ВЛИЯНИЕ ЦИФРОВОГО ПОМОЩНИКА НА КАЧЕСТВО СЕРДЕЧНО-ЛЕГОЧНОЙ РЕАНИМАЦИИ, ВЫПОЛНЯЕМОЙ СТУДЕНТАМИ-МЕДИКАМИ

Цель: оценить влияние мобильного цифрового помощника на качество выполнения базового алгоритма сердечно-легочной реанимации (СЛР) студентами-медиками первого курса в симулированных условиях.
Методы и материалы. В 2024 году проведено одноцентровое рандомизированное контролируемое исследование, в котором приняли участие 196 студентов-первокурсников. Участники были случайным образом распределены на две группы: экспериментальную (n = 80), где СЛР выполнялась с использованием цифрового помощника, и контрольную (n = 116), где реанимационные мероприятия проводились без него. Качество СЛР оценивалось на тренажерах с обратной электронно-цифровой связью AmbuMan®. Проводился непараметрический статистический анализ: для сравнения количественных показателей использовался U-критерий Манна–Уитни, для качественных — точный критерий Фишера с расчетом отношения шансов (ОШ) и 95% доверительных интервалов (ДИ).
Результаты. Использование цифрового помощника привело к статистически значимому увеличению времени до начала компрессий грудной клетки: медиана в экспериментальной группе составила 97,0 с [межквартильный размах: 56,8–125,0] по сравнению с 55,0 с [42,3–74,0] в контрольной (p < 0,001). При этом в группе с цифровым помощником участники значительно чаще правильно оценивали сознание (75,0% против 61,2%; ОШ 1,90, 95% ДИ 1,01–3,57; p = 0,047) и наличие дыхания (81,2% против 50,9%; ОШ 4,19, 95% ДИ 2,14–8,17; p < 0,001). Статистически значимых различий в качестве компрессий (глубина, частота, релаксация) и вдохов между группами не выявлено.
Заключение. Цифровой помощник эффективно улучшает выполнение диагностических этапов алгоритма СЛР студентами-медиками без клинического опыта. Однако его использование сопряжено со значимой задержкой начала компрессий, что является критически важным негативным эффектом, требующим дальнейшей оптимизации интерфейса приложения и разработки специализированных протоколов обучения.

1. Okubo M., Komukai S., Andersen L.W., et al.; American Heart Association’s Get With The Guidelines— Resuscitation Investigators. Duration of cardiopulmonary resuscitation and outcomes for adults with inhospital cardiac arrest: retrospective cohort study. BMJ. 2024 Feb. 7. 384. e076019. doi: 10,1136/bmj2023-076019.

2. Masterson S., Norii T., Yabuki M., et al.; BLS ILCOR Task Force. Real-time feedback for CPR quality - A scoping review. Resusc Plus. 2024 Jul 31. 19. 100730. doi: 10.1016/j.resplu.2024.100730.

3. Lakomek F., Lukas R.P., Brinkrolf P., et al. Real-time feedback improves chest compression quality in out-of-hospital cardiac arrest: A prospective cohort study. PLoS One. 2020 Feb. 24. 15 (2). e0229431. doi: 10,1371/journal.pone.0229431.

4. Stumpf E., Ambati R.T., Shekhar R., et al. A Smartphone application to provide real-time cardiopulmonary resuscitation quality feedback. Am J Emerg Med. 2022 Oct. 60. 34–39. doi: 10.1016/j.ajem.2022.06.045.

5. Dong X., Zhang L., Myklebust H., Birkenes T.S., Zheng Z.J. Effect of a real-time feedback smartphone application (TCPRLink) on the quality of telephone-assisted CPR performed by trained laypeople in China: a manikin-based randomised controlled study. BMJ Open. 2020 Oct. 5. 10 (10). e038813. doi: 10.1136/bmjopen-2020-038813.

6. Khodus S.V., Oleksik V.S., Borzenko E.S. Stages of training in emergency medical assistance with the implementation of an "in situ" simulation course. In: Innovative methods of diagnostic and treatments in traditional Russian and Chinese medicine. Materials of the 19th Russian-Chinese Biomedical Forum. Harbin. 2024. 25-27. EDN: NCXTTZ.

7. Rao G., Savage D.W., Erickson G., et al. Enhancing Cardiopulmonary Resuscitation Quality Using a Smartwatch: Neural Network Approach for Algorithm Development and Validation. JMIR Mhealth Uhealth. 2025 May 5. 13. e57469. doi: 10.2196/57469.

8. Gugelmin-Almeida D., Tobase L., Polastri T.F., Peres H.H.C., Timerman S. Do automated real-time feedback devices improve CPR quality? A systematic review of literature. Resusc Plus. 2021 Mar. 27. 6. 100108. doi: 10,1016/j.resplu.2021.100108.

9. Bdiri Gabbouj S., Zedini C., Naija W. Effect of Simulation-Based Education of Adult BLS-CPR on Nursing Students' Skills and Knowledge Acquisition. Adv Med Educ Pract. 2025 Apr 22. 16. 663–673. doi: 10,2147/AMEP.S500156.

10. Berg K.M., Bray J.E., Ng K.C., et al. 2023 International Consensus on Cardiopulmonary Resuscitation and Emergency Cardiovascular Care Science With Treatment Recommendations: Summary From the Basic Life Support. Advanced Life Support. Pediatric Life Support. Neonatal Life Support. Education, Implementation, and Teams. and First Aid Task Forces. Resuscitation. 2024. 195. 109992. doi: 10.1016/j.resuscitation.2023.109992.

11. Koçkaya P.D., Alvur T.M., Odabaşı O. Empowering medical students: bridging gaps with high-fidelity simulations; a mixed-methods study on self-efficacy. BMC Med Educ. 2024 Sep. 19. 24 (1). 1026. doi: 10.1186/s12909-024-05996-w.

12. Goulamhoussen A., Havard C., Gille B., et al. An observer tool to enhance learning of medical students during simulation training of cardiopulmonary resuscitation: a randomised controlled trial. BMC Med Educ. 2024 Jul. 3. 24 (1). 719. doi: 10.1186/s12909-024-05658-x.

13. Herrero-Izquierdo L., López-de-Andrés A., Jiménez-García R., et al. Effectiveness of high-fidelity clinical simulation in nursing students learning cardiopulmonary resuscitation: A systematic review and metaanalysis. Nurse Educ Pract. 2025. 75. 103887. doi: 10.1016/j.nepr.2024.103887.

14. Perkins G.D., Ainsworth S., et al. European Resuscitation Council Guidelines 2021: Executive summary. Resuscitation. 2021. 161. 1–60. doi: 10,1016/j.resuscitation,2021,02,003.

15. Panchal A.R., Bartos J.A., Cabañas J.G., et al. Part 3: Adult Basic and Advanced Life Support: 2020 American Heart Association Guidelines for Cardiopulmonary Resuscitation and Emergency Cardiovascular Care. Circulation. 2020. 142 (16_suppl_2). S366-S468. doi: 10,1161/CIR.0000000000000916.