CC BY
20
Осложнения:
полинейропатия 6 (23,1%) 3 (33,3%)
нефропатия 3 (11,5%) 1 (11,1%)
Примечание: *- р<0,05
Однако обращает внимание худший показатель гликированного гемоглобина (HbAlc) у пациентов 2-й группы, хотя индивидуальное распределение больных по уровню компенсации углеводного обмена было примерно одинаковым и целевые показатели HbAlc (< 7,5%) имел только один ребенок из группы с ночными гипогликемиями. Полученные результаты еще раз подчеркивают трудности достижения компенсации углеводного обмена у детей, больных сахарным диабетом 1 типа, несмотря на получаемые инсулиновые аналоги и обеспеченность средствами самоконтроля в необходимом количестве (4 тест-полоски/сут) за счет бюджетных средств [2]. Заключение:
1. По данным суточного мониторирования ночные гипогликемии зарегистрированы у 74,3% детей с сахарным диабетом 1 типа.
2. У пациентов с ночными гипогликемиями отмечались высокие показатели вариабельности гликемии и чаще регистрировались гипогликемии в дневные часы.
Литература:
1. Алимова И.Л. Достижения и проблемы клинической практики детской диабетологии // Российский вестник перинатологии и педиатрии. - 2013 . - №2 . - С. 4-11.
2. Алимова И.Л., Крикова А.В., Леонова К.Д. и др. Медико-социальная характеристика семей, воспитывающих детей, больных сахарным диабетом 1 типа //Здравоохранение РФ.- 2017. - №2. - Т. 61.- С. 83-87.
3. Сахарный диабет у детей и подростков: консенсус ISPAD по клинической практике, 2014 г. - М. : ГЭОТАР-Медиа, 2016. - 656 с.
4. Федеральные клинические рекомендации (протоколы) по ведению детей с эндокринными заболеваниями. — М.: Практика, 2014. - 442 с.
УДК 616-072.7
СОЗДАНИЕ МОБИЛЬНОГО ПРИЛОЖЕНИЯ ДЛЯ ОБУЧЕНИЯ И ОЦЕНКИ ЗНАНИЙ СТУДЕНТОВ МЕДИЦИНСКИХ ВУЗОВ ПО СПЕЦИАЛЬНОСТИ ЛУЧЕВАЯ ДИАГНОСТИКА
Тагиль А. О.
Научный руководитель: Борсуков А.В - д.м.н., профессор, директор ПНИЛ "Диагностические исследования и малоинвазивные технологии "
ФГБОУ ВО Смоленский Государственный Медицинский Университет Минздрава России Россия, 214019, Смоленск, ул. Крупской,28. anton.tagil95@gmail.com - Тагиль Антон Олегович
Резюме: В рамках данного исследования было создано мобильное приложение «Радиология Curiositas» для обучения и оценки знаний в области лучевой диагностики. Студенты медицинских ВУЗов, (n=110), были разделены на группы в зависимости от наличия или отсутствия заинтересованности по данной дисциплине. В рамках мобильного обучения выявлено, что среднее количество набранных баллов среди студентов заинтересованных в дисциплине составил 20 (60,3%), а среди студентов не заинтересованных в дисциплине -9 (27,3%). После прохождения студентами мотивационного алгоритма и повторного тестирования в приложении показатели возросли до 26 (78,8%) и 16 (48,5%), соответственно. Это позволяет сделать вывод, что мобильное приложение «Радиология Curiositas» является эффективным способом обучения и оценки знаний студентов.
Ключевые слова: Лучевая диагностика, мотивационный алгоритм, мобильное приложение
CREATION OF THE MOBILE APPLICATION FOR RADIOLOGY TRAINING AND KNOWLEDGE EVALUATION IN MEDICAL STUDENTS Tagil A. O.
Scientific adviser -Doctor of Medicine, professor, director of the Problem scientific-research Laboratory "Diagnostic researches and miniinvasive technologies" Borsukov A. V.
Smolensk State Medical University,
28, Krupskoy St., Smolensk, 214019, Russia
Abstract. The mobile application "Radiology Curiositas" was created in this study to teach and evaluate knowledge in the radiology field. Medical students, (n = 11), were divided into groups depending on the interest presence or absence in this discipline. It was revealed that the average number of points scored among the students interested in the discipline was 20 (60,3%), and among the students not interested in the discipline -9 (27,3%) in the framework of mobile training. After the students passed the motivation algorithm and repeated testing in the application, the indicators increased to 26 (78,8%) and 16 (48,5%), respectively. This allows to conclude that the mobile application "Radiology Curiositas" is an effective way of teaching and assessing students' knowledge.
Keywords: radiology, motivation algorithm, mobile application
Введение
Одним из существенных факторов, влияющий на характер и исход лечебных мероприятий, является полная и своевременная диагностика различных заболеваний. За последние десятилетия лучевая диагностика претерпела значительные революционные перемены. Классическая рентгенология дополнилась новыми современными методами исследования: компьютерной томографией, магнитно-резонансной томографией, ультразвуковой диагностикой, двух-энергетической рентгеновской абсорбциометрией и многими другими. Благодаря этому имеется возможность постановки правильного диагноза даже в самых сложных клинических случаях. Важным является то, что имеется возможность выявлять заболевания на доклиническом, бессимптомном этапе течения, а также предотвратить дальнейшее их прогрессирование. В настоящее время во всем мире широко признана польза и диагностическая эффективность компьютерной томографии (КТ) в распознавании мельчайших изменений в легочной ткани [4].
Также магнитно-резонансная томография является «золотым» стандартом в диагностике опухолей головного мозга. Однако, не смотря на такое многообразие методов исследования, уровень подготовки молодых специалистов в учебных заведениях, в том числе в сфере лучевой диагностики, имеет явную тенденцию к снижению, по результатам предварительного тестирования студентов на знание основ лучевой диагностики. По данным Международной программы социальных исследований (ISSP) [3], 63% граждан нашей страны считают, что профессиональный уровень большинства врачей ниже требуемого.
Цель: создание мобильного приложения «Радиология Cшrюsitas» с целью обучения и последующей оценки знаний в области лучевой диагностики у студентов медицинских ВУЗов.
Материалы и методы: в 2017-2018 гг. на базе Проблемной научно-исследовательской лаборатории «Диагностические исследования и малоинвазивные технологии» СГМУ было проведено исследование, которое включало в себя 4 этапа:
1 этап - проведение предварительного тестирования на выявление студентов медицинских ВУЗов, заинтересованных в дисциплине «Лучевая диагностика».
2 этап - создание мобильного приложения «Радиология Curюsitas», представляющее собой информационную программу по обучению и оценке знаний студентов в области лучевой диагностики, тестирование приложение на студентах.
3 этап - создание мотивационного алгоритма для студентов, как для заинтересованных, так и для не заинтересованных в дисциплине «Лучевая диагностика».
4 этап - повторное тестирование мобильного приложения на студентах после прохождения ими обучения в рамках мотивационного алгоритма.
Результаты и их обсуждение
На 1 этапе исследования в тестировании приняли участие 110 студентов медицинских ВУЗов, из них: п=15 (1 курс), п=19 (2 курс), п=18 (3 курс), п=21 (4 курс), п=19 (5 курс), п=19 (6 курс). В результате опроса был выявлен интерес к дисциплине у 51 студентов (46,4%), которые составили 1 группу испытуемых. (Табл. 1.). 2 группа включала в себя студентов, не заинтересованных в дисциплине «Лучевая диагностика» (п=59, 53,2%).
Таблица 1. Распределение студентов медицинских ВУЗов в зависимости от наличия заинтересованности в дисциплине «Лучевая диагностика»_
Интерес/Курс 1 курс 2 курс 3 курс 4 курс 5 курс 6 курс
Нет интереса 11 13 13 7 8 7
Есть интерес 4 6 5 14 11 11
На 2 этапе нами было разработано мобильное приложение «Радиология Cшrюsitas», которое включает в себя клинические случаи 5 уровней сложностей с использованием 5 методов исследования: рентгенография, КТ, МСКТ, МРТ, ПЭТ -КТ, УЗИ, с тестовыми вариантами ответа, 1 из которых является верным [1-2, 5-7]. Каждому студенту было предложено решить 5 клинических случаев, каждый из которых оценивался в баллах. Максимальное количество баллов, которые возможно получить, составляет - 33 балла, минимальное количество - 0 баллов.
В 1 группе, максимальное количество баллов набрали студенты 4 курса (п=3), и студент 5 курса (п=1), минимальное -студенты 1 и 2 курсов (п=4), среднее количество набранных баллов среди студентов всех курсов - 20 (60,3%). Во 2 группе, максимальное количество баллов не набрал никто, лучший показатель - 24 баллов показал студент 4 курса (п=1), минимальное - студенты всех курсов (п=15), среднее количество набранных баллов среди студентов всех курсов -9 (27,3%). (Табл. 2).
Таблица 2. Средние показатели баллов среди студентов разных курсов
Курс Студенты, баллы
Заинтересованные в дисциплине Не заинтересованные в дисциплине
Среднее значение баллов Среднее значение баллов
1 Курс 13 4
2 Курс 15 5
3 Курс 19 9
4 Курс 25 13
5 Курс 24 11
6 Курс 25 11
Среднее значение среди всех студентов 20 9
На 3 этапе был разработан мотивационный алгоритм для студентов как 1, так и 2 группы, который заключается в пояснении каждого клинического случая, разъяснении причин, по которым тот или иной ответ является верным или неверным. Также к каждой конкретной задаче студенту были предоставлены максимально современные и адаптивные источники литературы. Пройти данный мотивационный алгоритм согласились студенты из 1 группы (п=42), из 2 группы (п=29).
На 4 этапе студентам было предложено повторно решить клинические задачи, отличающиеся от тех, что были предложены на 2 этапе.
В 1 группе, максимальное количество баллов набрали студенты всех курсов (п=15), и минимальное - не набрал ни один из студентов, среднее количество набранных баллов среди студентов всех курсов - 26 (78,8%).
Во 2 группе, максимальное количество баллов набрали студенты 4 курса (п=5), минимальное - студенты 1 курса (п=1), среднее количество набранных баллов среди студентов всех курсов - 16 (48,5%). (Табл. 2).
Таблица 2. Средние баллы среди студентов, повторно прошедших тестирование в мобильном приложении
Студенты, баллы
Курс Заинтересованные в дисциплине Не заинтересованные в дисциплине
Среднее значение баллов Среднее значение баллов
1 Курс 19 10
2 Курс 23 12
3 Курс 25 15
4 Курс 28 19
5 Курс 29 20
6 Курс 31 21
Среднее значение среди 26 16
всех студентов
Заключение
Таким образом, заинтересованность в дисциплине «Лучевая диагностика» имеется среди студентов всех курсов, мобильное приложение является эффективным и современным способом обучения и оценки знаний студентов, использование мотивационного алгоритма способно пробудить интерес к дисциплине у студентов, которые первоначально не были в ней заинтересованы. И в связи с развитием мобильных технологий и урбанизации населения, данное приложение возможно использовать в любом месте. Несмотря на эффективность данной методики обучения, необходимо продолжить исследование с дальнейшим тестированием студентов и добавления нового материала.
Список литературы
1) Борсуков A.B., Морозова Т.Г. Применение комплексной эластографии печени в рамках мультипараметрического ультразвукового исследования // Лучевая диагностика и терапия. - 2017.- 78 с.
2) Венидиктова Д.Ю. Ультразвуковой метод количественной оценки стеатоза печени у пациентов с избыточной массой тела и ожирением // Смоленский медицинский альманах - 2017 - С. 55-59.
3) Международные программы социальных исследований (ISSP), опросы взрослого населения, проведенные по заказу НИУ ВШЭ в феврале 2017 года (N= 4500)
4) Малевич Э.Е. Качество рентгендиагностики заболеваний легких // ARS medica. - 2011. - с. 246.
5) Berthold Block. Der Sono-Trainer: Schritt-fur-Schritt-Anleitungen fur die Oberbauchsonographie. - 2007 - Р. 103-177
6) Joseph Hornak. Base MRI -2005 - Р. 93-151
7) Matthias Hofer. CT Teaching Manual - 2008 - Р. 56-68
УДК 616.12-008.331.1
ОЦЕНКА СТЕПЕНИ КОГНИТИВНЫХ НАРУШЕНИЙ У ПАЦИЕНТОВ С АРТЕРИАЛЬНОЙ ГИПЕРТЕНЗИЕЙ Тейкин Ю.А., Шлапова А.В.
Научный руководитель - к.м.н., доцент Янковая Т.Н. Смоленский государственный медицинский университет, Россия, 214019, Смоленск, ул. Крупской, 28. faqzoom52@gmail.com - Тейкин Юрий Алексеевич Резюме
