连接模拟与现实：用于大规模伤亡分类培训的增强虚拟性 - 从景观分析到经验洞察

研究背景与问题

作者发现了哪些问题或挑战？

• 金标准的局限性：大规模灾难事故（Mass Casualty Incident, MCI）培训传统上依赖实况演练，被认为是最高标准，但这种方式过于依赖资源，不易普及。
• 技术替代的不足：
  • 虽然虚拟现实（Virtual Reality, VR）在成本效益和沉浸体验方面表现出色，但在技能操练和临场感方面仍无法完全替代实况演练。
  • 增强现实（Augmented Reality, AR）在高保真灾难模拟中应用受限，因为它需要高度依赖真实环境。
• 未充分研究的领域：增强虚拟性（Augmented Virtuality, AV）作为一种将虚拟和物理环境结合的技术，其潜力在多伤患者（MCI场景）中尚未得到充分研究。

为什么这个问题很重要？

• 灾难医疗管理的特殊性：与常规医疗不同，灾难管理要求面对多伤员时快速做出资源分配和优先级决策，以最大化整体生存率。
• 训练频率的需求：由于MCI事件高风险但低频率的特点，常规实况演练难以满足频繁更新和广泛覆盖的需要。
• 技能培养的必要性：在没有伤害真实患者的情况下，模拟训练为发展关键决策技能提供了一个受控环境。

研究动机与相关工作

• 动机在于探索“虚实结合”的训练方法是否可以达到或超越现有训练方法的效果，同时降低资源需求。
• 相关工作包括对虚拟现实、增强现实及混合现实技术的研究，但多数集中于单伤患者或概念验证阶段，缺乏实际操作下的验证分析。

解决方案

作者提出了哪些方法或解决方案？

• 作者提出通过增强虚拟性（AV）技术开发并验证一种新的灾难三类（triage）培训系统，并将该系统应用到实际医学培训课程中。
• 研究涵盖两阶段：
  1. 文献综述与现状分析：对1990年至2024年间的126篇论文进行分析，以识别当前虚拟技术在MCI培训中的研究现状与空白。
  2. 比较实验：设计并评估AVS（增强虚拟系统），并与传统实况演练和VR系统进行比较。

该解决方案的创新之处是什么？

• 开发并部署了一个整合物理假人和虚拟场景的AV系统，为受训者创造了多感官互动和高真实性体验。
• 在灾难情境中验证了AV技术的有效性（如三类决策准确性和速度），超越了现有研究偏重单一学习维度（例如用户体验或知识获取）的局限。
• 通过合作伙伴机构的实践部署，解决了资源约束与真实感不足的问题。

实施步骤是什么？使用了哪些关键技术？

1. 硬件和软件整合：
   • 使用Unity 3D开发虚拟环境，结合定制的物理假人（加入了传感器、马达和其他组件）。
   • 设计了开放式的手套作为交互设备，与主机同步以提高触觉反馈。
2. 三类操作与交互设计：
   • 模拟了一场复杂的城市交通事故场景，涵盖6种不同类型的伤员（需施加呼吸道管理、脉搏测试及分类标记等）。
3. 校准与映射：
   • 数字环境与物理环境进行精确对齐，确保虚拟物体和真实假人的同步和交互。
4. 实验设计：
   • 招募60名无医疗经验的受训者，分为传统训练、VR和AV三组，进行对比分析。
   • 评估维度包括用户满意度、自我效能感、感知沉浸度、知识获取与三类技能表现。

研究成果

取得了哪些具体成果？

• 使用体验（Usability）优势：
  • AVS在用户满意度（67.2/70）上显著高于VR和传统方法。
  • AVS用户的自我效能感提升最显著，体现了对实际操作信心的增强。
• 技能表现的提升：
  • AVS在三类准确性上提高了12.5%，而VR和传统方法无显著变化。
  • AVS在完成时间上有着最显著的缩短（减少53.3%），优于VR（减少33.6%）。
• 知识获取的持平：
  • 三种培训方法的理论知识获取无显著差异，表明AVS在知识传递方面与其他方法相当。

与现有解决方案相比，它有哪些优势？

• AVS结合了AR和VR的特性，通过物理-虚拟整合，提供了更高的真实感（特别是在触觉与身体互动方面）。
• 显著减少了资源需求，使得每次培训需要的导师数量由传统方法的5位减少至2位，为大型部署提供了可能性。
• 在复杂、多患者场景中，AVS在效率与技能精准度上均优于VR。

实验或评估结果是什么？

• AVS在满意度、自我效能感和三类技能表现上显著优于传统方法和VR，但在认知负荷（例如身体需求）上略高于其他方法。
• 三种方法在含混知识的考核上未见显著差异，这可能与认知负荷和适应新交互模式的学习曲线有关。

局限性与未来方向

• 局限性：
  • 性别代表性：仅研究了男性参与者，未分析性别对学习效果的影响。
  • 训练目标集中于三类培训，未覆盖MCI管理的其他重要领域（如沟通策略和机构协调）。
  • 样本规模有限，缺乏对长期技能保留和反复练习效果的研究。
• 未来方向：
  • 扩展多样化受训者群体，包括性别均衡和跨文化样本。
  • 探索AV在更复杂的灾难管理场景的潜力，包括团队决策和资源分配。
  • 引入更先进的评价指标，如手势追踪和生理传感器，进一步增强技能培训系统。