Plataforma Integral de Evaluación por Competencias y Formación Docente en Anestesiología
AnestesIA conecta la investigación educativa basada en evidencia con la práctica de formación clínica, proporcionando herramientas validadas, supervisión estructurada e inteligencia artificial para transformar la educación en anestesiología.
El Desafío
La educación médica en anestesiología enfrenta obstáculos críticos que afectan la calidad formativa
La evaluación tradicional carece de instrumentos validados y estandarizados, lo que genera inconsistencias en la medición de competencias clínicas.
Pocos anestesiólogos tienen entrenamiento formal en metodologías educativas, limitando la calidad de la retroalimentación y mentoría.
El seguimiento del progreso del residente es manual, disperso y difícil de interpretar, impidiendo la toma de decisiones basada en evidencia.
Nuestro Modelo
AnestesIA integra tres pilares basados en evidencia, cada uno fundamentado en investigación revisada por pares
Basado en: Kealey et al. (2022) "Validity evidence for the ACEA tool" — British Journal of Anaesthesia
Escala de Calificación Global de 8 ítems usando una escala de entrustabilidad-supervisión (1-5), validada con 8,664 evaluaciones de 137 residentes por 342 evaluadores. Umbral de confiabilidad alcanzado con 10 observaciones independientes.
93.6%
Sensibilidad
90.8%
Especificidad
8,664
Evaluaciones validadas
Evaluación preoperatoria
Planificación anestésica
Preparación del quirófano
Inducción anestésica
Mantenimiento intraoperatorio
Emergencia y recuperación
Habilidades no técnicas
Documentación clínica
Reunión inicial
Acuerdo de aprendizaje
Reuniones de seguimiento
Observación y retroalimentación
Revisión de portafolio
Reunión final
Basado en: Barrie & Walwyn (2021) "Being a good educational supervisor" — BJA Education
Ciclo de supervisión estructurado con alineación constructiva (Biggs), taxonomía de Bloom, modelo de siete ojos de Hawkins y modelos de supervisión de Grant. Énfasis en acuerdos de aprendizaje, objetivos SMART, uso de portafolio, y comportamientos supervisores constructivos.
Basado en: Martinelli et al. (2019) "Learners and Luddites in the Twenty-first Century" — Anesthesiology
Integración de aprendizaje activo, aula invertida, aprendizaje espaciado, intercalado, práctica de recuperación, enseñanza entre pares, simulación, ayudas cognitivas y e-learning. Modelo del Aprendiz Adaptativo Maestro y Pirámide de Miller.
Aprendizaje activo
Aula invertida
Aprendizaje espaciado
Intercalado
Práctica de recuperación
Enseñanza entre pares
Simulación
Ayudas cognitivas
E-learning
Claude Sonnet 4.6 potencia cada pilar del modelo AnestesIA
Análisis automatizado de retroalimentación en evaluaciones
Recomendaciones de aprendizaje personalizadas
Asistente IA para supervisores
Generación automatizada de reportes
¿Cómo Funciona?
Cinco pasos para transformar la formación en anestesiología
Completa 3 módulos de formación docente basados en evidencia
Evalúa residentes usando la herramienta ACEA validada
La IA analiza patrones y genera retroalimentación personalizada
Dashboards interactivos muestran curvas de aprendizaje y logro de competencias
Recomendaciones basadas en datos para optimizar la formación
Características Principales
Herramientas diseñadas para cada necesidad del ecosistema educativo
Evaluación estandarizada con escala de entrustabilidad 1-5
Visualización de progreso, competencias y áreas de mejora
Gestión de evaluaciones, residentes y retroalimentación
3 módulos interactivos de desarrollo docente
Retroalimentación inteligente generada por Claude
Recomendaciones adaptadas al perfil de cada residente
Informes de progreso y competencias generados automáticamente
Métricas agregadas para directores y coordinadores
Base Científica
Fundamentado en investigación de alto impacto revisada por pares
8,664
Evaluaciones validadas
3
Artículos peer-reviewed
5
Marco de Messick
Kealey A, Alam F, Engel J, et al.
Herramienta de 8 ítems con escala de entrustabilidad validada con 8,664 evaluaciones. Sensibilidad 93.6%, Especificidad 90.8%.
Barrie A, Walwyn J.
Marco integral de supervisión educativa: ciclo estructurado, alineación constructiva, modelos de Hawkins y Grant.
Martinelli SM, Chen F, DiLorenzo AN, et al.
Revisión de métodos de enseñanza basados en evidencia: aprendizaje activo, espaciado, intercalado, simulación y el modelo del Aprendiz Adaptativo Maestro.
¿Para Quién es AnestesIA?
Diseñado para todos los actores del ecosistema de formación
Visualiza tu progreso, identifica fortalezas y áreas de mejora, y recibe retroalimentación personalizada con IA.
Evalúa con instrumentos validados, mejora tus habilidades docentes y gestiona la formación de tus residentes.
Accede a analíticas agregadas, identifica tendencias y toma decisiones basadas en datos para mejorar el programa.
Implementa estándares de calidad educativa, cumple requisitos de acreditación y demuestra excelencia formativa.