Cap1-Contextualizacion-de-la-problematica

Capítulo I. Contextualización de la problemática

1.1. Descripción de la problemática

1.1.1. Contexto internacional

La seguridad del paciente quirúrgico constituye una prioridad global que trasciende fronteras y sistemas de salud. La Organización Mundial de la Salud estima que entre el 5 % y el 10 % de los pacientes hospitalizados experimenta eventos adversos, de los cuales aproximadamente la mitad son prevenibles, y que los errores asociados a la atención sanitaria figuran entre las diez primeras causas de mortalidad y discapacidad a nivel mundial (OMS, 2023). En el ámbito quirúrgico, la literatura documenta de manera consistente que una proporción significativa de estos eventos no se origina en fallos técnicos del procedimiento, sino en deficiencias en las habilidades cognitivas y sociales del equipo intraoperatorio, comúnmente denominadas habilidades no técnicas (non-technical skills, NTS). La revisión sistemática de Norton et al. (2025), que reunió 21 estudios con 251 180 procedimientos, encontró que el 57 % reportó mejoras significativas en desenlaces clínicos asociadas a mejores habilidades no técnicas, sin que ningún estudio mostrara deterioro. Este hallazgo confirma que la calidad de la comunicación, la conciencia situacional, la toma de decisiones y el trabajo en equipo en el quirófano tienen un impacto directo y mensurable sobre la seguridad del paciente.

El reconocimiento de esta relación ha impulsado el desarrollo de taxonomías conductuales específicas para cada profesión del quirófano. Cirujanos cuentan con el Non-Technical Skills for Surgeons (NOTSS), anestesiólogos con el Anaesthetists’ Non-Technical Skills (ANTS), y los equipos quirúrgicos completos con escalas como TEAM, NOTECHS y OTAS (Sharma et al., 2011; Boet et al., 2018; Mathis et al., 2023). La revisión sistemática de Gawronski et al. (2022), que evaluó 19 instrumentos de habilidades no técnicas en simulación de alta fidelidad con criterios COSMIN, reveló que solo TEAM podía recomendarse sin reservas, y que la fiabilidad interevaluador variaba considerablemente entre categorías, siendo las categorías cognitivas (conciencia situacional y toma de decisiones) las más difíciles de evaluar de manera confiable (Pradarelli et al., 2020; Higham et al., 2023).

La simulación clínica ha emergido como la estrategia formativa dominante para el entrenamiento de estas habilidades. Los metaanálisis fundacionales de Cook et al. (2011, 2013) establecieron que la simulación produce efectos grandes frente a la no intervención y que las características de diseño instruccional con mayor impacto son el rango de dificultad, la práctica repetida, la práctica distribuida y la interactividad. McGaghie et al. (2011) demostraron que la simulación con práctica deliberada supera a la educación clínica tradicional con un efecto de 0,71, y el metaanálisis de Chernikova et al. (2020), centrado en educación superior, confirmó que los andamiajes facilitadores producen los efectos más grandes en habilidades complejas. En cirugía específicamente, el metaanálisis de Ey et al. (2025), con 65 estudios y 20 ensayos aleatorizados, encontró que la práctica con debriefing o feedback tiene el efecto más grande (DME 1,80) sobre las habilidades no técnicas.

La tercera ola de innovación en este campo es tecnológica. Desde 2023, la inteligencia artificial generativa ha ingresado en la simulación como paciente virtual, tutor y generador de retroalimentación (Neo et al., 2025). Los ensayos aleatorizados de Fazlollahi et al. (2022) y Yilmaz et al. (2024) demostraron que el feedback de IA en tiempo real iguala o supera a la instrucción experta en desempeño y transferencia, sin aumentar la carga cognitiva. En habilidades no técnicas, Pears et al. (2024) compararon en doble ciego el feedback de GPT-4 con el de consultores en urología y encontraron que la IA fue superior en refuerzo de búsqueda de información, feedback basado en evidencia y adaptación de la explicación. Sin embargo, la revisión sistemática de Loubbairi et al. (2025), que analizó 20 estudios con 2535 participantes sobre simulación con IA y habilidades no técnicas, encontró mejoras en comunicación y razonamiento clínico pero ningún estudio que evaluara liderazgo ni trabajo en equipo. La revisión de Feigerlova et al. (2025) fue aún más severa: de 12 estudios sobre impacto educativo de la IA, todos fueron unicéntricos, ninguno controló confusores, ninguno reportó el efecto del feedback sobre el aprendizaje y todos se quedaron en el nivel 2 de Kirkpatrick.

1.1.2. Contexto regional: América Latina

América Latina presenta un panorama particularmente desafiante para la formación de profesionales de cirugía cardiovascular. Cubas et al. (2026) documentaron desiertos de formación cardiovascular en la región mediante un análisis geoespacial y estructural que reveló una distribución inequitativa de los programas de entrenamiento, con amplias zonas geográficas desprovistas de centros formativos especializados. Esta realidad afecta directamente a los perfusionistas cardiovasculares, profesionales responsables de operar la máquina corazón-pulmón durante la circulación extracorpórea (CEC), cuya formación varía considerablemente entre países sin estándares regionales unificados.

La caracterización de centros de simulación en América Latina realizada por Armijo-Rivera et al. (2021), según los criterios de calidad ASPIRE y SSH, mostró avances heterogéneos. Mientras algunos centros en Chile, Brasil y Colombia cuentan con infraestructura de simulación de alta fidelidad, la mayoría enfrenta barreras de financiamiento, personal docente capacitado y tiempo institucional dedicado, barreras que también se reportan en programas consolidados como los de Estados Unidos (Bienstock et al., 2025). En la región no se encontró ningún estudio de simulación o de habilidades no técnicas con perfusionistas latinoamericanos en las bases indexadas (Consensus, PubMed, Scopus, Web of Science). Los datos regionales disponibles se limitan al perfil laboral de perfusionistas en Brasil (Nicoletti et al., 2019), encuestas de seguridad en perfusión (Sahin et al., 2025) y un estudio colombiano de habilidades no técnicas en medicina con la escala Ottawa (Ocampo García et al., 2026), que evaluó a 50 estudiantes en simulación de alta fidelidad y encontró que la conciencia situacional fue el predictor más robusto del desempeño clínico global.

La adaptación transcultural de instrumentos de evaluación al español ha avanzado de manera prometedora pero fragmentaria. Zamudio Burbano et al. (2021) validaron en Colombia la escala Ottawa CRM GRS con 91 participantes, obteniendo alfa mayor de 0,9 por dimensión y fiabilidad interevaluador de 0,59 a 0,69. Delfino et al. (2022) validaron el ANTS en español mediante análisis factorial confirmatorio que reprodujo los cuatro dominios originales. Armijo-Rivera et al. (2023) generaron evidencia de validez del TEAM en Chile con estudiantes y equipos clínicos reales. Sánchez-Marco et al. (2021) adaptaron MHPTS y Ottawa GRS en España. Y Muller-Botti et al. (2020) realizaron la validación lingüística y cultural del DASH en ocho países hispanohablantes, un procedimiento que conviene imitar dado el carácter multinacional de cualquier estudio con perfusionistas latinoamericanos. No obstante, ninguno de estos instrumentos adaptados al español evalúa específicamente las habilidades no técnicas de los perfusionistas cardiovasculares.

1.1.3. Contexto de la perfusión cardiovascular

La formación del perfusionista nació como oficio aprendido en el quirófano. Los simuladores de alta fidelidad para circulación extracorpórea aparecieron a mediados de los 2000 con sistemas hidráulicos conectados a la máquina corazón-pulmón institucional, como Orpheus (Morris et al., 2007), y con simuladores de paciente virtual basados en modelos numéricos de regulación cardiovascular (Tokaji et al., 2012). En paralelo, la cirugía cardíaca adoptó el modelo de boot camp con módulos de CEC y escenarios de crisis para residentes (Hicks et al., 2010; Feins et al., 2016) y programas de manejo de crisis para equipos completos de cirugía cardíaca (Stevens et al., 2012).

Las encuestas nacionales de incidentes en perfusión realizadas en Australia, Estados Unidos, Francia y los Países Bajos entre 1997 y 2010 establecieron que los incidentes en CEC son frecuentes y en gran parte prevenibles (Jenkins et al., 1997; Mejak et al., 2000; Charrière et al., 2007; Groenenberg et al., 2010). Lawson et al. (2017) evaluaron la cultura de seguridad entre perfusionistas y encontraron actitudes positivas pero prácticas de reporte subóptimas. Más recientemente, Reis Filho et al. (2024) desarrollaron y validaron una lista de verificación específica para CEC como herramienta de seguridad.

La perfusión fue la última profesión del quirófano cardíaco en recibir un instrumento propio de habilidades no técnicas: el Perfusionists’ Intraoperative Non-Technical Skills (PINTS), desarrollado por Dias et al. (2021) mediante un panel de expertos a partir de las taxonomías existentes y probado con 60 evaluadores y videos simulados. Sus cuatro categorías conductuales (toma de decisiones, conciencia situacional, gestión de tareas y liderazgo, trabajo en equipo y comunicación) coinciden con la estructura de NOTSS y ANTS. La fiabilidad interevaluador fue moderada (CCI 0,735), similar entre evaluadores novatos y expertos, lo que sugiere que un entrenamiento breve puede bastar para su aplicación. Desde entonces, las revisiones sobre habilidades no técnicas en cirugía cardiotorácica reconocen que todavía faltan métodos fiables de entrenamiento y evaluación (Okoli et al., 2025), y el consenso europeo de 2025 sobre competencias del perfusionista (Bauer et al., 2025) incluye por primera vez la toma de decisiones, la comunicación y la colaboración interdisciplinar como competencias exigibles.

Con perfusionistas en ejercicio, los estudios de simulación son escasos. Merkle et al. (2020) demostraron con 19 perfusionistas que los escenarios de eventos críticos en CEC son realistas, que una lista de verificación acorta el tiempo de decisión y mejora su calidad, y que el seguimiento ocular y la variabilidad cardíaca sirven para evaluar conducta y estrés. Gierig et al. (2020) usaron un diseño mixto con pre y postest y encontraron efectos positivos del entrenamiento, pero transferencia limitada entre situaciones distintas. Collins et al. (2025) reportaron que la simulación de alta fidelidad acelera tareas técnicas como el cambio de oxigenador pero no mejoró la comunicación en un piloto aleatorizado de 17 participantes, un recordatorio de que las habilidades no técnicas requieren un diseño instruccional específico. Entre 2020 y 2023 aparecieron los primeros juegos serios y simuladores de realidad virtual para CEC (Bonet et al., 2021; Babar et al., 2023), y el prototipo VORTeX de Barker et al. (2026) integra realidad virtual multiusuario con modelos de lenguaje para evaluar automáticamente comunicación y liderazgo según NOTSS.

1.1.4. Formulación del problema

La intersección de los tres ejes del presente estudio (perfusionistas cardiovasculares en ejercicio, simulación virtual mediada por inteligencia artificial, habilidades no técnicas medidas con un instrumento validado) no aparece en ninguna de las 16 búsquedas sistemáticas ejecutadas en bases de datos indexadas. Este vacío configura una problemática con múltiples dimensiones:

En primer lugar, existe un instrumento validado para evaluar las habilidades no técnicas del perfusionista (PINTS), pero no cuenta con una versión en español ni ha sido utilizado fuera de su contexto original anglosajón. En segundo lugar, la simulación con IA ha demostrado eficacia en habilidades de comunicación y razonamiento, pero no ha sido probada en las categorías de liderazgo y trabajo en equipo que son centrales para el perfusionista en el quirófano. En tercer lugar, los perfusionistas latinoamericanos carecen de oportunidades estructuradas de entrenamiento en habilidades no técnicas, dada la distribución inequitativa de centros de simulación y la ausencia de programas específicos. En cuarto lugar, la heterogeneidad de la formación en perfusión documentada en Europa (Debeuckelaere et al., 2024; Giesbrecht et al., 2024) probablemente sea mayor en América Latina pero no ha sido medida.

Esta problemática se manifiesta en un riesgo concreto para la seguridad del paciente: los perfusionistas cardiovasculares operan en un entorno de alta complejidad donde un error en la toma de decisiones o una falla de comunicación puede tener consecuencias letales, y sin embargo no existen programas de entrenamiento basados en evidencia que desarrollen y evalúen sus habilidades no técnicas de manera sistemática en el contexto latinoamericano.

---

1.2. Antecedentes investigativos

Los antecedentes se organizan en tres niveles, siguiendo las pautas de la UTE: antecedentes teóricos, antecedentes filosófico-pedagógicos y antecedentes de campo (estudios empíricos).

1.2.1. Antecedentes teóricos

El marco conceptual de las habilidades no técnicas en entornos de alto riesgo tiene su origen en la aviación civil, donde el análisis de accidentes reveló que la mayoría de los incidentes fatales se debía a fallas de comunicación, coordinación de equipo y toma de decisiones bajo presión, más que a deficiencias técnicas (Flin et al., 2008). La transferencia de este modelo al quirófano se consolidó con las taxonomías conductuales desarrolladas a partir de la década de 2000: NOTSS para cirujanos, ANTS para anestesiólogos, y OTAS y NOTECHS para equipos completos (Sharma et al., 2011). Mathis et al. (2023) ofrecen la revisión más reciente y completa de las taxonomías de habilidades no técnicas para todos los roles del quirófano, incluido el perfusionista, y constituyen el texto de referencia para el marco teórico.

La teoría de la carga cognitiva (Cognitive Load Theory) proporciona el segundo pilar teórico. El NASA-Task Load Index, desarrollado originalmente por Hart y Staveland (1988), ha sido validado como medida subjetiva de carga de trabajo en simulación quirúrgica. Yurko et al. (2010) demostraron que una mayor carga de trabajo se asocia con peor desempeño laparoscópico (r = -0,5) y predice lesiones inadvertidas. Bhandary et al. (2016) aplicaron el NASA-TLX específicamente en escenarios de simulación de anestesia cardíaca, encontrando que la demanda mental fue la subescala más alta. En simulación repetida, Abe et al. (2019) mostraron que la carga cognitiva desciende de forma sostenida incluso cuando la habilidad técnica ya alcanzó su meseta, lo que sugiere que el NASA-TLX captura un componente de automatización cognitiva relevante para el entrenamiento prolongado. Hutson et al. (2024) matizaron que la fiabilidad del NASA-TLX es buena en simulación individual pero menor en simulación grupal. Harris et al. (2019) desarrollaron el SIM-TLX como alternativa específica para entornos virtuales, con subescalas de complejidad, estrés situacional, distracción, esfuerzo perceptivo y presencia.

El tercer pilar teórico es la aceptación tecnológica. El modelo UTAUT (Unified Theory of Acceptance and Use of Technology) y sus extensiones han sido aplicados crecientemente a tecnologías de IA en salud. Lambert et al. (2023), en una revisión integradora de 42 artículos, identificaron como barreras unánimes el miedo a perder autonomía profesional y la dificultad de integrar la IA al flujo de trabajo, y como facilitador la capacitación en su uso. El metaanálisis de Dingel et al. (2024) confirmó la expectativa de desempeño y la influencia social como predictores principales de la intención de uso de sistemas de apoyo a la decisión con IA. Lee et al. (2025) advirtieron sobre la necesidad de incorporar la confianza y la preparación organizacional como variables adicionales. Zhao et al. (2025) extendieron UTAUT para agentes educativos de IA con estudiantes de medicina, encontrando que la expectativa de esfuerzo fue el predictor más fuerte (beta = 0,362) y que la influencia social no fue significativa. Scipion et al. (2025) realizaron una revisión de alcance sobre barreras y facilitadores de la aceptación de IA por parte de clínicos, complementando la perspectiva cuantitativa con hallazgos cualitativos.

1.2.2. Antecedentes filosófico-pedagógicos

El diseño instruccional de la simulación se apoya en la evidencia metaanalítica sobre las características que producen mayor aprendizaje. Cook et al. (2013) identificaron que el rango de dificultad (DME 0,68), la práctica repetida (0,68), la práctica distribuida (0,66), la interactividad (0,65) y el feedback (0,44) son las características más influyentes. La práctica deliberada, conceptualizada por Ericsson como la repetición intencional con retroalimentación específica, supera a la educación clínica tradicional en simulación (McGaghie et al., 2011) y el aprendizaje de maestría (mastery learning) produce efectos grandes en habilidades (1,29) y moderados en pacientes (0,73) aunque requiere más tiempo (Cook et al., 2013b). Donoghue et al. (2021) ofrecieron una revisión de alcance sobre la práctica deliberada y el aprendizaje de maestría en educación en reanimación que contextualiza estos principios.

El debriefing es reconocido como el componente pedagógico más importante de la simulación. Cheng et al. (2014), en un metaanálisis de 177 estudios, establecieron las características del debriefing que conviene reportar siempre. Sin embargo, Duff et al. (2024) concluyeron en su revisión sistemática de 70 estudios que las estrategias de debriefing no descansan en evidencia empírica robusta y que no se ha demostrado la superioridad de un método sobre otro. Lo que sí tiene evidencia es que un debriefing centrado explícitamente en habilidades no técnicas mejora NOTSS en todas sus categorías frente a un debriefing estándar, como lo demostró el ensayo aleatorizado de Botelho et al. (2024) realizado en Brasil y Canadá. Levett-Jones y Lapkin (2014) confirmaron en su revisión sistemática la efectividad general del debriefing en simulación en salud. Jaffrelot et al. (2024) mostraron que el debriefing entre pares es tan eficaz como el del instructor. Garden et al. (2015) revisaron las prácticas efectivas de debriefing después de simulación de habilidades no técnicas. Estos hallazgos abren la posibilidad de debriefing guiado por IA o entre pares que reduzca la dependencia de facilitadores expertos.

Sobre retención de habilidades, Legoux et al. (2020) documentaron en su revisión sistemática que las habilidades procedimentales se deterioran a partir de los 3 a 6 meses y recomendaron refuerzos periódicos. Au et al. (2019) llegaron a conclusiones similares para habilidades de reanimación. En habilidades no técnicas los datos son más escasos: Friedlaender et al. (2025) evaluaron adquisición y retención tras simulación interprofesional en residentes de pediatría en Brasil, y Zhang et al. (2026) revisaron sistemáticamente la efectividad del entrenamiento en NTS para profesionales de urgencias, encontrando que los refuerzos in situ periódicos favorecen la durabilidad.

1.2.3. Antecedentes de campo

Los antecedentes de campo se presentan cronológicamente, del más antiguo al más reciente, identificando para cada estudio los autores, el lugar, el objetivo, las características metodológicas y los resultados relevantes para la presente investigación.

Mejak et al. (2000), Estados Unidos, realizaron un estudio retrospectivo de incidentes en perfusión y dispositivos de seguridad. Documentaron la frecuencia y naturaleza de los incidentes en CEC, estableciendo un antecedente temprano sobre la necesidad de formación específica en seguridad para perfusionistas.

Groenenberg et al. (2010), Países Bajos, condujeron una encuesta de incidentes en perfusión a nivel nacional. Los resultados confirmaron que los incidentes en CEC son frecuentes y parcialmente prevenibles, reforzando la necesidad de intervenciones formativas.

Cook et al. (2011), Estados Unidos, realizaron una revisión sistemática y metaanálisis de simulación en educación de profesiones de salud (JAMA). Con 609 estudios, establecieron que la simulación produce efectos grandes frente a la no intervención (d = 1,20 para conocimiento, d = 1,09 para habilidades). Este metaanálisis fundacional justifica el uso de simulación como estrategia formativa.

McGaghie et al. (2011), Estados Unidos, compararon mediante revisión metaanalítica la simulación con práctica deliberada frente a la educación clínica tradicional. El efecto combinado de 0,71 a favor de la simulación fundamenta la incorporación de práctica deliberada en el diseño instruccional.

Riem et al. (2012), Reino Unido, investigaron la correlación entre habilidades técnicas y no técnicas en manejo de crisis mediante simulación. Encontraron una asociación positiva, lo que sostiene la evaluación conjunta de ambos tipos de habilidades.

Stevens et al. (2012), Canadá, implementaron un programa educativo en manejo de crisis para equipos de cirugía cardíaca con simulación de alto realismo. Los participantes valoraron altamente la experiencia y solicitaron repetirla cada 6 a 12 meses, un dato relevante para diseñar programas de educación continua.

Cook et al. (2013), Estados Unidos, realizaron una revisión sistemática y metaanálisis sobre la efectividad comparativa de las características de diseño instruccional en simulación. Identificaron las seis características con mayor impacto (rango de dificultad, práctica repetida, práctica distribuida, interactividad, estrategias múltiples, aprendizaje individualizado).

Cheng et al. (2014), Canadá, publicaron un metaanálisis de 177 estudios sobre debriefing en simulación. Aunque no demostraron superioridad de un método sobre otro, establecieron las variables que deben reportarse en cualquier estudio que incluya debriefing.

Fung et al. (2015), Canadá, realizaron una revisión sistemática sobre CRM en equipos interprofesionales e interdisciplinarios. Solo dos de 12 estudios mostraron reducción sostenida de eventos adversos, lo que calibra las expectativas sobre el impacto de las intervenciones.

Abe et al. (2019), Japón, evaluaron el efecto de la simulación repetida de inmersión completa sobre la carga de trabajo mental en operadores novatos. Con 17 participantes en 6 sesiones de ureterorrenoscopía, demostraron que el NASA-TLX desciende de forma sostenida incluso cuando la habilidad técnica alcanza meseta, sugiriendo un proceso de automatización cognitiva que es relevante para el entrenamiento prolongado de perfusionistas.

Merkle et al. (2020), Alemania, evaluaron la simulación de eventos críticos en CEC con 19 perfusionistas en ejercicio, utilizando seguimiento ocular, variabilidad cardíaca, carga de trabajo y entrevistas. Demostraron que los escenarios son realistas y que una lista de verificación acorta el tiempo de decisión, aunque aumenta la demanda temporal. Es uno de los pocos estudios con perfusionistas titulados en simulación.

Gierig et al. (2020), Alemania, utilizaron un diseño mixto 2 x 2 con pre y postest para evaluar la eficacia de la simulación en perfusión con seguimiento ocular. Encontraron efectos positivos pero transferencia limitada entre situaciones distintas, lo que subraya la necesidad de múltiples escenarios.

Mirchi et al. (2020), Canadá, desarrollaron el Virtual Operative Assistant, una herramienta de IA explicable para simulación quirúrgica. Este marco es la referencia técnica para argumentar el uso de IA transparente frente al riesgo de “caja negra” en las plataformas de simulación.

Dias et al. (2021), Estados Unidos, desarrollaron y validaron el PINTS con un panel de expertos y 60 evaluadores que calificaron 4 videos simulados. Las 4 categorías con 4 elementos cada una discriminaron buen y mal desempeño (p < 0,001) con un CCI de 0,735. Este es el instrumento central de la presente investigación.

Zamudio Burbano et al. (2021), Colombia, validaron en español la escala Ottawa CRM GRS con 91 participantes en simulación de alta fidelidad. Obtuvieron alfa mayor de 0,9 por dimensión y fiabilidad interevaluador de 0,59 a 0,69. Es el antecedente colombiano más cercano para la adaptación transcultural de un instrumento de NTS.

Sánchez-Marco et al. (2021), España, adaptaron culturalmente y validaron las escalas MHPTS y Ottawa GRS con 100 estudiantes y 94 escenarios. Proporcionan un modelo metodológico replicable para la adaptación del PINTS.

Abildgren et al. (2022), Dinamarca, realizaron una revisión sistemática sobre la efectividad de mejorar las habilidades de factor humano en equipos de salud mediante simulación. Con 72 estudios incluidos, encontraron que el 90 % reportó resultados positivos, que se aplicaron más de 51 herramientas de evaluación distintas y que los métodos combinados son superiores. Identificaron que los escenarios cotidianos están subexplorados frente a las situaciones de crisis.

Delfino et al. (2022), Argentina, realizaron la adaptación transcultural y validación del ANTS al español con análisis factorial confirmatorio (CFI y TLI 0,99; RMSEA 0,07) y 212 escenarios simulados evaluados. Es el modelo metodológico más cercano para la validación del PINTS en español.

Fazlollahi et al. (2022), Canadá, realizaron un ensayo clínico aleatorizado de tres brazos (tutor de IA, instructor experto remoto, sin feedback) con 70 estudiantes en simulación quirúrgica de RV. El tutor de IA superó a ambos comparadores en desempeño y transferencia sin aumentar la carga cognitiva. Es la referencia para argumentar que la retroalimentación por IA puede ser tan eficaz como la humana.

Gawronski et al. (2022), Italia, realizaron una revisión sistemática de instrumentos para evaluar NTS en simulación de alta fidelidad aplicando criterios COSMIN y GRADE. De 19 instrumentos evaluados, solo TEAM pudo recomendarse sin reservas. Este estudio enmarca las exigencias psicométricas que deberá cumplir la validación del PINTS en español.

Armijo-Rivera et al. (2023), Chile, generaron evidencia de validez del TEAM en español con estudiantes y equipos clínicos reales. Mostraron cómo reportar evidencia de validez por tipo de equipo y por tipo de evaluador (instructor, par, autoevaluación).

Kemper et al. (2023), Países Bajos, realizaron un estudio Delphi con 114 expertos, incluidos 25 perfusionistas, que produjo 13 escenarios de crisis consensuados para entrenamiento de equipos de cirugía cardíaca. Es una fuente directa para la selección de los escenarios de la plataforma virtual.

Lambert et al. (2023), Suiza, publicaron una revisión integradora de 42 artículos sobre aceptación de IA por profesionales hospitalarios organizada con UTAUT. Identificaron el miedo a perder autonomía y la dificultad de integración al flujo de trabajo como barreras, y la capacitación como facilitador principal.

Higham et al. (2023), Reino Unido, compararon directamente ANTS, Oxford NOTECHS y OSCAR en escenarios de resucitación simulados. La fiabilidad varió ampliamente entre categorías e instrumentos, lo que obliga a reportar fiabilidad por categoría y a usar al menos dos evaluadores cegados.

Botelho et al. (2024), Brasil y Canadá, realizaron un ensayo aleatorizado controlado que demostró que el debriefing centrado en habilidades no técnicas mejora NOTSS en todas las categorías frente al debriefing estándar. Es el ensayo latinoamericano más relevante para el diseño del debriefing del presente estudio.

Pears et al. (2024), Reino Unido, compararon en doble ciego el feedback de GPT-4 con el de consultores sobre habilidades no técnicas en residentes de urología. La IA fue superior en refuerzo de búsqueda de información y feedback basado en evidencia; los humanos en terminología y feedback factual. Sugiere un modelo mixto IA + experto.

Gordon et al. (2024), Reino Unido, publicaron la Guía BEME 84, una revisión de alcance de IA en educación médica con 278 publicaciones. El 68 % provenía de Norteamérica y Europa; solo 5 de 191 artículos abordaron IA en simulación. Propusieron el marco FACETS para el reporte de innovaciones de IA en educación médica.

Harari et al. (2024), Estados Unidos, utilizaron aprendizaje profundo para analizar grabaciones de video quirúrgico y evaluar habilidades no técnicas en cirugía cardíaca, con el perfusionista incluido en el equipo. Abre la puerta a métricas objetivas complementarias al PINTS.

Yilmaz et al. (2024), Canadá, realizaron un ensayo aleatorizado con 97 participantes en tres brazos. El feedback de IA en tiempo real produjo mejor desempeño que la instrucción presencial en habilidades quirúrgicas técnicas. Es la referencia para el argumento de escalabilidad de la intervención.

Searles et al. (2024), Estados Unidos, describieron y evaluaron un modelo de CEC simulada de alta fidelidad con 81 participantes. Los participantes lo calificaron como realista en parámetros fisiológicos, técnicos y cognitivos, aunque ningún modelo de simulación de CEC había sido validado formalmente antes.

Jaffrelot et al. (2024), Francia y Canadá, realizaron un ensayo aleatorizado controlado que demostró que el debriefing entre pares es tan eficaz como el dirigido por instructor para crisis simuladas. Este hallazgo abre opciones de debriefing entre pares que reducen la dependencia de facilitadores expertos.

Bauer et al. (2025), Europa, publicaron el consenso EBCP sobre cualificaciones y competencias básicas del perfusionista clínico en Europa. Por primera vez incluye la toma de decisiones, la comunicación y la colaboración interdisciplinar como competencias exigibles, legitimando la formación en NTS para perfusionistas.

Norton et al. (2025), Reino Unido, realizaron una revisión sistemática del impacto de las NTS quirúrgicas sobre desenlaces clínicos con 21 estudios y 251 180 procedimientos. El 57 % reportó mejoras significativas asociadas a mejores NTS, sin ningún estudio que mostrara deterioro.

Loubbairi et al. (2025), Internacional, realizaron la primera revisión sistemática PRISMA de simulación con IA y habilidades no técnicas: 20 estudios, 2535 participantes. Mejoras en comunicación, razonamiento clínico y toma de decisiones; ningún estudio evaluó liderazgo ni trabajo en equipo. Es la evidencia directa del vacío que la presente investigación busca ocupar.

Okoli et al. (2025), Estados Unidos, revisaron la literatura sobre entrenamiento y evaluación de NTS en cirugía cardiotorácica. Con 17 artículos y 12 herramientas de entrenamiento, confirmaron la necesidad de métodos fiables, constituyendo el antecedente de campo más cercano en la especialidad.

Ey et al. (2025), Alemania, realizaron una revisión sistemática y metaanálisis de intervenciones para mejorar NTS en cirugía con 65 estudios y 20 ensayos aleatorizados. La práctica con debriefing o feedback tiene el efecto más grande (DME 1,80). Proporcionan el tamaño de efecto de referencia.

Redjem et al. (2025), Francia, publicaron una revisión sistemática sobre manejo de crisis en quirófano mediante simulación (29 estudios). Encontraron predominio de alta fidelidad, foco en comunicación, trabajo en equipo, conciencia situacional y toma de decisiones, y evaluación que rara vez supera el nivel 3 de Kirkpatrick.

Pimenta et al. (2025), Brasil, revisaron sistemáticamente la efectividad del entrenamiento en NTS en unidades de cuidados intensivos. Sus hallazgos sobre la transferibilidad de las intervenciones de NTS a entornos de alta complejidad son relevantes para el contexto de la CEC.

Zhang et al. (2026), China, revisaron sistemáticamente la efectividad del entrenamiento en NTS para profesionales de salud en servicios de urgencias. Encontraron que la simulación con debriefing mejora las NTS y que los refuerzos periódicos in situ favorecen la durabilidad del aprendizaje.

Ocampo García et al. (2026), Colombia, evaluaron habilidades no técnicas en medicina mediante simulación de alta fidelidad con 50 estudiantes usando la escala Ottawa. La conciencia situacional mostró la correlación más robusta con el desempeño clínico global (r = 0,945). Es el antecedente latinoamericano más directo en evaluación de NTS con simulación.

Barker et al. (2026), Reino Unido, desarrollaron VORTeX, un prototipo que integra realidad virtual multiusuario con modelos de lenguaje para evaluar automáticamente comunicación y liderazgo según NOTSS. Es la arquitectura más parecida a la que propone la presente investigación.

Wang et al. (2026), China, realizaron una revisión sistemática y metaanálisis de ensayos controlados aleatorizados sobre la integración de IA generativa en educación médica. Encontraron efectos positivos a corto plazo pero señalaron el alto riesgo de sesgo en la mayoría de los estudios incluidos.

Kor et al. (2026), Hong Kong, realizaron un estudio cuasiexperimental con 178 estudiantes de enfermería comparando debriefing asistido por IA generativa y debriefing facilitado tras simulación en RV. No encontraron diferencias entre grupos en conocimiento ni en habilidades no técnicas autorreportadas, lo que sugiere que la IA puede sustituir al facilitador sin pérdida de efectividad.

1.2.4. Síntesis de los antecedentes y vacíos identificados

La revisión de los antecedentes permite identificar cinco vacíos que la presente investigación busca ocupar:

1. Evaluación de NTS con IA sin instrumento validado. La mayoría de los estudios de simulación con IA usan autorreporte o rúbricas propias (Feigerlova et al., 2025; Loubbairi et al., 2025). Un estudio que emplee un instrumento con evidencia de validez y evaluadores cegados llenaría este vacío.

2. Liderazgo y trabajo en equipo con IA. Ningún estudio de la revisión de Loubbairi et al. (2025) evaluó liderazgo ni trabajo en equipo, que son dos de las cuatro categorías del PINTS.

3. Perfusionistas en ejercicio. Casi toda la simulación en perfusión se ha realizado con estudiantes (Collins et al., 2025; Searles et al., 2024; Bonet et al., 2021). Los profesionales activos aparecen en muy pocos estudios (Merkle et al., 2020; Gierig et al., 2020).

4. América Latina. No se encontró ningún estudio de simulación o de habilidades no técnicas con perfusionistas latinoamericanos en bases indexadas.

5. Adaptación multinacional en español. Las validaciones existentes de instrumentos de NTS al español son de un solo país. La armonización del español entre países, como hizo el DASH (Muller-Botti et al., 2020), es un paso que ningún instrumento de habilidades no técnicas ha dado.

---

1.3. Formulación de la pregunta de investigación

A partir del análisis de la problemática y los vacíos identificados en los antecedentes, se formula la siguiente pregunta de investigación:

¿Cuál es el efecto de una estrategia de simulación clínica virtual adaptativa mediada por inteligencia artificial sobre las competencias no técnicas (conciencia situacional, toma de decisiones, gestión de tareas y liderazgo, trabajo en equipo y comunicación) de perfusionistas cardiovasculares en ejercicio en América Latina, medidas con el PINTS adaptado al español?

Esta pregunta es viable porque existe el instrumento (PINTS), las tecnologías de simulación virtual e IA están disponibles, y la población es identificable a través de asociaciones profesionales de perfusión en América Latina. Es original porque la intersección de sus tres componentes (perfusionistas, IA en simulación, PINTS) no ha sido investigada. Es relevante porque responde a una necesidad documentada de formación en NTS para perfusionistas (Okoli et al., 2025; Bauer et al., 2025) y a la ausencia de estudios en el contexto latinoamericano.

---

1.4. Objetivos de la investigación

1.4.1. Objetivo general

Evaluar el efecto de una estrategia de simulación clínica virtual adaptativa mediada por inteligencia artificial sobre las competencias no técnicas de perfusionistas cardiovasculares en ejercicio en América Latina, medidas con el Perfusionists’ Intraoperative Non-Technical Skills (PINTS) adaptado al español.

1.4.2. Objetivos específicos

1. Adaptar transculturalmente y validar en español el instrumento PINTS para su aplicación con perfusionistas cardiovasculares de varios países de América Latina.

2. Diseñar e implementar una plataforma de simulación clínica virtual con escenarios de crisis en circulación extracorpórea, mediada por inteligencia artificial, que incorpore retroalimentación automatizada y debriefing reflexivo orientados a las cuatro categorías del PINTS.

3. Comparar las puntuaciones del PINTS (global y por categoría) entre el grupo experimental y el grupo de lista de espera antes y después de un mes de entrenamiento autónomo con la plataforma virtual.

4. Analizar la relación entre la carga de trabajo subjetiva (NASA-TLX), la aceptación tecnológica (UTAUT) y el cambio en las competencias no técnicas medidas con el PINTS.

5. Identificar las variables sociodemográficas y de experiencia profesional que moderan el efecto de la intervención sobre las competencias no técnicas de los perfusionistas participantes.

---

1.5. Fundamentación e impacto

1.5.1. Fundamentación teórica

La presente investigación se fundamenta teóricamente en la convergencia de tres cuerpos de conocimiento: las taxonomías de habilidades no técnicas en el quirófano, la teoría de la carga cognitiva y los modelos de aceptación tecnológica. Las habilidades no técnicas, definidas como las habilidades cognitivas y sociales que no están directamente relacionadas con el uso de conocimientos médicos, fármacos o equipos, sino con la coordinación, comunicación y toma de decisiones del equipo (Flin et al., 2008; Mathis et al., 2023), han sido reconocidas como determinantes de la seguridad del paciente quirúrgico (Norton et al., 2025). El PINTS (Dias et al., 2021) operacionaliza estas habilidades para el perfusionista en cuatro categorías evaluables, y su adaptación al español permitirá por primera vez medir estas competencias en poblaciones hispanohablantes.

1.5.2. Fundamentación metodológica

El diseño cuasiexperimental con grupo de lista de espera permite evaluar el efecto de la intervención sin negar el tratamiento al grupo control, respetando principios éticos de equidad en la investigación educativa. El uso de evaluadores cegados para la aplicación del PINTS, junto con la medición de covariables (NASA-TLX y aceptación tecnológica), responde a las críticas metodológicas identificadas en la literatura: la falta de instrumentos validados, la ausencia de control de confusores y la permanencia en el nivel 2 de Kirkpatrick (Feigerlova et al., 2025; Gawronski et al., 2022).

1.5.3. Fundamentación práctica y social

La investigación responde a una necesidad documentada: los perfusionistas cardiovasculares operan en entornos de alta complejidad donde los incidentes son frecuentes y parcialmente prevenibles (Mejak et al., 2000; Groenenberg et al., 2010), pero carecen de programas de entrenamiento en habilidades no técnicas basados en evidencia. En América Latina, esta carencia se agrava por la distribución inequitativa de centros de simulación y la heterogeneidad de la formación (Cubas et al., 2026; Armijo-Rivera et al., 2021). Una plataforma virtual mediada por IA permitiría superar las barreras geográficas y de acceso a facilitadores expertos, ofreciendo entrenamiento autónomo y escalable a perfusionistas dispersos en la región.

1.5.4. Alineación institucional

La investigación se inscribe en la línea de trabajo investigativo de la UTE “Nuevas Tecnologías e Inteligencia Artificial en Educación”, cuyos objetivos declarados incluyen la personalización del aprendizaje, la evaluación continua con análisis de datos, la interacción humano-IA con equilibrio entre asistencia automatizada e interacción humana, y la evaluación del impacto sobre rendimiento, motivación y autoeficacia. Las referencias sobre feedback automatizado (Fazlollahi et al., 2022; Yilmaz et al., 2024), IA explicable (Mirchi et al., 2020) y aceptación tecnológica (Lambert et al., 2023; Zhao et al., 2025) explicitan esta alineación.

1.5.5. Impacto esperado

Los aportes esperados de la investigación son:

• Aporte instrumental: la versión en español del PINTS, validada con perfusionistas de múltiples países, será el primer instrumento disponible para evaluar habilidades no técnicas de perfusionistas en contextos hispanohablantes.

• Aporte tecnológico: la plataforma de simulación virtual con IA, diseñada con el marco FACETS (Gordon et al., 2024) y los principios de IA explicable (Mirchi et al., 2020), constituirá un modelo replicable para otras profesiones del quirófano en la región.

• Aporte empírico: la evidencia sobre el efecto de la simulación con IA en las cuatro categorías del PINTS, especialmente en liderazgo y trabajo en equipo (categorías no estudiadas según Loubbairi et al., 2025), contribuirá a cerrar el vacío más significativo del campo.

• Aporte regional: la caracterización sociodemográfica y de experiencia de los perfusionistas participantes producirá el primer retrato regional de esta profesión en América Latina.

---

Referencias

Abe, T., et al. (2019). The effect of repeated full immersion simulation training in ureterorenoscopy on mental workload of novice operators. BMC Medical Education. https://doi.org/10.1186/s12909-019-1752-2

Abildgren, L., et al. (2022). The effectiveness of improving healthcare teams’ human factor skills using simulation-based training: a systematic review. Advances in Simulation. https://doi.org/10.1186/s41077-022-00207-2

Armijo-Rivera, S., et al. (2021). Characterization of simulation centers and programs in Latin America according to the ASPIRE and SSH quality criteria. Advances in Simulation. https://doi.org/10.1186/s41077-021-00188-8

Armijo-Rivera, S., et al. (2023). Application of the Team Emergency Assessment Measure Scale in undergraduate medical students and interprofessional clinical teams: validity evidence of a Spanish version applied in Chile. Frontiers in Medicine. https://doi.org/10.3389/fmed.2023.1256982

Au, K. K. L., et al. (2019). Improving skills retention after advanced structured resuscitation training: A systematic review of randomized controlled trials. Resuscitation. https://doi.org/10.1016/j.resuscitation.2019.03.031

Babar, Z., et al. (2023). Virtual reality simulation as a training tool for perfusionists in extracorporeal circulation. JTCVS Techniques. https://doi.org/10.1016/j.xjtc.2023.06.004

Barker, J. R., et al. (2026). Integrating virtual reality and large language models for team-based non-technical skills training and evaluation in the operating room. npj Digital Surgery. https://doi.org/10.1038/s44484-026-00009-3

Bauer, A., et al. (2025). EBCP Expert consensus statement on basic qualifications and competencies for clinical perfusionists in Europe. European Journal of Cardio-Thoracic Surgery. https://doi.org/10.1093/ejcts/ezaf336

Bhandary, S., et al. (2016). NASA Task Load Index Scale to Evaluate the Cognitive Workload during Cardiac Anesthesia Based Simulation Scenarios. International Journal of Anesthesiology and Research. https://doi.org/10.19070/2332-2780-1600063

Bienstock, J., et al. (2025). Simulation use in perfusion education: A 2025 survey of United States programs. The Journal of ExtraCorporeal Technology. https://doi.org/10.1051/ject/2025070

Boet, S., et al. (2018). Measuring non-technical skills of anaesthesiologists in the operating room. British Journal of Anaesthesia. https://doi.org/10.1016/j.bja.2018.07.028

Bonet, N., et al. (2021). Three-Dimensional Game-Based Cardiopulmonary Bypass Training. Clinical Simulation in Nursing. https://doi.org/10.1016/j.ecns.2020.08.007

Botelho, F., et al. (2024). Improving Pediatric Trauma Education by Teaching Non-technical Skills: A Randomized Controlled Trial. Journal of Pediatric Surgery. https://doi.org/10.1016/j.jpedsurg.2024.01.018

Charrière, J. M., et al. (2007). Survey: retrospective survey of monitoring/safety devices and incidents of cardiopulmonary bypass for cardiac surgery in France. The Journal of ExtraCorporeal Technology. https://doi.org/10.1051/ject/200739142

Chernikova, O., et al. (2020). Simulation-Based Learning in Higher Education: A Meta-Analysis. Review of Educational Research. https://doi.org/10.3102/0034654320933544

Cheng, A., et al. (2014). Debriefing for technology-enhanced simulation: a systematic review and meta-analysis. Medical Education. https://doi.org/10.1111/medu.12432

Collins, J., et al. (2025). Impact of high-fidelity simulation on the performance of oxygenator change-outs among perfusion students. Perfusion. https://doi.org/10.1177/02676591251331159

Cook, D. A., et al. (2011). Technology-enhanced simulation for health professions education. JAMA. https://doi.org/10.1001/jama.2011.1234

Cook, D. A., et al. (2013). Comparative effectiveness of instructional design features in simulation-based education. Medical Teacher. https://doi.org/10.3109/0142159x.2012.714886

Cook, D. A., et al. (2013b). Mastery Learning for Health Professionals Using Technology-Enhanced Simulation. Academic Medicine. https://doi.org/10.1097/acm.0b013e31829a365d

Cubas, W., et al. (2026). Mapping surgical deserts of cardiovascular training in Latin America. JTCVS Open. https://doi.org/10.1016/j.xjon.2026.101675

Debeuckelaere, G., et al. (2024). Perfusion education and training in Europe anno 2023. Perfusion. https://doi.org/10.1177/02676591241233971

Delfino, A., et al. (2022). Cross-cultural adaptation and validation of the Spanish version of the ANTS assessment tool. Journal of Clinical Anesthesia. https://doi.org/10.1016/j.jclinane.2022.111008

Dias, R. D., et al. (2021). A Tool to Assess Non-Technical Skills of Perfusionists in the Cardiac Operating Room. The Journal of Thoracic and Cardiovascular Surgery. https://doi.org/10.1016/j.jtcvs.2021.06.052

Dingel, J., et al. (2024). Predictors of Health Care Practitioners’ Intention to Use AI-Enabled Clinical Decision Support Systems. Journal of Medical Internet Research. https://doi.org/10.2196/57224

Donoghue, A., et al. (2021). Deliberate practice and mastery learning in resuscitation education. Resuscitation Plus. https://doi.org/10.1016/j.resplu.2021.100137

Duff, J. P., et al. (2024). Debriefing Methods for Simulation in Healthcare. Simulation in Healthcare. https://doi.org/10.1097/sih.0000000000000765

Ey, J. D., et al. (2025). Interventions to Improve Nontechnical Skills in Surgery: A Systematic Review and Meta-Analysis. Journal of Surgical Education. https://doi.org/10.1016/j.jsurg.2025.103586

Fazlollahi, A. M., et al. (2022). Effect of Artificial Intelligence Tutoring vs Expert Instruction on Learning Simulated Surgical Skills. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2021.49008

Feigerlova, E., et al. (2025). A systematic review of the impact of artificial intelligence on educational outcomes in health professions education. BMC Medical Education. https://doi.org/10.1186/s12909-025-06719-5

Feins, R. H., et al. (2016). Simulation-Based Training in Cardiac Surgery. The Annals of Thoracic Surgery. https://doi.org/10.1016/j.athoracsur.2016.06.062

Friedlaender, R. F., et al. (2025). Evaluation of acquisition and retention of non-technical skills of residents submitted to interprofessional simulation-based training. Jornal de Pediatria. https://doi.org/10.1016/j.jped.2024.12.003

Fung, L., et al. (2015). Impact of crisis resource management simulation-based training for interprofessional and interdisciplinary teams. Journal of Interprofessional Care. https://doi.org/10.3109/13561820.2015.1017555

Garden, A. L., et al. (2015). Debriefing after Simulation-Based Non-Technical Skill Training in Healthcare. Anaesthesia and Intensive Care. https://doi.org/10.1177/0310057x1504300303

Gawronski, O., et al. (2022). Instruments to evaluate non-technical skills during high fidelity simulation. Frontiers in Medicine. https://doi.org/10.3389/fmed.2022.986296

Gierig, S., et al. (2020). Simulation in perfusion: evaluating the efficacy of a specific training with eye-tracking. Perfusion. https://doi.org/10.1177/0267659120918779

Gordon, M., et al. (2024). A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Medical Teacher. https://doi.org/10.1080/0142159x.2024.2314198

Groenenberg, I., et al. (2010). Dutch perfusion incident survey. Perfusion. https://doi.org/10.1177/0267659110377678

Harari, R. E., et al. (2024). Deep Learning Analysis of Surgical Video Recordings to Assess Nontechnical Skills. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2024.22520

Harris, D., et al. (2019). Development and validation of a simulation workload measure: the SIM-TLX. Virtual Reality. https://doi.org/10.1007/s10055-019-00422-9

Hicks, G. L., et al. (2010). Cardiopulmonary bypass simulation at the Boot Camp. The Journal of Thoracic and Cardiovascular Surgery. https://doi.org/10.1016/j.jtcvs.2010.03.019

Higham, H., et al. (2023). A study of validity and usability evidence for non-technical skills assessment tools in simulated adult resuscitation scenarios. BMC Medical Education. https://doi.org/10.1186/s12909-023-04108-4

Hutson, J., et al. (2024). Psychometric Testing of NASA-TLX to Measure Learners’ Cognitive Load in Individual and Group Nursing Simulations. Clinical Simulation in Nursing. https://doi.org/10.1016/j.ecns.2024.101607

Jaffrelot, M., et al. (2024). Learning with our peers: peer-led versus instructor-led debriefing for simulated crises. Korean Journal of Anesthesiology. https://doi.org/10.4097/kja.23317

Jenkins, O. F., et al. (1997). Australasian perfusion incident survey. Perfusion. https://doi.org/10.1177/026765919701200502

Kor, P., et al. (2026). Comparing the effects of GenAI-assisted and facilitator-led debriefing on knowledge and non-technical skills in immersive virtual reality simulation. Nurse Education Today. https://doi.org/10.1016/j.nedt.2026.107275

Lambert, S. I., et al. (2023). An integrative review on the acceptance of artificial intelligence among healthcare professionals in hospitals. npj Digital Medicine. https://doi.org/10.1038/s41746-023-00852-5

Lawson, C., et al. (2017). Assessing the culture of safety in cardiovascular perfusion. Perfusion. https://doi.org/10.1177/0267659117699056

Lee, A. T., et al. (2025). Understanding Psychosocial Barriers to Healthcare Technology Adoption. Healthcare. https://doi.org/10.3390/healthcare13030250

Legoux, C., et al. (2020). Retention of Critical Procedural Skills After Simulation Training. AEM Education and Training. https://doi.org/10.1002/aet2.10536

Levett-Jones, T., y Lapkin, S. (2014). A systematic review of the effectiveness of simulation debriefing in health professional education. Nurse Education Today. https://doi.org/10.1016/j.nedt.2013.09.020

Loubbairi, S., et al. (2025). The impact of artificial intelligence-driven simulation on the development of non-technical skills in medical education. Journal of Educational Evaluation for Health Professions. https://doi.org/10.3352/jeehp.2025.22.37

Mathis, M. R., et al. (2023). Non-Technical Skills for Intraoperative Team Members. Anesthesiology Clinics. https://doi.org/10.1016/j.anclin.2023.03.013

McGaghie, W. C., et al. (2011). Does Simulation-based Medical Education with Deliberate Practice Yield Better Results than Traditional Clinical Education? Academic Medicine. https://doi.org/10.1097/acm.0b013e318217e119

Mejak, B. L., et al. (2000). A retrospective study on perfusion incidents and safety devices. Perfusion. https://doi.org/10.1177/026765910001500108

Merkle, F., et al. (2020). Simulation-based training of critical events during cardiopulmonary bypass. Perfusion. https://doi.org/10.1177/0267659120937125

Mirchi, N., et al. (2020). The Virtual Operative Assistant: An explainable artificial intelligence tool for simulation-based training. PLoS ONE. https://doi.org/10.1371/journal.pone.0229596

Morris, R. W., et al. (2007). “Orpheus” cardiopulmonary bypass simulation system. The Journal of ExtraCorporeal Technology. https://doi.org/10.1051/ject/200739228

Muller-Botti, S., et al. (2020). Linguistic Validation of the DASH in Spanish and Cultural Validation for 8 Spanish Speaking Countries. Simulation in Healthcare. https://doi.org/10.1097/sih.0000000000000468

Neo, N. W. S., et al. (2025). Generative artificial intelligence in healthcare simulation-based education. Clinical Simulation in Nursing. https://doi.org/10.1016/j.ecns.2025.101819

Nicoletti, A., et al. (2019). Current status of perfusionists in Brazil: a 2018 survey. Perfusion. https://doi.org/10.1177/0267659119826491

Norton, J., et al. (2025). The Impact of Surgical Non-Technical Skills on Clinical Outcomes. British Journal of Surgery. https://doi.org/10.1093/bjs/znaf271

Ocampo García, D., et al. (2026). Habilidades no Técnicas en Medicina: Evaluación en Situaciones Críticas Mediante Simulación de Alta Fidelidad. Ibero Ciencias. https://doi.org/10.63371/ic.v4.n4.a622

Okoli, C. C., et al. (2025). Training and Assessment of Nontechnical Skills in Cardiothoracic Surgery. Journal of Surgical Education. https://doi.org/10.1016/j.jsurg.2025.103480

Pears, M., et al. (2024). Non-technical Skills for Urology Trainees: A Double-Blinded Study of ChatGPT4 AI Benchmarking Against Consultant Interaction. Journal of Healthcare Informatics Research. https://doi.org/10.1007/s41666-024-00180-7

Pimenta, I. D. S. F., et al. (2025). Effectiveness of non-technical skills training in intensive care units. BMC Medical Education. https://doi.org/10.1186/s12909-025-07037-6

Pradarelli, J. C., et al. (2020). Assessment of the Non-Technical Skills for Surgeons (NOTSS) framework in the USA. British Journal of Surgery. https://doi.org/10.1002/bjs.11607

Redjem, I. D., et al. (2025). Crisis management in the operating room: A systematic review of simulation training to develop non-technical skills. Nurse Education Today. https://doi.org/10.1016/j.nedt.2025.106583

Reis Filho, V. A., et al. (2024). Development and validation of a checklist for cardiopulmonary bypass. The Journal of ExtraCorporeal Technology. https://doi.org/10.1051/ject/2024030

Riem, N., et al. (2012). Do technical skills correlate with non-technical skills in crisis resource management. British Journal of Anaesthesia. https://doi.org/10.1093/bja/aes256

Sahin, T., et al. (2025). Evaluation of Knowledge, Attitudes, and Experiences of Perfusionists on the Safety of Cardiopulmonary Perfusion. Brazilian Journal of Cardiovascular Surgery. https://doi.org/10.21470/1678-9741-2024-0340

Sánchez-Marco, M., et al. (2021). Cross-cultural adaptation and validation of two crisis resource management scales. International Emergency Nursing. https://doi.org/10.1016/j.ienj.2021.101016

Scipion, C. E. A., et al. (2025). Barriers to and facilitators of clinician acceptance and use of artificial intelligence in healthcare settings. BMJ Open. https://doi.org/10.1136/bmjopen-2024-092624

Searles, B. E., et al. (2024). Simulated cardiopulmonary bypass: a high fidelity model for developing and accessing clinical perfusion skills. Advances in Simulation. https://doi.org/10.1186/s41077-023-00269-w

Sharma, B., et al. (2011). Non-technical skills assessment in surgery. Surgical Oncology. https://doi.org/10.1016/j.suronc.2010.10.001

Stevens, L. M., et al. (2012). Educational program in crisis management for cardiac surgery teams. The Journal of Thoracic and Cardiovascular Surgery. https://doi.org/10.1016/j.jtcvs.2012.03.006

Tokaji, M., et al. (2012). An educational training simulator for advanced perfusion techniques using a high-fidelity virtual patient model. Artificial Organs. https://doi.org/10.1111/j.1525-1594.2012.01512.x

Wang, C., et al. (2026). The impact of integrating generative artificial intelligence into medical education on short-term learning outcomes. BMC Medical Education. https://doi.org/10.1186/s12909-026-09320-6

Yilmaz, R., et al. (2024). Real-Time multifaceted artificial intelligence vs In-Person instruction in teaching surgical technical skills. Scientific Reports. https://doi.org/10.1038/s41598-024-65716-8

Yurko, Y. Y., et al. (2010). Higher Mental Workload is Associated With Poorer Laparoscopic Performance as Measured by the NASA-TLX Tool. Simulation in Healthcare. https://doi.org/10.1097/sih.0b013e3181e3f329

Zamudio Burbano, M. A., et al. (2021). Validation in Spanish of the Ottawa scale for non-technical skills in health personnel in crisis situations. Revista Española de Anestesiología y Reanimación. https://doi.org/10.1016/j.redare.2021.02.003

Zhang, Y., et al. (2026). Effectiveness of non-technical skills training for healthcare professionals in emergency departments. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine. https://doi.org/10.1186/s13049-026-01574-9

Zhao, X., et al. (2025). Factors influencing medical students’ adoption of AI educational agents: an extended UTAUT model. BMC Medical Education. https://doi.org/10.1186/s12909-025-08234-z