Jeux de raisonnement clinique : ce que chaque type entraîne

Un jeu de diagnostic entraîne à arriver à l'hypothèse ; un jeu de conduite entraîne à l'étape suivante, décider quoi en faire. Les deux tiennent dans l'étude du cycle clinique, mais ils exercent des parties différentes du raisonnement, et savoir quelle partie chacun exerce aide à choisir où mettre son temps.

NEXO est un jeu quotidien de diagnostic médical : un cas clinique par jour, six indices progressifs et un retour de proximité dans la CIM-10 sur cinq niveaux.

Ce texte organise les jeux de raisonnement clinique par étape de la décision qu'ils exercent, résume ce que montrent les études publiées avec la plateforme Human Dx, explique pourquoi le retour et la calibration de la confiance comptent et se termine par les limites de la recherche sur les jeux. Les formats de jeu par phase du cursus sont dans jeux pour étudiants en médecine, les preuves générales sur la ludification dans ludification dans l'éducation médicale et les patients virtuels dans patients virtuels.

Points principaux

• Le raisonnement clinique a des étapes : recueillir des données, formuler des hypothèses, choisir la conduite. Chaque type de jeu en exerce certaines plus que d'autres.
• Les outils de patient virtuel ont plus souvent amélioré des mesures spécifiques, comme le recueil de données, les idées diagnostiques et la conduite, que des mesures générales de résolution de problèmes.
• Des jeux de décision sous contrainte de temps ont déjà été testés dans des essais randomisés avec des médecins urgentistes, avec un effet sur le triage.
• Des études avec la plateforme Human Dx montrent que des cas courts à réponse ouverte servent à mesurer la performance diagnostique et que des diagnostics combinés de plusieurs participants sont plus souvent justes.
• Confiance et justesse vont peu ensemble ; le retour immédiat est ce qui permet d'ajuster l'une à l'autre.
• La recherche sur les jeux compte encore peu d'essais, des critères de jugement hétérogènes et beaucoup de mesures sans validation.

Sommaire

• Les étapes de la décision clinique
• Les types de jeu selon l'étape qu'ils exercent
• Ce que montrent les données de Human Dx
• Retour et calibration
• Limites des études sur les jeux
• Comment combiner les types
• Questions fréquentes
• Liste de contrôle pour choisir un jeu de raisonnement

Les étapes de la décision clinique

Le raisonnement clinique n'est pas une compétence unique. Une revue de portée sur les méthodes d'évaluation du raisonnement clinique, avec 377 articles, a conclu qu'il existe de nombreuses méthodes et que chacune s'aligne sur des composantes différentes de ce construit complexe (Daniel et al., 2019). Les auteurs recommandent des programmes d'évaluation qui combinent des méthodes complémentaires pour couvrir toutes les composantes (Daniel et al., 2019).

Il en va de même pour l'entraînement. Si évaluer exige plusieurs méthodes, s'entraîner demande aussi plus d'un format. Un jeu peut être excellent pour une étape et ne pas avoir été conçu pour une autre, et ce n'est pas un défaut : c'est un focus.

Recueillir des données

La première étape est de décider quoi demander, quoi examiner et quelle information chercher. Elle apparaît fortement dans les patients virtuels, où vous choisissez les questions et le cas répond. La revue sur les outils de patient virtuel a trouvé une amélioration plus constante sur des mesures spécifiques au cas, comme le recueil de données, que sur des mesures générales (Plackett et al., 2022).

Formuler des hypothèses

La deuxième étape est de passer des constats aux hypothèses et de les ordonner. C'est l'étape du diagnostic différentiel, traitée en détail dans le texte sur le diagnostic différentiel avec des indices. Les jeux de diagnostic, où le cas arrive peu à peu et où vous devez nommer le tableau, concentrent l'entraînement ici.

Décider la conduite

La troisième étape est de décider quoi faire : traiter, surveiller, adresser, transférer. Les "key features" d'un problème clinique, utilisés dans les examens de décision clinique, ont été définis comme les étapes critiques dans l'identification et la prise en charge de ce problème (Bordage et al., 1995). Dans la validation faite pour l'examen national canadien, des médecins extérieurs au comité ont confirmé 92 % de ces étapes critiques dans l'étude rétrospective et 94 % dans la prospective (Bordage et al., 1995).

Interpréter des données dans l'incertitude

Une quatrième compétence traverse les autres : interpréter une donnée nouvelle quand le tableau est encore ambigu. Le test de concordance de scripts a été créé pour mesurer exactement cela, et la revue de ses preuves de validité soutient son usage pour évaluer l'interprétation de données cliniques dans l'incertitude (Lubarsky et al., 2011). La façon dont ce format se rapporte à la probabilité avant et après un examen est dans le texte sur la probabilité pré-test.

Les types de jeu selon l'étape qu'ils entraînent

Le texte sur les jeux pour étudiants en médecine classe les jeux par format. Ici, le découpage est autre : quelle décision le jeu vous demande de prendre et ce que les études montrent sur cette décision.

Jeux d'hypothèse

Ce sont les jeux où le cas arrive par parties et où la tâche est d'arriver au diagnostic. Ils entraînent le passage des constats à l'hypothèse et la révision de l'hypothèse à chaque nouvelle information. Présenter le cas peu à peu, en indices successifs, est la forme la plus utilisée pour enseigner le raisonnement clinique, peut-être parce qu'elle imite directement l'activité diagnostique des médecins (Schmidt et Mamede, 2015).

Le point fort est la répétition : des cas courts permettent de voir beaucoup de présentations en peu de temps, et le retour vient juste après le palpite. Le texte sur le raisonnement clinique montre comment cette répétition aide à construire les scripts de maladie.

Jeux de collecte de données et de conduite

Ce sont les patients virtuels où vous choisissez les questions, les examens et les conduites, et où le cas répond aux choix. Dans la revue de 19 études avec des étudiants de premier cycle, les analyses de collecte de données, d'idées diagnostiques et de conduite ont montré une amélioration dans 72 % des cas, contre 43 % pour celles d'application des connaissances, de flexibilité de pensée et de résolution de problèmes (Plackett et al., 2022). Les auteurs suggèrent que des mesures spécifiques au cas peuvent être plus sensibles au changement, étant donné que le raisonnement clinique dépend beaucoup du contexte (Plackett et al., 2022).

Les types, les preuves et la conception des patients virtuels sont dans patients virtuels ; ici, il suffit de retenir qu'ils sont le format le plus étudié pour l'étape de la conduite.

Jeux de décision sous contrainte de temps

Un groupe de recherche a développé des jeux sérieux pour entraîner le triage de patients traumatisés dans des hôpitaux sans centre de traumatologie. Dans le premier essai, avec 320 médecins, ceux qui ont joué à l'un des deux jeux ont laissé moins de patients graves sans transfert dans une simulation validée, avec des différences de 18 et 17 points de pourcentage par rapport au contrôle (Mohan et al., 2018). Le matériel éducatif en texte, dans le même essai, n'a pas eu d'effet significatif (Mohan et al., 2018).

Les deux jeux incluaient un retour sur les erreurs diagnostiques, expliquant l'origine et les conséquences de chacune (Mohan et al., 2018). Dans un essai randomisé plus grand, avec 800 médecins urgentistes, l'entraînement avec le jeu a réduit la proportion de personnes âgées avec traumatisme grave qui n'ont pas été transférées : 49 % contre 57 % dans le groupe d'éducation habituelle, différence ajustée de 7 points de pourcentage (Mohan et al., 2026).

C'est l'un des rares exemples de jeu testé avec un résultat mesuré dans les prises en charge de l'année suivante, et pas seulement dans un examen (Mohan et al., 2026). Ces jeux sont destinés aux médecins diplômés, mais ils montrent que des décisions de conduite spécifiques peuvent aussi être entraînées avec des jeux.

Jeux d'interprétation sous incertitude

Certains formats présentent un cas, une hypothèse et une nouvelle donnée, et demandent si la donnée rend l'hypothèse plus ou moins probable. C'est la logique du test de concordance de scripts, dont les scores se corrèlent peu avec les tests de connaissances factuelles pures (Lubarsky et al., 2011). Cela suggère que le format mesure quelque chose au-delà de la mémoire des faits, ce qui en fait un bon complément pour ceux qui étudient déjà avec des questions.

Plateformes de cas à réponse ouverte

Il existe aussi des plateformes où vous lisez un cas court et écrivez, sans choix de réponses, une liste ordonnée de diagnostics. Human Dx est la plus étudiée de ce type, et deux études publiées avec ses données se trouvent dans la section suivante.

Les types côte à côte

Type de jeu	Étape la plus entraînée	Ce que les études montrent
Hypothèse avec indices	Formuler et réviser des hypothèses	Format le plus utilisé dans l'enseignement du raisonnement (Schmidt et Mamede, 2015)
Patient virtuel avec choix	Collecte de données et conduite	Amélioration plus fréquente sur des mesures spécifiques au cas (Plackett et al., 2022)
Décision sous contrainte de temps	Conduite spécifique, comme le triage	Essais randomisés avec des médecins urgentistes (Mohan et al., 2018 ; Mohan et al., 2026)
Interprétation sous incertitude	Poids d'une nouvelle donnée	Validité étayée pour mesurer l'interprétation sous incertitude (Lubarsky et al., 2011)
Cas à réponse ouverte	Liste diagnostique sans choix de réponses	Validés comme mesure de performance diagnostique (Chatterjee et al., 2019)

La colonne " étape la plus entraînée " est une orientation éditoriale ; la troisième colonne résume les sources citées.

Ce que les données de Human Dx montrent

Deux études publiées dans JAMA Network Open en 2019 ont utilisé les données de la plateforme Human Dx (Chatterjee et al., 2019 ; Barnett et al., 2019). Les chiffres ci-dessous proviennent uniquement de ces articles.

Mesurer la performance diagnostique

La première étude a analysé 11 023 tentatives de résolution de simulations de cas courts et ouverts, réalisées par 1 738 médecins diplômés, internes et étudiants aux États-Unis (Chatterjee et al., 2019). L'objectif était de valider une méthode automatisée de mesure de la performance diagnostique, avec trois mesures : l'exactitude, l'efficacité et un score combiné (Chatterjee et al., 2019).

Les médecins diplômés ont eu une exactitude moyenne supérieure à celle des étudiants, avec un écart de 8,1 points sur l'échelle de l'étude (Chatterjee et al., 2019). Ils ont aussi été plus efficaces que les internes, les résidents et les étudiants (Chatterjee et al., 2019). Les auteurs concluent que la performance diagnostique est meilleure chez ceux qui ont plus de formation et que le score peut être une mesure valide, avec un retour immédiat à l'utilisateur (Chatterjee et al., 2019).

Un point important pour qui lit cette étude : elle valide une façon de mesurer, et ne teste pas si jouer améliore la performance. Des cas courts avec réponse ouverte ont déjà été utilisés pour mesurer la performance diagnostique ; l'effet d'entraînement est une autre question.

Plusieurs diagnostics ensemble

La deuxième étude a utilisé les données de 2 069 utilisateurs, parmi des résidents, des médecins diplômés et des étudiants, qui ont résolu des cas structurés envoyés par d'autres utilisateurs (Barnett et al., 2019). L'exactitude, définie comme le diagnostic correct parmi les trois premiers de la liste, a été de 62,5 % pour les médecins individuels et a atteint 85,6 % dans des groupes de neuf (Barnett et al., 2019).

Des groupes de deux à neuf participants, avec une exactitude de 77,7 % à 85,5 %, ont dépassé des spécialistes individuels résolvant des cas de leur propre surspécialité, qui ont répondu correctement dans 66,3 % des cas (Barnett et al., 2019). Le gain a varié selon le motif principal, de 17,3 points de pourcentage pour la douleur abdominale à 29,8 pour la fièvre (Barnett et al., 2019). Les auteurs demandent de nouvelles études en contexte clinique (Barnett et al., 2019).

Ce que cela dit à ceux qui étudient

L'étude sur les groupes parle d'intelligence collective appliquée au diagnostic, et non d'apprentissage (Barnett et al., 2019). Pour l'étudiant, la leçon pratique est modeste et utile : comparer sa liste avec celle d'autres personnes qui ont résolu le même cas montre des hypothèses que vous n'avez pas envisagées. Discuter le cas avec la classe est la version en salle de cours de cette idée.

Retour et calibration

La calibration est la relation entre ce que vous réussissez et ce que vous croyez réussir. Une étude menée avec des médecins de médecine générale l'a définie précisément ainsi, comme la relation entre l'exactitude diagnostique et la confiance dans cette exactitude (Meyer et al., 2013).

Confiance et réussite vont peu ensemble

Dans cette étude, 118 médecins ont réussi 55,3 % des cas les plus faciles et 5,8 % des plus difficiles (Meyer et al., 2013). La confiance, cependant, a peu changé : 7,2 contre 6,4 sur une échelle de 0 à 10 (Meyer et al., 2013). Plus de confiance a été associée à moins de demandes d'examens supplémentaires, et les auteurs avertissent que ce décalage peut empêcher la révision des cas difficiles (Meyer et al., 2013).

Dans une étude antérieure, avec 72 étudiants, 72 résidents et 72 enseignants de médecine interne, confiance et réussite n'étaient que légèrement alignées (Friedman et al., 2005). Lorsqu'elles n'étaient pas alignées, les résidents étaient excessivement confiants dans 41 % des cas, les enseignants dans 36 % et les étudiants dans 25 % (Friedman et al., 2005).

Excès de confiance et erreur

Une revue sur le sujet soutient que les médecins sous-estiment en général la chance que leur propre diagnostic soit erroné et que cette tendance à l'excès de confiance a des facteurs individuels et des facteurs renforcés par le système (Berner et Graber, 2008). Une partie du problème est que, en pratique, le retour sur le diagnostic n'arrive souvent pas.

Une revue récente avec des spécialistes du raisonnement clinique rappelle que de nombreuses erreurs diagnostiques passent inaperçues aux yeux des médecins eux-mêmes, à moins qu'elles ne causent un dommage important (Bradford et al., 2026). Les spécialistes consultés ont décrit la calibration comme quelque chose qui oscille et dépend du contexte, et ont recommandé de la mesurer aussi dans les décisions intermédiaires, avant le diagnostic final (Bradford et al., 2026).

Pourquoi le retour est au centre du jeu

Dans l'éducation en général, le retour figure parmi les influences les plus fortes sur l'apprentissage, mais l'effet peut être positif ou négatif, selon le type de retour et la manière de le donner (Hattie et Timperley, 2007). Les auteurs discutent aussi du moment du retour comme l'une des questions qui pèsent sur l'effet (Hattie et Timperley, 2007).

Les jeux de raisonnement ont ici un avantage naturel : chaque cas se termine par une réponse, et le retour arrive immédiatement. Dans une étude pilote avec 72 médecins urgentistes, des sessions de jeu accompagnées par des spécialistes qui donnaient un retour immédiat et personnalisé sur le raisonnement ont été décrites comme amusantes et précieuses par 93 % des participants du groupe d'intervention (Mohan et al., 2023).

Comment entraîner la calibration

Une façon simple, comme orientation éditoriale : avant de voir la réponse de chaque cas, notez l'hypothèse et votre confiance en elle, de 0 à 10. Après quelques cas, comparez. Si la confiance était élevée sur les erreurs, il vaut la peine de ralentir dans les cas où tout semble évident. Si elle était faible sur les bonnes réponses, il vaut la peine de faire un peu plus confiance aux schémas que vous maîtrisez déjà. Avec ce relevé, le retour de chaque cas devient un apprentissage sur votre propre façon de vous tromper.

Limites des études sur les jeux

La recherche sur les jeux dans l'enseignement de la santé s'est développée, mais elle comporte encore des lacunes qui valent pour tous les formats.

Peu d'essais et des critères de jugement variés

La revue Cochrane sur les jeux éducatifs pour les professionnels de santé, avec une recherche jusqu'en janvier 2012, n'a inclus que deux essais randomisés (Akl et al., 2013). Une revue systématique ultérieure, avec une recherche jusqu'en août 2017, a réuni 30 essais avec 3 634 participants et n'a pas réalisé de méta-analyse en raison de l'hétérogénéité des populations, des interventions et des critères de jugement (Gentry et al., 2019). La même revue a conclu qu'il n'y avait pas suffisamment de preuves pour dire si un type de jeu est plus efficace qu'un autre (Gentry et al., 2019). Le panorama général de ces revues se trouve dans le texte sur la ludification dans l'éducation médicale.

Des formats peu comparés entre eux

Dans la revue narrative sur l'enseignement du raisonnement clinique, seuls 24 des 48 articles apportaient des données empiriques (Schmidt et Mamede, 2015). Les auteurs signalent qu'il manque encore des études sur l'efficacité du format d'indices sériés, qu'il existe quelques preuves en faveur du cas entier axé sur les connaissances et que les approches centrées sur l'enseignement d'« une façon de penser » se sont révélées en grande partie inefficaces (Schmidt et Mamede, 2015). Ils proposent que des étudiants à des stades différents de leur formation bénéficient d'approches différentes (Schmidt et Mamede, 2015).

Des mesures sans validation

Dans la revue sur les patients virtuels et le raisonnement clinique, 42 % des études n'ont rapporté aucune mesure de validité ou de fiabilité du critère de jugement de raisonnement (Plackett et al., 2022). Même des formats d'évaluation bien étudiés comportent des lacunes : dans le test de concordance de scripts, les preuves sur le processus de réponse et sur les conséquences éducatives restent faibles (Lubarsky et al., 2011).

Mesurer n'est pas entraîner

Les études avec les données de Human Dx ont validé une mesure de performance (Chatterjee et al., 2019) et testé la combinaison de diagnostics (Barnett et al., 2019). Aucune des deux n'a été conçue pour mesurer combien une personne apprend en jouant. Cette différence vaut pour lire n'importe quelle étude sur les jeux : demander si le critère de jugement est la performance dans le jeu lui-même, dans un examen ou dans la pratique.

Les effets sur la pratique restent rares

L'essai de triage avec 800 médecins est une exception, et même dans celui-ci l'effet est apparu sur l'absence de transfert de patients graves, sans différence sur le transfert excessif ni sur le critère de jugement combiné de mortalité ou de réadmission à 30 jours (Mohan et al., 2026). De tels résultats montrent le chemin et aussi combien il reste encore à mesurer.

Comment la recherche peut progresser

Les lacunes dessinent des questions claires : comparer les formats entre eux, utiliser des mesures validées, suivre la performance des mois plus tard et, quand c'est possible, mesurer les décisions en pratique. Les chercheurs en éducation médicale qui veulent étudier l'entraînement avec des cas à indices peuvent découvrir NEXO Researcher. Si vous coordonnez une faculté, un internat ou une résidence et que vous voulez utiliser de tels cas dans l'enseignement et suivre le résultat de la classe, découvrez NEXO Closer. Les médecins qui veulent réviser des cas peuvent découvrir NEXO Curator, et ceux qui produisent du contenu de Médecine, NEXO Creators.

Comment combiner les types

Chaque format couvre une partie des étapes, et la revue sur les méthodes d'évaluation recommande justement de combiner des méthodes complémentaires (Daniel et al., 2019). Un itinéraire possible, comme orientation éditoriale :

1. Hypothèse tous les jours : un cas court de diagnostic, avec hypothèse et confiance notées avant la réponse.
2. Conduite quelques fois par semaine : un patient virtuel ou une discussion de cas où vous devez décider quoi faire.
3. Interprétation de données : des questions qui demandent le poids d'un nouvel élément sur une hypothèse.
4. Révision avec la classe : comparer les listes d'hypothèses du même cas et discuter les différences.
5. Consignation des erreurs : garder l'élément qui a séparé la bonne maladie de celle que vous avez choisie.

Orientation éditoriale ; ajustez selon la phase du cursus et le stage où vous êtes.

Erreurs courantes quand on s'entraîne avec des jeux

Certaines habitudes réduisent ce qu'un jeu peut enseigner. Les points ci-dessous sont une orientation éditoriale, liés aux sources quand il y en a une.

• Ne regarder que le score : la réussite du jour dit peu ; ce qui enseigne, c'est de comprendre pourquoi la mauvaise hypothèse a semblé juste. L'effet du retour dépend du type de retour et de la façon dont il est utilisé (Hattie et Timperley, 2007).
• S'entraîner toujours sur la même étape : celui qui ne fait que des cas de diagnostic entraîne peu la conduite, et l'inverse est vrai aussi. Chaque méthode couvre des parties différentes du raisonnement (Daniel et al., 2019).
• Ignorer sa propre confiance : sans noter à quel point vous étiez sûr, le retour n'aide pas à se calibrer. Confiance et réussite vont rarement de pair (Meyer et al., 2013).
• Jouer trop vite dans les cas difficiles : la hâte aide à entraîner des schémas, mais les cas où vous avez échoué méritent une seconde lecture, élément par élément.
• Lire la mesure comme un apprentissage : bien réussir dans un jeu montre la performance dans ce format ; le vrai test, c'est le raisonnement face au patient, avec supervision.

Entraîner l'hypothèse dans NEXO

Dans NEXO, chaque cas arrive en six indices au maximum et la tâche est d'arriver au diagnostic, ce qui concentre l'entraînement sur l'étape de formuler et de réviser des hypothèses. Chaque hypothèse montre la proximité dans la CIM-10 en cinq niveaux, un retour immédiat qui dit si vous êtes dans le bon groupe de maladies et à quelle distance vous êtes resté. Au troisième indice apparaît la zone du cas et, au cinquième, la tranche de la CIM ; vous pouvez sauter un indice quand vous voulez avancer.

Ce retour est un bon matériau pour entraîner la calibration : notez la confiance avant chaque hypothèse et comparez avec la proximité que le jeu montre. Le mode Quotidien apporte un cas par jour, le même pour tout le monde, ce qui permet de comparer les listes avec la classe, comme dans l'étude des diagnostics combinés. Les Archives réunissent les cas précédents, le Multimédia apporte des cas avec image et audio, les Continents, des cas liés à l'Afrique, aux Amériques, à l'Asie, à l'Europe et à l'Océanie, et Adrénaline, avec la dose choisie à l'avance, entraîne l'hypothèse avec le temps.

Le bouton Anki crée la carte directement depuis NEXO et l'ouvre dans l'app Anki, cherche les cartes que vous avez déjà et, quand le cas a une image, amène l'image dans la carte. Le classement a les onglets Global, Universités et Groupe, ce dernier avec un code d'invitation. Pour comprendre les limites de chaque mode, voyez la page d'économie de NEXO, et pour découvrir le jeu, lisez ce qu'est NEXO.

Questions fréquentes

Que sont les jeux de raisonnement clinique ?

Ce sont des jeux avec des cas cliniques où vous devez prendre une décision de raisonnement : formuler une hypothèse, choisir quelle donnée chercher, décider d'une conduite ou interpréter une information nouvelle. Chaque type concentre l'entraînement sur l'une de ces étapes.

Les jeux de raisonnement clinique fonctionnent-ils ?

Il y a des résultats positifs, surtout sur des mesures spécifiques au cas, comme la collecte de données, les idées diagnostiques et la conduite (Plackett et al., 2022). Les revues ne permettent pas encore de dire quel type de jeu est le plus efficace (Gentry et al., 2019).

Quelle est la différence entre un jeu de diagnostic et un jeu de conduite ?

Le jeu de diagnostic entraîne à arriver à l'hypothèse à partir des observations. Le jeu de conduite entraîne à l'étape suivante, décider quoi faire, comme dans les patients virtuels avec choix et dans les jeux de triage testés avec des médecins urgentistes (Mohan et al., 2026).

Qu'est-ce que Human Dx et qu'ont montré les études ?

C'est une plateforme en ligne de cas courts avec réponse ouverte. Des études menées avec ses données ont montré que le score peut mesurer la performance diagnostique (Chatterjee et al., 2019) et que des listes combinées de plusieurs participants ont obtenu de meilleurs résultats que les listes individuelles, de 62,5 % à 85,6 % (Barnett et al., 2019).

Qu'est-ce que la calibration diagnostique ?

C'est la relation entre la fréquence à laquelle vous avez juste et la confiance que vous avez dans votre réponse (Meyer et al., 2013). Les médecins et les étudiants ont souvent une confiance peu alignée sur la justesse (Friedman et al., 2005), et le retour de chaque cas aide à ajuster l'une à l'autre.

Comment NEXO aide-t-il à entraîner le raisonnement clinique ?

Chaque cas arrive en jusqu'à six indices, et l'hypothèse montre la proximité dans la CIM-10, ce qui concentre l'entraînement sur la formulation et la révision des hypothèses, avec un retour immédiat. Le cas du jour, le même pour tout le monde, permet de comparer son raisonnement avec celui du groupe.

Quel type de jeu utiliser pendant l'internat ?

Pendant l'internat, l'étape de la conduite pèse davantage, parce que vous commencez à décider quoi faire de l'hypothèse. Il vaut la peine de garder l'entraînement quotidien à l'hypothèse et d'y ajouter des cas où il faut choisir la conduite, comme des patients virtuels avec choix et des discussions avec le superviseur. La combinaison suit la recommandation d'utiliser des méthodes complémentaires (Daniel et al., 2019).

Les jeux remplacent-ils le stage ?

Ils complètent le stage : ils élargissent le nombre de cas que vous voyez et donnent un retour rapide, tandis que le contact avec le patient, la supervision et la discussion avec le superviseur restent au centre de la formation. Le texte sur le raisonnement clinique montre comment réunir les deux.

Liste de contrôle pour choisir un jeu de raisonnement

1. Quelle étape le jeu entraîne-t-il : hypothèse, collecte de données, conduite ou interprétation ?
2. Le retour est immédiat et explique l'erreur ?
3. La réponse est ouverte ou seulement à choix multiples ?
4. Peut-on enregistrer sa confiance avant la réponse ?
5. Les cas sont-ils révisés par des personnes qui connaissent le sujet ?
6. Y a-t-il assez de cas pour répéter la même étape de nombreuses fois ?
7. Peut-on comparer son raisonnement avec celui du groupe ?
8. Le jeu s'intègre à la routine sans prendre le temps du stage et des questions ?
9. Existe-t-il une étude publiée sur le format, et le critère de jugement est-il l'apprentissage ou seulement une mesure ?
10. Combinez-vous les formats pour couvrir les autres étapes ?

Vous voulez vous entraîner aujourd'hui ? Jouez le cas du jour sur NEXO.

Références

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/