三軍總醫院胸腔外科
教學型主治醫師暨醫事人員訓練管理委員會 主任委員
蔡遠明

急重症照護新紀元~可信賴專業活動（EPAs）於中央靜脈導管置入教學

---

  中心靜脈導管置放在急重症病人身上為常見的侵入性操作技能之一，它雖是救命的醫療處置之一，卻有可能因經驗的不足而導致併發症的發生，同時亦為醫療照護相關感染的來源之一。雖然六年制醫學教育的學習時程縮短，但對於學生的期待更為提高且要求學習效能必須提升以符合畢業基本能力的要求，並建構好照顧病人所需的技能，以因應未來的挑戰。然而因為醫病關係的緊張與先前全球新冠病毒的疫情影響，使得醫學生在實際接觸病人的訓練期待下顯得更為不足。因此在課程規劃與內容安排上，需有因應的配套及調整「如何提升課程新思維，培育醫學新世代」，才能讓學生將臨床基礎課程及床邊學習順利接軌，進而強化臨床重要技能。國外對於重症醫學及照護的設計研究多著重於加護中心內的課程以及對重症醫師的訓練。對於實習醫學生或畢業後一般醫學訓練(Post-graduate year training, PGY)學員在臨床上如何學習急重症病患處置的研究及參考資料則相當的少，而國內針對課程的授與與評量也尚未有系統性的研究及參考資料。根據筆者在急重症臨床及加護中心第一線照護病患與輔導受訓醫師的經驗與觀察，醫六年級生即將畢業進入醫院成為住院醫師，這個階段除知識的傳授外，開始需要試著將過去所學的知識整合並與臨床疾病的症狀表徵建立因果關係後進行臨床處置判斷利「用」，以達到「教、考、用合一」的精神，建構臨床完整照護病患所需之基本能力。

整合專業團隊與可信賴專業活動

  中心靜脈導管置放術（Central venous catheterization, CVC）為臨床醫療中極為關鍵的技能，其正確執行與後續照護攸關病人感染風險與整體照護品質。為強化醫學生對CVC相關感染控制與操作流程的理解與實踐能力，我們首先成立教學團隊，由具備豐富CVC臨床與教學經驗的三位胸腔外科及兩位血管外科醫師組成專業教學團隊。接著結合院內暨有的互動式回饋系統（Zuvio App）及可信賴專業活動（Entrustable professional activities, EPAs）進行學員及老師對學員的評核，了解醫學生在急重症課程訓練中的學習成效。教學實施於加護病房輪訓期間，共計有60位六年級醫學生參與，透過課堂講授、操作示範與模擬實作進行整合性訓練，並以Zuvio平台輔助進行課前課後之知識測驗與自我信心評估，之後由CVC team成員依臨床實際狀況輔助醫學生接觸臨床案例以促進實務能力提升 （圖1）。結果顯示，學員在CVC照護措施知識、術前準備、導管置放技巧、併發症辨識與導管深度判斷等多項指標均有顯著進步。此外，學員普遍肯定Zuvio系統在臨床教學場域的應用價值，能協助建立個人化的學習歷程檔案，並針對不同學習者發展量身訂做的教學策略。綜上所述，結合專業團隊與互動回饋平台的教學模式，能有效提升醫學生在CVC感染控制與技能操作的整體勝任能力，亦為精準醫學教育與臨床技能訓練提供具體可行的實踐框架。相關教學成果也發表在「2024第二屆台灣能力導向醫學教育週」榮獲壁報論文優選（圖2）。

跨領域結合與3D解剖教學運用

  教學現場的觀察與分析顯示，學員普遍對解剖結構的掌握仍缺乏信心。為此，我們跨領域整合教學資源，導入近年國防醫學院引進的互動式學習平台「Complete Anatomy」，結合翻轉教學模式，藉由高解析度的3D人體結構模型，開啟臨床解剖學學習的新視野。急重症醫師的專業養成除了需透過臨床案例的反覆演練，更應建立於先前基礎知識的橫向連結，才能有效銜接臨床實務訓練，使臨床操作技能逐步精進，最終提升整體病人照護品質。

  團隊首先與國防醫學院解剖學科教師合作，利用Complete Anatomy平台製作中心靜脈導管（CVC）血管模型教學影片，搭配翻轉教室策略進行教學。PGY學員需先完成線上課程與課前自我評估，並於實體訓練當日參與模擬操作與術後自我評估。根據學員回饋，其對解剖結構辨識的信心由課前平均2.73分（滿分5分）顯著提升至課後的3.32分。多數學員認為3D視覺化教學有助於理解空間結構，亦能有效縮短學習曲線，整體課程滿意度達9.74分（滿分10分），其中模擬實作部分尤受好評。此種融合3D平台、翻轉教室與模擬操作的混合式教學策略，不僅顯著提升學習動機與技能表現，也有助於針對個別學員進行知識強化與差異化補足。在此基礎上，我們更進一步引導住院醫師與實習醫學生將上述教學資源延伸應用，結合臨床實境進行教學影片拍攝與創作，並榮獲「2024中華民國解剖學學會大體解剖教學影片競賽第二名」（圖3）。

  在臨床技能訓練中，能否即時辨識學習盲點並給予具體回饋，是促進學習成效與提升照護品質的關鍵。除了運用3D解剖教學平台與模擬操作提升學員對空間與解剖的理解，臨床場域的即時評核更是落實勝任力導向教學不可或缺的一環。結合ADAPT模型（Ask-Discuss-Ask-Plan Together）結構化回饋模型，教師能引導學員主動設定目標、進行反思、接受具體建議並共同擬定改善計畫，讓學習成為一項可持續優化的歷程。進一步地，若能導入人工智慧（Artificial intelligence, AI）協助記錄操作表現、分析學習軌跡，將有助於建立個人化的學習檔案與動態成長地圖，強化教師教學診斷能力，並提升學員在臨床現場的即戰力。未來藉由AI輔助的數據分析與ADAPT導向的臨床回饋策略，可望打造更智慧化、即時化的醫學教育系統，深化教學實踐的臨床價值與教育影響力。