C’è una crescente pressione sociale perché gli studenti di medicina raggiungano la fine del loro curriculum con un livello di competenza sufficiente per affrontare la pratica clinica già nella fase iniziale della loro carriera. L’apprendimento basato sui casi (Case-Based Learning, o CBL) è un metodo d’insegnamento efficace per preparare gli studenti alla pratica clinica attraverso l’uso di casi clinici reali o realistici. A tale riguardo, la cartella clinica elettronica (EHR) potrebbe essere una buona fonte di storie di pazienti reali per estrarre casi reali a fini didattici. HIN (Health Issue Network, rete di problemi di salute) è introdotto come nuovo approccio per migliorare la metodologia CBL per l’educazione alle scienze mediche, nonché uno strumento innovativo per interrogare le cartelle cliniche elettroniche orientate ai problemi. In questo rapport vengono descritti il formalismo di HIN basato sulle reti di Petri e il formalismo grafico per gli utenti finali, sia nel caso di persona generica (HIN e f-HIN) che di persona reale (HINe e f-HINe). Vengono inoltre presentati alcuni esempi di uso di HIN per estrarre casi clinici da EHR ed esempi di esercitazioni per gli studenti di medicina.
Keywords
APPRENDIMENTO BASATO SUI CASI
CARTELLA CLINICA ELETTRONICA
CASE-BASED LEARNING (CBL)
EDUCATION
EDUCAZIONE
ELECTRONIC HEALTHCARE RECORD (EHR)
HEALTH ISSUES
PETRI NETS
PROBLEMA DI SALUTE
RETI DI PETRI
Reference
Ricci, F.L.; Pecoraro, F.; Luzi, D.; Consorti, F.; Tamburis, O. HIN (Health Issue Network). Rete dei Problemi di Salute. Uso delle reti di Petri per l’educazione nelle Scienze Mediche Consiglio Nazionale delle Ricerche – Istituto di Ricerche sulla Popolazione e le Politiche Sociali. IRPPS Working Paper 2020, 122, 1–40.
AllegatiRicci, F.L.; Pecoraro, F.; Luzi, D.; Consorti, F.; Tamburis, O. HIN (Health Issue Network). Rete dei Problemi di Salute. Uso delle reti di Petri per l’educazione nelle Scienze Mediche Consiglio Nazionale delle Ricerche – Istituto di Ricerche sulla Popolazione e le Politiche Sociali. IRPPS Working Paper 2020, 122, 1–40.