实时观察这些变化如何改变屏幕上的结果。这种即时的视觉反馈有助于学习者在不陷入复杂计算的情况下，看清不同变量之间的关系。

研究人员在常规的小组学习环节中，向 300 名一年级医学生介绍了这一工具。学生们配合使用引导式工作表，通过这些工作表引导他们完成涉及假设检验和误差解释的具体场景。课程结束后，团队要求学生填写一份调查问卷以评估他们的体验。在受邀的 300 名学生中，有 118 人完成了调查。结果显示，该工具具有很高的参与度；在回应者中，94% 的人表示他们积极使用了该应用程序来完成分配的任务。最重要的是，大多数学习者认为交互式可视化有助于他们更好地理解困难的概念，并提高了他们对此前感到困惑的主题进行形象化理解的能力。学生们对该工具也非常满意，近三分之二的人评价为“非常满意”，另外三分之一评价为“比较满意”。

然而，研究也揭示了学生在使用技术方面的一个局限性。虽然该工具在作为结构化课堂活动的一部分时表现良好，但学生独立使用该技术的意愿则并不明确。当被问及是否计划在课余时间自主使用该应用程序时，只有 27 名学生表示肯定会，54 名表示不确定，另有 37 名表示不会。这表明，虽然该应用程序在教师指导下是一种有效的辅助工具，但要让学生将其用于自学，可能需要进一步的改进。作者提出，未来的版本可以包含更具现实感的医学场景，例如使用该工具来评估针对某种肺部疾病的具体诊断测试，从而让学习过程在感觉上更贴近现实世界的实践。

这项研究依赖于学生调查而非客观测试分数，表明交互式 Web 应用程序是教授复杂医学统计学的一种极具前景的方式。通过将抽象的数值关系转化为直观的图像，该工具符合学生的学习偏好。研究人员指出，他们所使用的软件具有简洁性，这使得其他机构也能快速构建类似的工具。虽然目前的结果令人鼓舞，但作者强调，仍需开展更多工作来追踪长期的学习成果，并寻找保持学生在课堂之外对材料保持参与度的方法。该项目展示了在使下一代医生能够接触到复杂的医学研究数学知识方面迈出的务实一步。