Jogos de raciocínio clínico: o que cada tipo treina

Um jogo de diagnóstico treina chegar à hipótese; um jogo de conduta treina o passo seguinte, decidir o que fazer com ela. Os dois cabem no estudo do ciclo clínico, mas exercitam partes diferentes do raciocínio, e saber qual parte cada um treina ajuda a escolher onde colocar o seu tempo.

O NEXO é um jogo diário de diagnóstico médico: um caso clínico por dia, seis pistas progressivas e feedback por proximidade na CID-10 em cinco níveis.

Este texto organiza os jogos de raciocínio clínico pela etapa da decisão que eles exercitam, resume o que os estudos publicados com a plataforma Human Dx mostram, explica por que o retorno e a calibração da confiança importam e fecha com os limites da pesquisa sobre jogos. Os formatos de jogo por fase do curso estão em jogos para estudantes de Medicina, a evidência geral sobre gamificação em gamificação na educação médica e os pacientes virtuais em pacientes virtuais.

Principais pontos

• O raciocínio clínico tem etapas: coletar dados, formular hipóteses, escolher a conduta. Cada tipo de jogo exercita mais umas do que outras.
• Ferramentas de paciente virtual melhoraram com mais frequência medidas específicas, como coleta de dados, ideias diagnósticas e conduta, do que medidas gerais de resolução de problemas.
• Jogos de decisão sob tempo já foram testados em ensaios randomizados com médicos de emergência, com efeito sobre a triagem.
• Estudos com a plataforma Human Dx mostram que casos curtos com resposta aberta servem para medir desempenho diagnóstico e que diagnósticos combinados de vários participantes acertam mais.
• Confiança e acerto andam pouco juntos; o retorno imediato é o que permite ajustar uma ao outro.
• A pesquisa sobre jogos ainda tem poucos ensaios, desfechos heterogêneos e muitas medidas sem validação.

Sumário

• As etapas da decisão clínica
• Os tipos de jogo pela etapa que treinam
• O que os dados do Human Dx mostram
• Retorno e calibração
• Limites dos estudos sobre jogos
• Como combinar os tipos
• Perguntas frequentes
• Checklist para escolher um jogo de raciocínio

As etapas da decisão clínica

Raciocínio clínico não é uma habilidade única. Uma revisão de escopo sobre métodos de avaliação do raciocínio clínico, com 377 artigos, concluiu que há muitos métodos e que cada um se alinha a componentes diferentes desse construto complexo (Daniel et al., 2019). Os autores recomendam programas de avaliação que combinem métodos complementares para cobrir todos os componentes (Daniel et al., 2019).

O mesmo vale para o treino. Se avaliar exige vários métodos, treinar também pede mais de um formato. Um jogo pode ser ótimo para uma etapa e não ter sido feito para outra, e isso não é defeito: é foco.

Coletar dados

A primeira etapa é decidir o que perguntar, o que examinar e que informação buscar. Ela aparece com força nos pacientes virtuais, em que você escolhe as perguntas e o caso responde. A revisão sobre ferramentas de paciente virtual encontrou melhora mais consistente em medidas específicas do caso, como a coleta de dados, do que em medidas gerais (Plackett et al., 2022).

Formular hipóteses

A segunda etapa é passar dos achados às hipóteses e ordená-las. É a etapa do diagnóstico diferencial, tratada em detalhe no texto sobre diagnóstico diferencial com pistas. Os jogos de diagnóstico, em que o caso chega aos poucos e você precisa nomear o quadro, concentram o treino aqui.

Decidir a conduta

A terceira etapa é decidir o que fazer: tratar, observar, encaminhar, transferir. Os "key features" de um problema clínico, usados em exames de decisão clínica, foram definidos como os passos críticos na identificação e no manejo desse problema (Bordage et al., 1995). Na validação feita para o exame nacional canadense, médicos de fora do comitê confirmaram 92% desses passos críticos no estudo retrospectivo e 94% no prospectivo (Bordage et al., 1995).

Interpretar dados sob incerteza

Uma quarta habilidade atravessa as outras: interpretar um dado novo quando o quadro ainda é ambíguo. O teste de concordância de scripts foi criado para medir exatamente isso, e a revisão das suas evidências de validade apoia o uso para avaliar a interpretação de dados clínicos sob incerteza (Lubarsky et al., 2011). Como esse formato se relaciona com a probabilidade antes e depois de um exame está no texto sobre probabilidade pré-teste.

Os tipos de jogo pela etapa que treinam

O texto sobre jogos para estudantes de Medicina separa os jogos pelo formato. Aqui o recorte é outro: qual decisão o jogo pede que você tome e o que os estudos mostram sobre essa decisão.

Jogos de hipótese

São os jogos em que o caso chega em partes e a tarefa é chegar ao diagnóstico. Treinam a passagem dos achados para a hipótese e a revisão da hipótese a cada informação nova. Apresentar o caso aos poucos, em pistas seriadas, é a forma mais usada de ensinar raciocínio clínico, talvez porque imita diretamente a atividade diagnóstica dos médicos (Schmidt e Mamede, 2015).

O ponto forte é a repetição: casos curtos permitem ver muitas apresentações em pouco tempo, e o retorno vem logo após o palpite. O texto sobre raciocínio clínico mostra como essa repetição ajuda a montar os scripts de doença.

Jogos de coleta de dados e conduta

São os pacientes virtuais em que você escolhe perguntas, exames e condutas, e o caso responde às escolhas. Na revisão de 19 estudos com estudantes de graduação, as análises de coleta de dados, ideias diagnósticas e conduta mostraram melhora em 72% das vezes, contra 43% nas de aplicação de conhecimento, flexibilidade de pensamento e resolução de problemas (Plackett et al., 2022). Os autores sugerem que medidas específicas do caso podem ser mais sensíveis à mudança, dado que o raciocínio clínico depende muito do contexto (Plackett et al., 2022).

Tipos, evidência e desenho dos pacientes virtuais estão em pacientes virtuais; aqui basta guardar que eles são o formato mais estudado para a etapa da conduta.

Jogos de decisão sob tempo

Um grupo de pesquisa desenvolveu jogos sérios para treinar a triagem de pacientes com trauma em hospitais sem centro de trauma. No primeiro ensaio, com 320 médicos, quem jogou um dos dois jogos deixou menos pacientes graves sem transferência numa simulação validada, com diferenças de 18 e 17 pontos percentuais em relação ao controle (Mohan et al., 2018). O material educativo em texto, no mesmo ensaio, não teve efeito significativo (Mohan et al., 2018).

Os dois jogos incluíam retorno sobre os erros diagnósticos, explicando a origem e as consequências de cada um (Mohan et al., 2018). Num ensaio randomizado maior, com 800 médicos de emergência, o treino com o jogo reduziu a proporção de idosos com trauma grave que não foram transferidos: 49% contra 57% no grupo de educação habitual, diferença ajustada de 7 pontos percentuais (Mohan et al., 2026).

É um dos poucos exemplos de jogo testado com desfecho medido nos atendimentos do ano seguinte, e não só numa prova (Mohan et al., 2026). Esses jogos são para médicos formados, mas mostram que decisões de conduta específicas também podem ser treinadas com jogos.

Jogos de interpretação sob incerteza

Alguns formatos apresentam um caso, uma hipótese e um dado novo, e perguntam se o dado torna a hipótese mais ou menos provável. É a lógica do teste de concordância de scripts, cujas pontuações se correlacionam pouco com testes de conhecimento factual puro (Lubarsky et al., 2011). Isso sugere que o formato mede algo além da memória de fatos, o que o torna um bom complemento para quem já estuda com questões.

Plataformas de casos com resposta aberta

Há ainda plataformas em que você lê um caso curto e escreve, sem alternativas, uma lista ordenada de diagnósticos. A Human Dx é a mais estudada desse tipo, e dois estudos publicados com os seus dados estão na próxima seção.

Os tipos lado a lado

Tipo de jogo	Etapa que mais treina	O que os estudos mostram
Hipótese com pistas	Formular e revisar hipóteses	Formato mais usado no ensino de raciocínio (Schmidt e Mamede, 2015)
Paciente virtual com escolhas	Coleta de dados e conduta	Melhora mais frequente em medidas específicas do caso (Plackett et al., 2022)
Decisão sob tempo	Conduta específica, como triagem	Ensaios randomizados com médicos de emergência (Mohan et al., 2018; Mohan et al., 2026)
Interpretação sob incerteza	Peso de um dado novo	Validade apoiada para medir interpretação sob incerteza (Lubarsky et al., 2011)
Casos com resposta aberta	Lista diagnóstica sem alternativas	Validados como medida de desempenho diagnóstico (Chatterjee et al., 2019)

A coluna "etapa que mais treina" é orientação editorial; a terceira coluna resume as fontes citadas.

O que os dados do Human Dx mostram

Dois estudos publicados no JAMA Network Open em 2019 usaram dados da plataforma Human Dx (Chatterjee et al., 2019; Barnett et al., 2019). Os números abaixo vêm só desses artigos.

Medir o desempenho diagnóstico

O primeiro estudo analisou 11.023 tentativas de resolver simulações de casos curtos e abertos, feitas por 1.738 médicos formados, residentes e estudantes nos Estados Unidos (Chatterjee et al., 2019). O objetivo era validar um método automatizado de medir desempenho diagnóstico, com três medidas: acurácia, eficiência e uma pontuação combinada (Chatterjee et al., 2019).

Os médicos formados tiveram acurácia média maior que os estudantes, com diferença de 8,1 pontos na escala do estudo (Chatterjee et al., 2019). Também foram mais eficientes que residentes, internos e estudantes (Chatterjee et al., 2019). Os autores concluem que o desempenho diagnóstico é maior em quem tem mais formação e que a pontuação pode ser uma medida válida, com retorno imediato ao usuário (Chatterjee et al., 2019).

Um ponto importante para quem lê esse estudo: ele valida uma forma de medir, e não testa se jogar melhora o desempenho. Casos curtos com resposta aberta já foram usados para medir desempenho diagnóstico; o efeito de treino é outra pergunta.

Vários diagnósticos juntos

O segundo estudo usou dados de 2.069 usuários, entre residentes, médicos formados e estudantes, que resolveram casos estruturados enviados por outros usuários (Barnett et al., 2019). A acurácia, definida como o diagnóstico correto entre os três primeiros da lista, foi de 62,5% para médicos individuais e chegou a 85,6% em grupos de nove (Barnett et al., 2019).

Grupos de dois a nove participantes, com acurácia de 77,7% a 85,5%, superaram especialistas individuais resolvendo casos da própria subespecialidade, que acertaram 66,3% (Barnett et al., 2019). O ganho variou com a queixa principal, de 17,3 pontos percentuais na dor abdominal a 29,8 na febre (Barnett et al., 2019). Os autores pedem novos estudos no contexto clínico (Barnett et al., 2019).

O que isso diz para quem estuda

O estudo de grupos fala de inteligência coletiva aplicada ao diagnóstico, e não de aprendizagem (Barnett et al., 2019). Para o estudante, a lição prática é modesta e útil: comparar a sua lista com a de outras pessoas que resolveram o mesmo caso mostra hipóteses que você não considerou. Discutir o caso com a turma é a versão de sala de aula dessa ideia.

Retorno e calibração

Calibração é a relação entre o quanto você acerta e o quanto acha que acerta. Um estudo com médicos de clínica geral a definiu justamente assim, como a relação entre acurácia diagnóstica e confiança nessa acurácia (Meyer et al., 2013).

Confiança e acerto andam pouco juntos

Nesse estudo, 118 médicos acertaram 55,3% dos casos mais fáceis e 5,8% dos mais difíceis (Meyer et al., 2013). A confiança, porém, mudou pouco: 7,2 contra 6,4 numa escala de 0 a 10 (Meyer et al., 2013). Mais confiança se associou a menos pedidos de exames adicionais, e os autores alertam que esse descompasso pode impedir a revisão de casos difíceis (Meyer et al., 2013).

Num estudo anterior, com 72 estudantes, 72 residentes e 72 professores de clínica médica, confiança e acerto estiveram apenas levemente alinhados (Friedman et al., 2005). Quando não estavam alinhados, os residentes foram excessivamente confiantes em 41% dos casos, os professores em 36% e os estudantes em 25% (Friedman et al., 2005).

Excesso de confiança e erro

Uma revisão sobre o tema argumenta que os médicos em geral subestimam a chance de o próprio diagnóstico estar errado e que essa tendência ao excesso de confiança tem fatores individuais e fatores reforçados pelo sistema (Berner e Graber, 2008). Parte do problema é que, na prática, o retorno sobre o diagnóstico muitas vezes não chega.

Uma revisão recente com especialistas em raciocínio clínico lembra que muitos erros diagnósticos passam despercebidos pelos próprios médicos, a menos que causem dano relevante (Bradford et al., 2026). Os especialistas consultados descreveram a calibração como algo que oscila e depende do contexto, e recomendaram medi-la também em decisões intermediárias, antes do diagnóstico final (Bradford et al., 2026).

Por que o retorno é o centro do jogo

Na educação em geral, o retorno está entre as influências mais fortes sobre a aprendizagem, mas o efeito pode ser positivo ou negativo, conforme o tipo de retorno e a forma de dar (Hattie e Timperley, 2007). Os autores também discutem o momento do retorno como uma das questões que pesam no efeito (Hattie e Timperley, 2007).

Os jogos de raciocínio têm uma vantagem natural aqui: cada caso termina com uma resposta, e o retorno chega na hora. Num estudo piloto com 72 médicos de emergência, sessões de jogo acompanhadas por especialistas que davam retorno imediato e personalizado sobre o raciocínio foram descritas como divertidas e valiosas por 93% dos participantes do grupo de intervenção (Mohan et al., 2023).

Como treinar a calibração

Uma forma simples, como orientação editorial: antes de ver a resposta de cada caso, anote a hipótese e a sua confiança nela, de 0 a 10. Depois de alguns casos, compare. Se a confiança foi alta nos erros, vale desacelerar nos casos em que tudo parece óbvio. Se foi baixa nos acertos, vale confiar um pouco mais nos padrões que você já domina. Com o registro, o retorno de cada caso vira aprendizado sobre o seu próprio jeito de errar.

Limites dos estudos sobre jogos

A pesquisa sobre jogos no ensino de saúde cresceu, mas ainda tem lacunas que valem para todos os formatos.

Poucos ensaios e desfechos variados

A revisão Cochrane sobre jogos educacionais para profissionais de saúde, com busca até janeiro de 2012, incluiu apenas dois ensaios randomizados (Akl et al., 2013). Uma revisão sistemática posterior, com busca até agosto de 2017, reuniu 30 ensaios com 3.634 participantes e não fez meta-análise por causa da heterogeneidade de populações, intervenções e desfechos (Gentry et al., 2019). A mesma revisão concluiu que não havia evidência suficiente para dizer se um tipo de jogo é mais eficaz que outro (Gentry et al., 2019). O panorama geral dessas revisões está no texto sobre gamificação na educação médica.

Formatos pouco comparados entre si

Na revisão narrativa sobre o ensino de raciocínio clínico, só 24 dos 48 artigos traziam dados empíricos (Schmidt e Mamede, 2015). Os autores registram que ainda faltam estudos sobre a eficácia do formato de pistas seriadas, que há alguma evidência a favor do caso inteiro voltado ao conhecimento e que abordagens centradas em ensinar "um jeito de pensar" se mostraram em grande parte ineficazes (Schmidt e Mamede, 2015). Eles propõem que estudantes em fases diferentes da formação se beneficiem de abordagens diferentes (Schmidt e Mamede, 2015).

Medidas sem validação

Na revisão sobre pacientes virtuais e raciocínio clínico, 42% dos estudos não relataram nenhuma medida de validade ou confiabilidade do desfecho de raciocínio (Plackett et al., 2022). Mesmo formatos de avaliação bem estudados têm lacunas: no teste de concordância de scripts, as evidências sobre o processo de resposta e sobre as consequências educacionais ainda são fracas (Lubarsky et al., 2011).

Medir não é treinar

Os estudos com dados do Human Dx validaram uma medida de desempenho (Chatterjee et al., 2019) e testaram a combinação de diagnósticos (Barnett et al., 2019). Nenhum dos dois foi desenhado para medir quanto alguém aprende jogando. Essa diferença vale para ler qualquer estudo sobre jogos: perguntar se o desfecho é desempenho no próprio jogo, numa prova ou na prática.

Efeitos na prática ainda são raros

O ensaio de triagem com 800 médicos é exceção, e mesmo nele o efeito apareceu na falta de transferência de pacientes graves, sem diferença na transferência excessiva nem no desfecho combinado de mortalidade ou readmissão em 30 dias (Mohan et al., 2026). Resultados assim mostram o caminho e também o quanto ainda falta medir.

Como a pesquisa pode avançar

As lacunas apontam perguntas claras: comparar formatos entre si, usar medidas validadas, acompanhar o desempenho meses depois e, quando possível, medir decisões na prática. Pesquisadores de educação médica que queiram estudar o treino com casos em pistas podem conhecer o NEXO Researcher. Se você coordena uma faculdade, liga ou residência e quer usar casos assim no ensino e acompanhar o resultado da turma, conheça o NEXO Closer. Médicos que queiram revisar casos podem conhecer o NEXO Curator, e quem produz conteúdo de Medicina, o NEXO Creators.

Como combinar os tipos

Cada formato cobre parte das etapas, e a revisão sobre métodos de avaliação recomenda justamente combinar métodos complementares (Daniel et al., 2019). Um roteiro possível, como orientação editorial:

1. Hipótese todos os dias: um caso curto de diagnóstico, com hipótese e confiança anotadas antes da resposta.
2. Conduta algumas vezes por semana: um paciente virtual ou uma discussão de caso em que você precise decidir o que fazer.
3. Interpretação de dados: questões que peçam o peso de um achado novo sobre uma hipótese.
4. Revisão com a turma: comparar listas de hipóteses do mesmo caso e discutir as diferenças.
5. Registro dos erros: guardar o achado que separou a doença certa da que você escolheu.

Orientação editorial; ajuste à fase do curso e ao estágio em que você está.

Erros comuns ao treinar com jogos

Alguns hábitos reduzem o que um jogo pode ensinar. Os itens abaixo são orientação editorial, ligados às fontes quando há uma.

• Olhar só o placar: o acerto do dia diz pouco; o que ensina é entender por que a hipótese errada pareceu certa. O efeito do retorno depende do tipo de retorno e de como ele é usado (Hattie e Timperley, 2007).
• Treinar sempre a mesma etapa: quem só faz casos de diagnóstico treina pouco a conduta, e o contrário também vale. Cada método cobre partes diferentes do raciocínio (Daniel et al., 2019).
• Ignorar a própria confiança: sem anotar quanto você confiava, o retorno não ajuda a calibrar. Confiança e acerto costumam andar pouco juntos (Meyer et al., 2013).
• Jogar rápido demais nos casos difíceis: a pressa ajuda a treinar padrões, mas os casos em que você errou merecem uma segunda leitura, achado por achado.
• Ler a medida como aprendizado: ir bem num jogo mostra desempenho naquele formato; o teste real é o raciocínio diante do paciente, com supervisão.

Treinar a hipótese no NEXO

No NEXO, cada caso chega em até seis pistas e a tarefa é chegar ao diagnóstico, o que concentra o treino na etapa de formular e revisar hipóteses. Cada palpite mostra a proximidade na CID-10 em cinco níveis, um retorno imediato que diz se você está no grupo certo de doenças e quão longe ficou. Na terceira pista aparece a área do caso e, na quinta, a faixa da CID; você pode pular uma pista quando quiser avançar.

Esse retorno é um bom material para treinar a calibração: anote a confiança antes de cada palpite e compare com a proximidade que o jogo mostra. O Diário traz um caso por dia, o mesmo para todo mundo, o que permite comparar listas com a turma, como no estudo de diagnósticos combinados. O Arquivo reúne os casos anteriores, o Multimídia traz casos com imagem e áudio, o Continentes, casos ligados a África, Américas, Ásia, Europa e Oceania, e o Adrenalina, com a dose escolhida antes, treina a hipótese com tempo.

O botão do Anki cria o card direto do NEXO e abre no app do Anki, busca os cards que você já tem e, quando o caso tem imagem, leva a imagem para o card. O ranking tem as abas Global, Universidades e Grupo, esta com código de convite. Para entender os limites de cada modo, veja a página de economia do NEXO, e para conhecer o jogo, leia o que é o NEXO.

Perguntas frequentes

O que são jogos de raciocínio clínico?

São jogos com casos clínicos em que você precisa tomar uma decisão de raciocínio: formular uma hipótese, escolher que dado buscar, decidir uma conduta ou interpretar uma informação nova. Cada tipo concentra o treino numa dessas etapas.

Jogos de raciocínio clínico funcionam?

Há resultados positivos, sobretudo em medidas específicas do caso, como coleta de dados, ideias diagnósticas e conduta (Plackett et al., 2022). As revisões ainda não permitem dizer qual tipo de jogo é mais eficaz (Gentry et al., 2019).

Qual a diferença entre jogo de diagnóstico e jogo de conduta?

O jogo de diagnóstico treina chegar à hipótese a partir dos achados. O jogo de conduta treina o passo seguinte, decidir o que fazer, como nos pacientes virtuais com escolhas e nos jogos de triagem testados com médicos de emergência (Mohan et al., 2026).

O que é o Human Dx e o que os estudos mostraram?

É uma plataforma online de casos curtos com resposta aberta. Estudos com os seus dados mostraram que a pontuação pode medir desempenho diagnóstico (Chatterjee et al., 2019) e que listas combinadas de vários participantes acertaram mais que as individuais, de 62,5% a 85,6% (Barnett et al., 2019).

O que é calibração diagnóstica?

É a relação entre o quanto você acerta e o quanto confia no acerto (Meyer et al., 2013). Médicos e estudantes costumam ter confiança pouco alinhada ao acerto (Friedman et al., 2005), e o retorno de cada caso ajuda a ajustar uma à outra.

Como o NEXO ajuda a treinar o raciocínio clínico?

Cada caso chega em até seis pistas, e o palpite mostra a proximidade na CID-10, o que concentra o treino na formulação e na revisão de hipóteses, com retorno imediato. O caso diário, o mesmo para todo mundo, permite comparar o raciocínio com a turma.

Que tipo de jogo usar no internato?

No internato, a etapa da conduta pesa mais, porque você passa a decidir o que fazer com a hipótese. Vale manter o treino diário de hipótese e somar casos em que seja preciso escolher a conduta, como pacientes virtuais com escolhas e discussões com o preceptor. A combinação segue a recomendação de usar métodos complementares (Daniel et al., 2019).

Jogos substituem o estágio?

Eles complementam o estágio: ampliam o número de casos que você vê e dão retorno rápido, enquanto o contato com o paciente, a supervisão e a discussão com o preceptor seguem no centro da formação. O texto sobre raciocínio clínico mostra como juntar as duas coisas.

Checklist para escolher um jogo de raciocínio

1. Qual etapa o jogo treina: hipótese, coleta de dados, conduta ou interpretação?
2. O retorno é imediato e explica o erro?
3. A resposta é aberta ou só de múltipla escolha?
4. Dá para registrar a confiança antes da resposta?
5. Os casos são revisados por quem entende do assunto?
6. Há casos suficientes para repetir a mesma etapa muitas vezes?
7. Dá para comparar o raciocínio com a turma?
8. O jogo cabe na rotina sem tirar o tempo do estágio e das questões?
9. Existe estudo publicado sobre o formato, e o desfecho é aprendizagem ou só medida?
10. Você combina formatos para cobrir as outras etapas?

Quer treinar hoje? Jogue o caso do dia no NEXO.

Referências

1. Daniel M, Rencic J, Durning SJ, et al. Clinical Reasoning Assessment Methods: A Scoping Review and Practical Guidance. Acad Med. 2019. https://pubmed.ncbi.nlm.nih.gov/30720527/
2. Plackett R, Kassianos AP, Mylan S, et al. The effectiveness of using virtual patient educational tools to improve medical students' clinical reasoning skills: a systematic review. BMC Med Educ. 2022. https://pubmed.ncbi.nlm.nih.gov/35550085/
3. Bordage G, Brailovsky C, Carretier H, Page G. Content validation of key features on a national examination of clinical decision-making skills. Acad Med. 1995. https://pubmed.ncbi.nlm.nih.gov/7718059/
4. Lubarsky S, Charlin B, Cook DA, et al. Script concordance testing: a review of published validity evidence. Med Educ. 2011. https://pubmed.ncbi.nlm.nih.gov/21401680/
5. Schmidt HG, Mamede S. How to improve the teaching of clinical reasoning: a narrative review and a proposal. Med Educ. 2015. https://pubmed.ncbi.nlm.nih.gov/26383068/
6. Mohan D, Fischhoff B, Angus DC, et al. Serious games may improve physician heuristics in trauma triage. Proc Natl Acad Sci U S A. 2018. https://pubmed.ncbi.nlm.nih.gov/30150397/
7. Mohan D, Chang CH, Fischhoff B, et al. Using Serious Games to Increase the Implementation of Trauma Triage Guidelines: A Randomized Clinical Trial. JAMA. 2026. https://pubmed.ncbi.nlm.nih.gov/42008277/
8. Chatterjee S, Desai S, Manesh R, et al. Assessment of a Simulated Case-Based Measurement of Physician Diagnostic Performance. JAMA Netw Open. 2019. https://pubmed.ncbi.nlm.nih.gov/30646211/
9. Barnett ML, Boddupalli D, Nundy S, et al. Comparative Accuracy of Diagnosis by Collective Intelligence of Multiple Physicians vs Individual Physicians. JAMA Netw Open. 2019. https://pubmed.ncbi.nlm.nih.gov/30821822/
10. Meyer AN, Payne VL, Meeks DW, et al. Physicians' diagnostic accuracy, confidence, and resource requests: a vignette study. JAMA Intern Med. 2013. https://pubmed.ncbi.nlm.nih.gov/23979070/
11. Friedman CP, Gatti GG, Franz TM, et al. Do physicians know when their diagnoses are correct? Implications for decision support and error reduction. J Gen Intern Med. 2005. https://pubmed.ncbi.nlm.nih.gov/15857490/
12. Berner ES, Graber ML. Overconfidence as a cause of diagnostic error in medicine. Am J Med. 2008. https://pubmed.ncbi.nlm.nih.gov/18440350/
13. Bradford A, Shahid U, Cholankeril R, et al. Methods to measure clinicians' diagnostic calibration: an appraisal for real world application. Diagnosis (Berl). 2026. https://pubmed.ncbi.nlm.nih.gov/42678279/
14. Hattie J, Timperley H. The Power of Feedback. Rev Educ Res. 2007. https://doi.org/10.3102/003465430298487
15. Mohan D, Elmer J, Arnold RM, et al. Testing a Novel Deliberate Practice Intervention to Improve Diagnostic Reasoning in Trauma Triage: A Pilot Randomized Clinical Trial. JAMA Netw Open. 2023. https://pubmed.ncbi.nlm.nih.gov/37195666/
16. Akl EA, Kairouz VF, Sackett KM, et al. Educational games for health professionals. Cochrane Database Syst Rev. 2013. https://pubmed.ncbi.nlm.nih.gov/23543543/
17. Gentry SV, Gauthier A, L'Estrade Ehrstrom B, et al. Serious Gaming and Gamification Education in Health Professions: Systematic Review. J Med Internet Res. 2019. https://pubmed.ncbi.nlm.nih.gov/30920375/