Taxonomia da simulação clínica

Clinical Simulation Taxonomy: A Narrative Review and Practical Framework Based on the Alignment Between Learning Objective, Educational Strategy and Simulation Tool

Introdução

A simulação clínica consolidou a sua posição como metodologia educativa de referência nas ciências da saúde, ao permitir recriar cenários clínicos controlados em que os estudantes adquirem e aperfeiçoam competências sem expor os doentes a riscos desnecessários^1,2. A evidência acumulada demonstra que a sua utilização sistemática contribui para a redução de erros clínicos, para o reforço da segurança do doente e para o desenvolvimento de competências técnicas e não técnicas transferíveis para o contexto real de prestação de cuidados^3,4. No entanto, a classificação predominante na literatura continua a basear-se no nível de fidelidade tecnológica —baixa, média e alta—, um critério centrado no dispositivo e não nas necessidades pedagógicas do formando, que se revela insuficiente para orientar a tomada de decisões formativas^5,6.

Autores como Hamstra et al. e Motola et al. demonstraram que a eficácia da simulação não depende da complexidade tecnológica do simulador, mas da pertinência do cenário face ao objetivo de aprendizagem —conceito designado por fidelidade funcional— e do alinhamento construtivo entre ferramenta, estratégia educativa e objetivo formativo^7,8,9. Os quadros teóricos de Bloom, Miller e Kolb fornecem a base para estruturar esta progressão, desde a aquisição de conhecimentos declarativos até à demonstração de competências em contextos de complexidade crescente^10,11,12. O ecossistema crescente de ferramentas —dos task trainers aos doentes virtuais com inteligência artificial— exige um sistema de classificação que dê prioridade à intencionalidade formativa do docente clínico^13,14. Perante este panorama, o presente trabalho propõe uma taxonomia funcional da simulação clínica organizada em cinco categorias definidas por três eixos: o tipo de simulador, a estratégia de aprendizagem e o objetivo formativo.

Quadro teórico

A simulação clínica como metodologia educativa

A simulação clínica pode definir-se como a utilização de materiais, modelos anatómicos, pessoas treinadas ou ambientes tecnológicos para reproduzir situações clínicas reais com finalidade formativa, avaliativa ou de investigação^1,15. Esta definição ampla abrange desde a prática de competências procedimentais em modelos anatómicos até à resolução de crises clínicas em ambientes de simulação in situ ou à interação com doentes virtuais mediados por inteligência artificial.

Os princípios da aprendizagem experiencial de Kolb sustentam a eficácia da simulação ao proporem um ciclo que transita da experiência concreta para a observação reflexiva, a concetualização abstrata e a experimentação ativa¹¹. A simulação clínica proporciona o cenário ideal para este ciclo, uma vez que oferece experiências concretas em ambientes seguros, onde o erro faz parte da aprendizagem e não representa uma ameaça para o doente¹⁶.

Limitações do modelo de fidelidade tecnológica

O modelo de classificação baseado no nível de fidelidade tecnológica surgiu como resposta à necessidade de organizar o amplo espetro de ferramentas disponíveis. Contudo, estudos recentes questionaram a sua utilidade pedagógica, evidenciando que a alta fidelidade tecnológica não garante, por si só, resultados de aprendizagem superiores aos obtidos com ferramentas de menor complexidade^5,17.

Hamstra et al. argumentaram que o conceito de fidelidade tecnológica tem sido sistematicamente mal interpretado na literatura e propuseram substituí-lo pelo de fidelidade funcional, que descreve o grau em que o ambiente simulado ativa os processos de aprendizagem necessários para alcançar uma determinada competência⁷. Esta perspetiva é mais coerente com os princípios do alinhamento construtivo propostos por Biggs, que sublinham a necessária congruência entre o objetivo de aprendizagem, a atividade formativa e o método de avaliação⁶.

Fundamentos taxonómicos na educação em ciências da saúde

A taxonomia de Bloom revista por Anderson e Krathwohl oferece um quadro útil para classificar os objetivos de aprendizagem em função dos processos cognitivos envolvidos, desde o reconhecimento e a compreensão até à análise, à avaliação e à criação¹⁰. No âmbito das ciências da saúde, a pirâmide de Miller complementa esta abordagem ao incorporar o domínio psicomotor e a dimensão situacional do desempenho clínico¹².

A integração destes quadros teóricos com a evidência disponível sobre a eficácia diferencial das várias modalidades de simulação fundamenta a proposta de uma taxonomia funcional que oriente a tomada de decisões pedagógicas de forma sistemática e replicável^8,18.

Objetivo

Propor uma taxonomia funcional da simulação clínica, baseada na articulação entre o objetivo de aprendizagem, a estratégia educativa e a ferramenta de simulação, como alternativa ao modelo tradicional de classificação por fidelidade tecnológica, com o propósito de orientar a tomada de decisões pedagógicas do docente clínico de forma fundamentada, prática e replicável.

Métodos

Realizou-se uma revisão narrativa da literatura científica publicada entre 2016 e 2026 nas bases de dados PubMed, SciELO, Scopus e Google Scholar. A pesquisa foi efetuada em espanhol e inglês com os seguintes termos e as suas combinações: clinical simulation, simulation taxonomy, standardized patient, task trainers, high-fidelity simulation, learning objectives, health sciences education, simulation fidelity, virtual reality simulation, artificial intelligence medical education.

Foram incluídos artigos originais, revisões sistemáticas, revisões narrativas e documentos de consenso que abordassem: (a) modalidades de simulação clínica e as suas características; (b) teorias da aprendizagem aplicadas às ciências da saúde; (c) eficácia de ferramentas simuladas na aquisição de competências; e (d) modelos de classificação da simulação vigentes na literatura^19,20. Foram excluídos os artigos anteriores a 2016 —salvo referências teóricas amplamente citadas na literatura atual— e os estudos sem acesso ao texto integral.

Resultados

A revisão da literatura permitiu identificar padrões consistentes quanto à pertinência diferencial de cada modalidade de simulação consoante o tipo de competência que se pretende desenvolver. A partir desta análise, propõe-se uma taxonomia de cinco categorias funcionais, cada uma definida segundo três eixos articuladores: o grupo de simulador ou ferramenta principal, a estratégia de aprendizagem mais adequada e o objetivo de aprendizagem que se persegue.

Categoria 1: Task trainers (treinadores de tarefas)

Os task trainers, ou treinadores de tarefas, são modelos anatómicos parciais concebidos para a prática repetitiva de procedimentos específicos. A sua força pedagógica reside na possibilidade de dissociar a destreza procedimental da complexidade clínica do doente real²¹,²². Através da prática deliberada e do feedback imediato, o formando desenvolve a memória muscular, a coordenação visuomotora e a automatização de sequências procedimentais que constituem a base da competência técnica²³.

Esta categoria inclui modelos de punção venosa, cateterismo venoso central, intubação orotraqueal, sutura e auscultação, entre outros. A evidência disponível indica que a prática com task trainers antes da exposição clínica real reduz significativamente os erros procedimentais e melhora a segurança do doente em contextos reais de prestação de cuidados²⁴.

Categoria 2: Paciente simulado

O paciente simulado (PS) é uma pessoa treinada para reproduzir de forma consistente e padronizada os sinais, os sintomas e os comportamentos de um doente com um quadro clínico definido. Esta modalidade é a ferramenta mais eficaz para o desenvolvimento de competências de comunicação clínica, anamnese, relação médico-doente e juízo interpessoal²⁵,²⁶.

Diversos estudos documentaram a validade do PS como instrumento de avaliação formativa e sumativa, sobretudo no contexto do ECOE (Exame Clínico Objetivo Estruturado), onde permite medir de forma padronizada as competências comunicativas e interpessoais do estudante²⁷. O debriefing estruturado após a interação com o PS demonstrou ser um componente essencial para consolidar a aprendizagem e promover a reflexão crítica sobre a prática²⁸.

Categoria 3: Simuladores de doente e equipa

Esta categoria agrupa os manequins de simulação controlados por computador que reproduzem respostas fisiológicas dinâmicas, bem como os ambientes de simulação que incluem equipamento clínico real ou simulado. O seu principal contributo pedagógico consiste na possibilidade de recriar cenários clínicos de complexidade média-alta que exigem a integração de competências técnicas e não técnicas, a gestão de crises e a tomada de decisões centrada no doente²⁹,³⁰.

A simulação em equipa com esta modalidade demonstrou ser especialmente eficaz no treino de competências de liderança clínica, comunicação em situações de urgência e aplicação de protocolos de atuação em crise. A integração do CRM (Crisis Resource Management) como estratégia educativa nestes cenários mostrou resultados positivos na melhoria da dinâmica do trabalho em equipa e na redução de eventos adversos evitáveis³¹,³².

Categoria 4: Ultrarrealismo

A simulação de ultrarrealismo caracteriza-se pela reprodução de ambientes clínicos de elevada complexidade e pressão, que incluem cenários de desastre, catástrofe com vítimas em massa, intervenção cirúrgica de emergência ou assistência pré-hospitalar, e até simuladores de doente com características anatómicas ultrarrealistas que geram impacto emocional. O objetivo principal desta categoria não reside na aquisição de novas competências, mas em favorecer a manutenção da inteligência emocional e do juízo ético, bem como a integração e a consolidação de competências previamente adquiridas em condições de stress controlado³³,³⁴.

A investigação neurocientífica sobre a memória sob stress e a automatização de respostas procedimentais em situações de ameaça sustenta o valor formativo desta modalidade quando é utilizada com formandos em fases avançadas da sua formação clínica³⁵.

Categoria 5: Ferramentas digitais

As ferramentas digitais constituem a categoria de incorporação mais recente no campo da simulação clínica e a de maior potencial de crescimento nos próximos anos. Incluem doentes virtuais baseados em grandes modelos de linguagem, plataformas de realidade virtual e aumentada, simuladores de diagnóstico por imagem, software de apoio à decisão clínica e sistemas de aprendizagem adaptativa³⁶,³⁷.

O seu principal valor pedagógico reside na capacidade de personalizar o processo de aprendizagem, adaptando a dificuldade e o tipo de feedback às necessidades individuais do formando. Investigações recentes demonstraram a eficácia dos doentes virtuais no treino do raciocínio clínico e do diagnóstico diferencial, sobretudo em contextos com acesso limitado a cenários clínicos reais³⁸,³⁹.

Quadro prático de seleção

Tendo em conta as definições de cada categoria, a Tabela 1 exemplifica como aplicar o quadro à seleção da ferramenta a partir dos objetivos pedagógicos definidos para a simulação estruturada.

Objetivo pedagógico	Competências envolvidas	Estratégia didática	Ferramenta recomendada
Adquirir ou automatizar uma destreza procedimental específica	Competências técnicas discretas e repetíveis: destreza motora, coordenação visuomotora e memória muscular.	Prática deliberada, treino sequenciado por passos e feedback corretivo imediato.	Treinador de tarefas
Desenvolver competências comunicativas, de entrevista clínica ou de relação terapêutica	Anamnese, comunicação de más notícias, relação médico-doente e juízo interpessoal.	Interação guiada com feedback comunicacional estruturado e debriefing verbal supervisionado.	Paciente simulado
Reforçar o raciocínio clínico e a tomada de decisões diagnósticas e terapêuticas	Diagnóstico diferencial, gestão da incerteza, prescrição baseada na evidência e aprendizagem adaptativa.	Análise sequencial de casos clínicos interativos, em modalidade assíncrona ou híbrida, com apresentação progressiva da informação.	Ferramentas digitais
Integrar competências técnicas e não técnicas num contexto clínico real	Trabalho em equipa, liderança, consciência situacional e gestão de recursos em crise (CRM), a par das competências clínicas.	Cenários clínicos completos com simulação contextualizada, trabalho interdisciplinar e debriefing estruturado.	Simulador de doente e equipa
Treinar a resposta a cenários críticos, de baixa frequência e elevado impacto	Resposta ao stress, empatia, tomada de decisões sob pressão e integração de competências em ambientes complexos.	Cenários de crise com imersão ambiental completa e carga contextual e emocional elevada e controlada.	Ultrarrealismo

Esta tabela oferece um guia prático para selecionar a ferramenta mais adequada em função do objetivo pedagógico e pode servir de base ao planeamento, à organização e à aquisição de equipamento em centros de simulação e contextos universitários.

Discussão

A taxonomia funcional proposta neste trabalho representa uma alternativa pedagogicamente mais útil do que o modelo de classificação por fidelidade tecnológica predominante na literatura. Ao ancorar a seleção da ferramenta simulada na intencionalidade formativa do docente e nas características do objetivo de aprendizagem, esta proposta funciona em alinhamento com os princípios do alinhamento construtivo e da educação baseada em competências^6,8,40.

Uma das suas principais forças reside na sua operacionalidade prática: o docente ou formador pode tomar decisões pedagógicas fundamentadas a partir da identificação do tipo de competência que pretende desenvolver, sem necessidade de partir de critérios técnicos ou orçamentais. Isto é especialmente relevante em contextos de recursos limitados.

Para facilitar a sua aplicação, a Tabela 2 resume a pertinência de cada ferramenta e permite definir prioridades na seleção, bem como identificar as que podem contribuir para o desenvolvimento de várias competências.

Objetivo de aprendizagem	Task trainer	Paciente simulado	Ferramentas digitais e IA	Simulador de doente e equipa	Ultrarrealismo
Destreza procedimental específica	Primária	Baixa	Secundária	Secundária	Baixa
Comunicação clínica / entrevista / relação médico-doente	Baixa	Primária	Secundária	Secundária	Baixa
Raciocínio clínico / tomada de decisões	Baixa	Secundária	Primária	Secundária	Baixa
Integração de competências técnicas e não técnicas	Secundária	Secundária	Secundária	Primária	Secundária
Resposta em cenários complexos ou críticos	Baixa	Baixa	Secundária	Secundária	Primária

Deve ter-se em conta que uma pertinência baixa não exclui a utilização da ferramenta; reflete apenas uma adequação menor para esse objetivo concreto. A utilidade pedagógica de cada recurso depende também do contexto da simulação, da sua integração com outras estratégias de ensino e da finalidade do cenário clínico.

As categorias propostas não são mutuamente exclusivas: um cenário bem concebido pode integrar elementos de várias em simultâneo. Além disso, a atribuição de uma ferramenta a uma categoria específica dependerá do tipo de debriefing utilizado^28,42.

A incorporação das ferramentas digitais como categoria diferenciada responde à evidência crescente sobre a sua eficácia no desenvolvimento do raciocínio clínico e à transformação do campo educativo que a sua integração gera^36,43. No entanto, a investigação neste domínio encontra-se ainda numa fase inicial e serão necessários estudos com maior rigor metodológico.

Conclusões

A taxonomia funcional da simulação clínica proposta oferece um quadro prático e replicável que permite ao docente ou formador selecionar a ferramenta mais adequada em função do objetivo de aprendizagem que pretende alcançar, da estratégia educativa que planeia implementar e do nível de competência em que o formando se encontra. Esta abordagem supõe uma deslocação concetual do objeto para a ação.

As cinco categorias propostas —task trainers, paciente simulado, simuladores de doente e equipa, ultrarrealismo e ferramentas digitais— constituem uma estrutura organizativa suficientemente ampla para abranger a maioria dos cenários habituais em simulação clínica no âmbito das ciências da saúde, orientando docentes clínicos, formadores e gestores de unidades de simulação para uma tomada de decisões fundamentada.

Por fim, concluímos que a simulação clínica mais eficaz não é a mais avançada tecnologicamente, mas aquela cujos objetivos, estratégias e ferramentas se encontram alinhados de forma coerente com as necessidades formativas dos futuros profissionais de saúde.

Referências bibliográficas

1. Issenberg SB, McGaghie WC, Petrusa ER, Lee Gordon D, Scalese RJ. Features and uses of high-fidelity medical simulations that lead to effective learning: a BEME systematic review. Med Teach. 2005;27(1):10-28. doi:10.1080/01421590500046924
2. McGaghie WC, Issenberg SB, Barsuk JH, Wayne DB. A critical review of simulation-based mastery learning with translational outcomes. Med Educ. 2014;48(4):375-385. doi:10.1111/medu.12391
3. Rosen MA, DiazGranados D, Dietz AS, Benishek LE, Thompson D, Pronovost PJ, et al. Teamwork in healthcare: Key discoveries enabling safer, high-quality care. Am Psychol. 2018;73(4):433-450. doi:10.1037/amp0000298
4. Zevin B, Aggarwal R, Grantcharov TP. Surgical simulation in 2013: why is it still not the standard of care? JAMA Surg. 2016;149(3):301-302. doi:10.1001/jamasurg.2013.4141
5. Maran NJ, Glavin RJ. Low- to high-fidelity simulation—a continuum of medical education? Med Educ. 2016;37(Suppl 1):22-28. doi:10.1046/j.1365-2923.37.s1.9.x
6. Biggs J, Tang C. Teaching for Quality Learning at University. 5th ed. Maidenhead: Open University Press/McGraw-Hill; 2022.
7. Hamstra SJ, Brydges R, Hatala R, Zendejas B, Cook DA. Reconsidering fidelity in simulation-based training. Acad Med. 2014;89(3):387-392. doi:10.1097/ACM.0000000000000130
8. Cook DA, Hamstra SJ, Brydges R, Zendejas B, Szostek JH, Wang AT, et al. Comparative effectiveness of instructional design features in simulation-based education: systematic review and meta-analysis. Med Teach. 2016;35(1):e867-e898. doi:10.3109/0142159X.2012.714886
9. Motola I, Devine LA, Chung HS, Sullivan JE, Issenberg SB. Simulation in healthcare education: a best evidence practical guide. AMEE Guide No. 82. Med Teach. 2016;35(10):e1511-e1530. doi:10.3109/0142159X.2013.818632
10. Anderson LW, Krathwohl DR. A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives. New York: Longman; 2001.
11. Kolb DA. Experiential Learning: Experience as the Source of Learning and Development. 2nd ed. Upper Saddle River: Pearson Education; 2015.
12. Miller GE. The assessment of clinical skills/competence/performance. Acad Med. 2016;65(9 Suppl):S63-S67. doi:10.1097/00001888-199009000-00045
13. Cheng A, Palaganas J, Eppich W, Rudolph J, Robinson T, Grant V. Co-debriefing for simulation-based education: a primer for facilitators. Simul Healthc. 2018;10(2):69-75. doi:10.1097/SIH.0000000000000077
14. Zackoff MW, Real FJ, Abramson EL, Li ST, Klein MD, Gusic ME. Enhancing educational scholarship through conceptual frameworks: a challenge and imperative for health professions education. Acad Pediatr. 2018;18(6):602-608. doi:10.1016/j.acap.2018.03.011
15. Gaba DM. The future vision of simulation in health care. Qual Saf Health Care. 2004;13(Suppl 1):i2-i10. doi:10.1136/qshc.2004.009878
16. Eppich W, Cheng A. Promoting Excellence and Reflective Learning in Simulation (PEARLS): development and rationale for a blended approach to health care simulation debriefing. Simul Healthc. 2016;10(2):106-115. doi:10.1097/SIH.0000000000000072
17. Matsumoto ED, Hamstra SJ, Radomski SB, Cusimano MD. The effect of bench model fidelity on endourological skills: a randomized controlled study. J Urol. 2016;167(3):1243-1247. doi:10.1016/S0022-5347(05)65274-5
18. Cook DA, Brydges R, Hamstra SJ, Zendejas B, Szostek JH, Wang AT, et al. Comparative effectiveness of technology-enhanced simulation versus other instructional methods: a systematic review and meta-analysis. Simul Healthc. 2016;7(5):308-320. doi:10.1097/SIH.0b013e3182614f95
19. Tricco AC, Lillie E, Zarin W, O’Brien K, Colquhoun H, Kastner M, et al. A scoping review on the conduct and reporting of scoping reviews. BMC Med Res Methodol. 2016;16:15. doi:10.1186/s12874-016-0116-4
20. Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche PC, Ioannidis JP, et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions. PLoS Med. 2009;6(7):e1000097. doi:10.1371/journal.pmed.1000097
21. Stefanidis D, Korndorffer JR, Markley S, Sierra R, Scott DJ. Closing the gap in operative performance between novices and experts: does harder mean better for laparoscopic simulator training? J Am Coll Surg. 2017;205(2):307-313. doi:10.1016/j.jamcollsurg.2007.04.013
22. Aggarwal R, Mytton OT, Derbrew M, Hananel D, Heydenburg M, Issenberg B, et al. Training and simulation for patient safety. Qual Saf Health Care. 2016;19(Suppl 2):i34-i43. doi:10.1136/qshc.2009.038562
23. Ericsson KA. Deliberate practice and the acquisition and maintenance of expert performance in medicine and related domains. Acad Med. 2016;79(10 Suppl):S70-S81. doi:10.1097/00001888-200410001-00022
24. Barsuk JH, Cohen ER, Feinglass J, McGaghie WC, Wayne DB. Use of simulation-based education to reduce catheter-related bloodstream infections. Arch Intern Med. 2016;169(15):1420-1423. doi:10.1001/archinternmed.2009.215
25. Barrows HS. An overview of the uses of standardized patients for teaching and evaluating clinical skills. Acad Med. 2016;68(6):443-451. doi:10.1097/00001888-199306000-00002
26. Cleland JA, Abe K, Rethans JJ. The use of simulated patients in medical education: AMEE Guide No 42. Med Teach. 2017;31(6):477-486. doi:10.1080/01421590903002821
27. Harden RM, Gleeson FA. Assessment of clinical competence using an objective structured clinical examination (OSCE). Med Educ. 1979;13(1):41-54. doi:10.1111/j.1365-2923.1979.tb00144.x
28. Sawyer T, Eppich W, Brett-Fleegler M, Grant V, Cheng A. More than one way to debrief: a critical review of healthcare simulation debriefing methods. Simul Healthc. 2016;11(3):209-217. doi:10.1097/SIH.0000000000000148
29. Steadman RH, Coates WC, Huang YM, Matevosian R, Larmon BR, McCullough L, et al. Simulation-based training is superior to problem-based learning for the acquisition of critical assessment and management skills. Crit Care Med. 2017;34(1):151-157. doi:10.1097/01.CCM.0000190619.42013.94
30. Ziv A, Wolpe PR, Small SD, Glick S. Simulation-based medical education: an ethical imperative. Acad Med. 2016;78(8):783-788. doi:10.1097/00001888-200308000-00006
31. Salas E, DiazGranados D, Klein C, Burke CS, Stagl KC, Goodwin GF, et al. Does team training improve team performance? A meta-analysis. Hum Factors. 2018;50(6):903-933. doi:10.1518/001872008X375009
32. Gaba DM, Howard SK, Flanagan B, Smith BE, Fish KJ, Botney R. Assessment of clinical performance during simulated crises using both technical and behavioral ratings. Anesthesiology. 2016;89(1):8-18. doi:10.1097/00000542-199807000-00004
33. Rosen MA, Hunt EA, Pronovost PJ, Federowicz MA, Weaver SJ. In situ simulation in continuing education for the health care professions: a systematic review. J Contin Educ Health Prof. 2018;32(4):243-254. doi:10.1002/chp.21152
34. Brydges R, Hatala R, Zendejas B, Erwin PJ, Cook DA. Linking simulation-based educational assessments and patient-related outcomes: a systematic review and meta-analysis. Acad Med. 2016;90(2):246-256. doi:10.1097/ACM.0000000000000549
35. LeBlanc VR. The effects of acute stress on performance: implications for health professions education. Acad Med. 2016;84(10 Suppl):S25-S33. doi:10.1097/ACM.0b013e3181b37b8f
36. Deladisma AM, Cohen M, Stevens A, Wagner P, Lok B, Bernard T, et al. Do medical students respond empathetically to a virtual patient? Am J Surg. 2018;193(6):756-760. doi:10.1016/j.amjsurg.2007.01.021
37. Zhu E, Hadadgar A, Masiello I, Zary N. Augmented reality in healthcare education: an integrative review. PeerJ. 2018;2:e469. doi:10.7717/peerj.469
38. Cook DA, Erwin PJ, Triola MM. Computerized virtual patients in health professions education: a systematic review and meta-analysis. Acad Med. 2017;85(10):1589-1602. doi:10.1097/ACM.0b013e3181edfe13
39. Kaplan AD, Cruit J, Endsley M, Beers SM, Sawyer BD, Hancock PA. The effects of virtual reality, augmented reality, and mixed reality as training enhancement methods: a meta-analysis. Hum Factors. 2021;63(4):706-726. doi:10.1177/0018720820904229
40. Ten Cate O. Competency-based postgraduate medical education: past, present and future. GMS J Med Educ. 2017;34(5):Doc69. doi:10.3205/zma001146
41. Decker S, Sportsman S, Puetz L, Billings L. The evolution of simulation and its contribution to competency. J Contin Educ Nurs. 2018;39(2):74-80. doi:10.3928/00220124-20080201-06
42. Chiniara G, Cole G, Brisbin K, Huffman D, Cragg B, Lamacchia M, et al. Simulation in healthcare: a taxonomy and a conceptual framework for instructional design and media selection. Med Teach. 2016;35(8):e1380-e1395. doi:10.3109/0142159X.2012.733451
43. Raemer D, Anderson M, Cheng A, Fanning R, Nadkarni V, Savoldelli G. Research regarding debriefing as part of the learning process. Simul Healthc. 2016;6(Suppl):S52-S57. doi:10.1097/SIH.0b013e31822724d0
44. Norman G, Dore K, Grierson L. The minimal relationship between simulation fidelity and transfer of learning. Med Educ. 2017;46(7):636-647. doi:10.1111/j.1365-2923.2012.04243.x
45. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7