Modellare i compiti infermieristici in scenari di emergenza simulati: approfondimenti per la formazione clinica e la pratica

Perché questa ricerca è importante per la cura dei pazienti

Quando una persona nel pronto soccorso inizia a peggiorare improvvisamente, spesso sono gli infermieri i primi a notarlo e ad intervenire. Le loro decisioni rapide — cosa controllare, chi chiamare, quale trattamento iniziare — possono fare la differenza tra la ripresa e danni gravi. Molte di queste scelte avvengono però così in fretta e in modo così intuitivo che anche infermieri esperti faticano a spiegarne il processo. Questo studio esplora se le moderne intelligenze artificiali possono apprendere i modelli che sottendono le azioni degli infermieri esperti in simulazioni realistiche di emergenza, con l’obiettivo di guidare un giorno gli infermieri meno esperti in situazioni ad alto rischio.

Come pensano gli infermieri esperti sul campo

Gli infermieri esperti che assistono pazienti molto malati fanno molto più che seguire checklist passo dopo passo. Combinano continuamente le letture dei monitor, i risultati nella cartella, ciò che vedono e percepiscono durante l’esame obiettivo e ciò che i pazienti riferiscono su come si sentono. Gran parte di questo processo decisionale è rapido, intuitivo e difficile da verbalizzare. Gli infermieri alle prime armi, al contrario, spesso si aggrappano rigidamente ai protocolli scritti e si concentrano principalmente sui numeri del monitor, il che può renderli meno capaci di adattarsi quando le condizioni del paziente cambiano in modi imprevisti. I ricercatori hanno ipotizzato che se fosse possibile catturare la sequenza di azioni visibili che gli infermieri compiono — come controllare i segni vitali, parlare con il paziente o chiamare un medico — si potrebbe modellare questo processo decisionale abbastanza bene da supportare la formazione e la pratica clinica.

Emergenze simulate in un ambiente sicuro

Per studiare questi schemi senza mettere a rischio pazienti reali, il team ha utilizzato simulazioni dettagliate con manichini molto realistici. Undici infermieri esperti e tredici studenti di infermieristica al terzo anno hanno completato scenari di emergenza in cui un paziente sviluppava improvvisamente un ictus ischemico e, per gli esperti, uno scenario aggiuntivo con pazienti affetti da complicazioni gravi da Covid‑19. Ogni azione compiuta dagli infermieri — 19 comportamenti distinti in totale — è stata registrata su video, cronometrata e poi codificata accuratamente da esperti clinici e di fattori umani. Queste numerose azioni specifiche sono state quindi raggruppate in otto categorie più ampie, come il controllo dei segni vitali, l’esecuzione di valutazioni fisiche mirate, la comunicazione con il paziente, la consultazione della cartella, la somministrazione di farmaci, la chiamata al medico, l’ordine di esami aggiuntivi o l’attivazione del team di risposta rapida.

Cosa hanno rivelato i dati sui modelli infermieristici

Nel corso di 33 episodi di simulazione, infermieri e studenti hanno eseguito 1.024 azioni, con una media di circa 31 azioni per scenario. Il controllo dei segni vitali è risultato di gran lunga il comportamento più comune, seguito dalle valutazioni fisiche mirate e dalla conversazione con il paziente. Una mappa di transizione ha mostrato che, indipendentemente da ciò che l’infermiere avesse appena fatto, la mossa successiva più probabile era il controllo del monitor — suggerendo che gli infermieri usano regolarmente i valori numerici per confermare ciò che osservano e ascoltano. Sono emerse anche differenze notevoli tra esperti e studenti: gli esperti bilanciavano il tempo tra monitor e valutazioni pratiche, ordinavano più spesso esami aggiuntivi e somministravano farmaci, mentre gli studenti si affidavano maggiormente al solo monitor. Queste differenze hanno generato un insieme variegato di schemi comportamentali che potrebbero aiutare un modello ad apprendere regole più generali per la cura del paziente.

Insegnare a un modello a prevedere la mossa infermieristica successiva

La domanda centrale era se un approccio di intelligenza artificiale moderno, noto come trasformatore basato sull’attenzione, potesse apprendere a prevedere quale azione un infermiere avrebbe compiuto dopo, basandosi solo sulla sequenza delle azioni precedenti. Il team ha addestrato questo modello sui dati codificati delle simulazioni e lo ha confrontato con due metodi tradizionali di apprendimento delle sequenze: una rete neurale ricorrente di base e una rete a memoria a lungo termine (LSTM). Tut e tre i modelli hanno fatto meglio del semplice indovinare l’azione più comune successiva. Il modello basato sull’attenzione ha raggiunto circa il 73 percento di accuratezza complessiva e in genere ha offerto la performance più equilibrata tra i diversi tipi di azione, specialmente nel richiamare comportamenti meno frequenti ma importanti. Il modello LSTM ha ottenuto una precisione leggermente superiore — cioè quando prevedeva una determinata azione aveva una probabilità un po’ maggiore di essere corretto — ma la sua performance variava di più fra i tipi di azione.

Cosa potrebbe significare per la formazione e la cura nel mondo reale

Per un non esperto, il risultato chiave è che un sistema informatico può apprendere schemi significativi da come gli infermieri lavorano realmente nelle emergenze e può fare previsioni ragionevolmente accurate su ciò che un infermiere esperto è probabile che faccia dopo. Nel breve termine, un simile sistema potrebbe essere integrato nella formazione tramite simulazione: mentre gli studenti affrontano, ad esempio, uno scenario di ictus, il modello potrebbe osservare la loro sequenza di azioni e suggerire con discrezione il passo successivo utile quando si trovano in difficoltà, preservando l’approccio olistico dell’infermiere umano piuttosto che sostituirlo. Gli autori sottolineano che saranno necessari più dati, condizioni aggiuntive oltre a ictus e Covid‑19 e un’attenta attenzione alla privacy prima di utilizzare strumenti simili negli ospedali reali. Tuttavia, questo studio offre un primo scorcio di come l’IA potrebbe un giorno sostenere, piuttosto che soppiantare, le decisioni rapide e salvavita degli infermieri.

Citazione: Anton, N.E., Malusare, A.M., Aggarwal, V. et al. Modeling nursing care tasks in simulated emergency scenarios: insights for clinical training and practice. npj Health Syst. 3, 24 (2026). https://doi.org/10.1038/s44401-026-00079-y

Parole chiave: processo decisionale infermieristico, simulazione clinica, apprendimento automatico, modelli di attenzione, assistenza di emergenza