[Digitale Brücken bauen: Sicherung der medizinischen Ausbildung in der Ukraine während des Krieges durch Blended-Online-Module]

 Sarah König ¹
Nina Luisa Zerban ¹
Nataliia Malachkova ²
Joy Backhaus ¹
Halyna Rudenko <sup>3

1</sup> Universitätsklinikum Würzburg, Institut für Medizinische Lehre und Ausbildungsforschung, Würzburg, Deutschland
² Universitätsklinikum Würzburg, Zentrum für Studienmanagement und -entwicklung, Würzburg, Deutschland
³ Julius-Maximilians-Universität Würzburg, Medizinischen Fakultät, Studiendekanat, Würzburg, Deutschland

Zusammenfassung

Ziel: Die Invasion der Ukraine hat die medizinische Ausbildung erheblich beeinträchtigt. Ziel dieser Studie war es, eine digitale Blended-Learning-Intervention zur Unterstützung von Medizinstudierenden zu evaluieren und Einflussfaktoren auf die studentischen Erfahrungen unter diesen Bedingungen zu untersuchen.

Methoden: Zwei Blended-Online-Module („Ärztliche Kommunikation“ und „Klinische Entscheidungsfindung“) wurden gemeinsam von der Universität Würzburg und zwei ukrainischen medizinischen Universitäten entwickelt. Die Module kombinierten asynchrone Lernmaterialien mit synchronen Online-Sitzungen, einschließlich Simulationspersonen und fallbasierter Diskussionen. Geflüchtete ukrainische Ärztinnen und Ärzte wirkten als Lehrende mit. Am Ende der Module wurde eine querschnittliche Mixed-Methods-Evaluation mittels eines Online-Fragebogens durchgeführt, der 15 Likert-skalierte Items und offene Fragen umfasste. Die quantitativen Daten wurden deskriptiv sowie mittels explorativer Faktorenanalyse und Regressionsanalysen mit Interaktionstermen ausgewertet. Die qualitativen Antworten wurden inhaltsanalytisch aufbereitet.

Ergebnisse: Insgesamt wurden 376 gültige Fragebögen ausgewertet (Rücklaufquote: 28,8 % von 1.306 Modulteilnahmen). Die Faktorenanalyse identifizierte drei Ergebnisdimensionen: Lehrqualität, Lernzuwachs und Modulbewertung. Diese erklärten 54 % der Gesamtvarianz und bildeten die wahrgenommene Effektivität der Module ab. Die Bewertungen fielen insbesondere hinsichtlich Organisation, Verständlichkeit und Interaktivität hoch aus. Der wahrgenommene Lernzuwachs wurde ebenfalls positiv bewertet, jedoch geringer im Hinblick auf die Kompensation fehlender praktischer Ausbildung. Kriegs- und infrastrukturbedingte Unterbrechungen waren negativ mit den Bewertungen assoziiert; eine signifikante Interaktion mit dem Studienort zeigte stärkere Effekte in Ternopil im Vergleich zu Vinnytsya. Die qualitativen Rückmeldungen bestätigten diese Ergebnisse und hoben darüber hinaus die praktische Relevanz, die kulturelle Anpassung sowie Einblicke in unterschiedliche berufliche Praxis hervor.

Schlussfolgerung: Die Blended-Online-Module wurden insgesamt positiv bewertet und stellen einen skalierbaren und resilienten Ansatz zur Sicherung medizinischer Ausbildung in Konflikt- und ressourcenlimitierten Kontexten dar.

---

---

1. Einleitung

Der Krieg gegen die Ukraine, der im Februar 2022 begann, hat die medizinische Ausbildung im Land erheblich beeinträchtigt. [1]. Die Zerstörung von Infrastruktur führte dazu, dass viele Lehrende an medizinischen Universitäten und in Krankenhäusern ihre Heimatorte oder sogar das Land verlassen mussten oder in die Versorgung von verwundeten Soldatinnen und Soldaten sowie von Zivilpersonen eingebunden wurden. In der Folge wurde es für Medizinstudierende zunehmend schwierig, ihr Studium fortzuführen, da Präsenzlehre und klinische Ausbildung stark eingeschränkt waren oder teilweise gar nicht mehr durchgeführt werden konnten [2]. Infolge der russischen Invasion war ein rascher Übergang zu virtuellen Lehrformaten erforderlich, um die medizinische Ausbildung aufrechtzuerhalten [3]. Obwohl diese Verlagerung den Zugang zur Lehre sicherte, traten Defizite insbesondere im Bereich praktischer Fertigkeiten, kommunikativer Kompetenzen und klinischem Entscheidungsdenken zutage [4]. Gleichzeitig waren viele Studierende innerhalb der Ukraine oder in andere europäische Länder vertrieben worden. Als Reaktion darauf initiierte die Medizinische Fakultät der Universität Würzburg das Projekt „Ukraine Medical Satellite Teaching“ (UA-MEDSAT). Ziel des Projekts war es, die Auswirkungen des Krieges auf die medizinische Ausbildung in der Ukraine abzumildern, indem gezielte Blended-Online-Module bereitgestellt wurden, die curriculare Lücken schließen und den Studierenden die Fortsetzung ihres Studiums ermöglichen sollten [5]. In einer Metaanalyse wurde bereits gezeigt, dass gut strukturierte Online-Formate die traditionelle Lehre sinnvoll ergänzen und sowohl Kommunikationskompetenzen als auch den Wissenserwerb signifikant verbessern können [6].

Im Rahmen des Projekts wurden zwei Module entwickelt: „Modul 1: Ärztliche Kommunikation und Beratungskompetenz“ sowie „Modul 2: Klinische Entscheidungsfindung und fallbasierte Diskussionen“. Diese richteten sich an Medizinstudierende zweier Partneruniversitäten in der Ukraine, der I. Horbachevsky Ternopil National Medical University (TNMU) und der National Pirogov Memorial Medical University Vinnytsya (VNMU). Durch den Einsatz eines Blended-Learning-Ansatzes, der asynchrone digitale Inhalte mit synchronen Online-Sitzungen kombinierte, wurde ein flexibles und ortsunabhängiges Lernen ermöglicht, das insbesondere den Bedürfnissen von durch den Krieg vertriebenen Studierenden oder solchen ohne Zugang zu regulären Lehrveranstaltungen Rechnung trug. Inhaltliche Schwerpunkte lagen auf Kommunikationskompetenzen, klinischem Entscheidungsdenken und fallbasiertem Lernen. Innovative Elemente wie der Einsatz von Simulationspersonen wurden gezielt integriert, um interaktive und praxisnahe Lernprozesse zu fördern. Diese Kompetenzen waren in ukrainischen Curricula bislang weniger stark ausgeprägt, sodass das Projekt gezielt zu deren Stärkung beitragen sollte.

Das UA-MEDSAT-Projekt bezog bewusst ukrainische medizinische Fachkräfte ein, die infolge des Krieges nach Deutschland geflüchtet waren. Diese wirkten sowohl an der Lehre als auch an der Entwicklung der Inhalte mit und trugen dazu bei, dass die Module sowohl fachlich fundiert als auch kulturell und sprachlich angemessen gestaltet wurden. Gleichzeitig ermöglichte das Programm ukrainischen Medizinstudierenden, ihr Studium fortzuführen und weiterhin Zugang zu klinisch relevanten Lerninhalten zu erhalten trotz der erheblichen Einschränkungen durch den Krieg. Konzeptionell basiert das Projekt auf Prinzipien des Blended Learnings sowie einer resilienten, krisensensiblen medizinischen Ausbildung, die darauf abzielt, Bildungsqualität und das Engagement der Lernenden auch unter instabilen Rahmenbedingungen aufrechtzuerhalten [7], [8].

Vor diesem Hintergrund wurden folgende Fragestellungen untersucht:

• Inwieweit sind die Blended-Online-Module effektiv im Hinblick auf die von den Studierenden wahrgenommene Lehrqualität, den Lernzuwachs und die Modulbewertung bei der Vermittlung ärztlicher Kommunikation und klinischem Entscheidungsdenken?
• Unterscheiden sich die Wahrnehmungen der Studierenden zwischen den beiden Studienstandorten?
• In welchem Ausmaß können kriegs- und infrastrukturbedingte Unterbrechungen die beobachteten Unterschiede zwischen den Standorten erklären?

Diese Fragestellungen wurden im Rahmen einer querschnittlichen Mixed-Methods-Evaluation untersucht, die darauf abzielte, sowohl die Umsetzung des Projekts als auch dessen Potenzial als Modell für die medizinische Ausbildung in einem von Krieg und Konflikten geprägten, instabilen Umfeld zu bewerten.

2. Methoden

2.1. Kontext des UA-MEDSAT-Projekts

Die Medizinische Fakultät der Universität Würzburg kooperierte mit den beiden ukrainischen medizinischen Universitäten TNMU und VNMU, um im Zeitraum vom 1. September bis zum 31. Dezember 2022 Blended-Online-Module für Medizinstudierende anzubieten. Das Projekt UA-MEDSAT wurde im Rahmen des Förderprogramms „Ukraine digital“ durch den Deutschen Akademischen Austauschdienst (DAAD) finanziell unterstützt.

Der Unterricht wurde von ukrainischen Ärztinnen und Ärzten sowie geschulten Laiendarstellerinnen und -darstellern als Simulationspersonen (SP) durchgeführt, die infolge der Invasion nach Deutschland geflüchtet waren. Dies ermöglichte eine Durchführung der Lehre in ukrainischer Sprache und bot zugleich Beschäftigungsmöglichkeiten für die vertriebenen Fachkräfte. Die beteiligten Lehrenden erhielten eine gezielte didaktische Schulung zur Vermittlung der Inhalte, um eine qualitativ hochwertige Lehre sicherzustellen. Bestehende Lehrmodule und Kurskonzepte der Medizinischen Fakultät Würzburg wurden in enger Zusammenarbeit mit ukrainischen Lehrenden angepasst, um sowohl den spezifischen Anforderungen der ukrainischen medizinischen Curricula als auch den Bedingungen der Distanzlehre gerecht zu werden.

Die beiden Blended-Online-Module wurden interaktiv konzipiert und enthielten praktische Elemente, um den fehlenden direkten Patientenkontakt im Studium so weit wie möglich zu kompensieren. Asynchrone digitale Lernmaterialien wurden mit synchronen Online-Sitzungen als Videokonferenzen kombiniert. Dabei wurden Breakout-Räume genutzt, um interaktive Kleingruppenarbeit zu ermöglichen. Die ukrainischen Partneruniversitäten integrierten die Module in ihre Curricula. Sie nutzten feste Zeitfenster für die Durchführung und ordneten die Inhalte einem passenden Semester zu. In Ternopil war die Teilnahme Bestandteil eines bestehenden Kommunikationskurses, während sie in Vinnytsya als ergänzendes Angebot innerhalb des regulären Stundenplans durchgeführt wurde.

2.2. Design und Struktur der Blended-Online-Module

Im Rahmen des UA-MEDSAT-Projekts wurden zwei Blended-Online-Module entwickelt, die Studierende gezielt auf eine patientenzentrierte Versorgung vorbereiten sollten. Modul 1 („Ärztliche Kommunikation und Beratungskompetenz“) zielte auf die Förderung kommunikativer Fähigkeiten ab. In der asynchronen Phase erhielten die Studierenden Zugang zu digitalen Lernmaterialien zu Kommunikationsstrategien, Rollenspielen und Best-Practice-Videos. Sämtliche Materialien standen in ukrainischer Sprache zur Verfügung. Inhaltlich umfasste das Modul unter anderem Arzt-Patienten-Gespräche, Anamneseerhebung sowie das Überbringen schwieriger Nachrichten. In den synchronen Sitzungen wurden die Kompetenzen durch Feedback, Peer-Rollenspiele und Kleingruppendiskussionen praxisnah vertieft. Simulationspersonen wurden in telemedizinischen Übungsszenarien eingesetzt. Insgesamt fanden sechs Online-Sitzungen mit einer Dauer von jeweils zwei Unterrichtsstunden in Gruppen von etwa zwölf Studierenden statt. Modul 2 („Klinische Entscheidungsfindung und fallbasierte Diskussionen“) zielte auf die Förderung des klinischen Entscheidungsdenkens ab. Die Studierenden analysierten klinische Fallinformationen und entwickelten diagnostische und therapeutische Handlungs- und Entscheidungswege im Sinne eines Shared-Decision-Making-Ansatzes. Nach einer vorbereitenden Phase nahmen sie an fallbasierten Diskussionen aus fünf Fachgebieten teil: Chirurgie (4 Sitzungen), Innere Medizin (2), Gynäkologie und Geburtshilfe (2), Pädiatrie (2) sowie Neurologie (2). Die Lehrmaterialien wurden von den Universitätskliniken Würzburg und Erlangen bereitgestellt und ins Ukrainische übersetzt. Das Modul umfasste insgesamt zwölf Seminare mit jeweils zwei Unterrichtsstunden Dauer und Gruppengrößen von 22 bis 25 Studierenden.

2.3. Evaluation der Blended-Online-Module

Die Datenerhebung erfolgte mithilfe eines Fragebogens, der sowohl quantitative als auch qualitative Komponenten umfasste. Der Fragebogen wurde am Ende der Module eingesetzt und enthielt strukturierte Items zur Erfassung der studentischen Wahrnehmungen sowie offene Fragen zur Erhebung qualitativer Einschätzungen. Beide Datenstränge wurden auf Interpretationsebene integriert, um ein umfassendes Verständnis der Ergebnisse zu ermöglichen. Die Entwicklung des Fragebogens orientierte sich an in der medizindidaktischen Literatur etablierten Dimensionen der Lehrveranstaltungsevaluation. Diese umfassen insbesondere strukturelle Aspekte der Lehre, Lehr- und Lernprozesse sowie Lernergebnisse, wie sie im Sinne der systematischen Nutzung von Evaluationsergebnissen im Rahmen kontinuierlicher Qualitätsentwicklung üblich sind [1].

Der allgemeine Teil des Fragebogens erfasste demografische Angaben (Geschlecht, Alter, Semester), den Studienstandort, die verwendeten Endgeräte sowie die Häufigkeit von Unterbrechungen während der Teilnahme. Zu den Unterbrechungen zählten Luftalarm (Warnung bei Luftangriffen) sowie technische Ausfälle (Internet und Stromversorgung). Die Unterbrechungen wurden von den Studierenden auf einer fünfstufigen Likert-Skala von „nie“ (1) bis „sehr häufig“ (5) bewertet. Für die Analyse wurden die Angaben in „selten“ (1-3) und „häufig“ (4-5) dichotomisiert.

Der modulspezifische Teil des Fragebogens wurde eigens für dieses Projekt entwickelt und entspricht keinem etablierten standardisierten Instrument. Vielmehr handelt es sich um ein theorie- und literaturbasiertes Itemset, das auf der Erfahrung der Autorinnen aus dem Kontext der Evaluation von Lehrveranstaltungen beruht.

Die Entwicklung des Fragebogens erfolgte durch ein Team aus drei Expertinnen der Medizindidaktik und wurde im Rahmen einer Pilotierung iterativ überarbeitet. Daraus resultierte ein finaler Fragebogen mit 15 Items in deutscher Sprache. Diese Version wurde anschließend von zwei unabhängigen zweisprachigen Übersetzerinnen bzw. Übersetzern ins Ukrainische übertragen. Die Übersetzungen wurden gegenseitig abgeglichen und konsolidiert, um inhaltliche Genauigkeit und sprachliche Verständlichkeit sicherzustellen. Alle Items wurden auf einer fünfstufigen Likert-Skala (1=stimme überhaupt nicht zu bis 5=stimme voll zu) beantwortet und durch offene Fragen ergänzt, die Raum für qualitative Rückmeldungen boten.

Zur Untersuchung der dimensionalen Struktur des Instruments wurde eine explorative Faktorenanalyse durchgeführt. Ziel war es, latente Ergebnisdimensionen zu identifizieren, die unterschiedliche Aspekte der studentischen Wahrnehmung abbilden. Objektive Leistungsdaten wurden nicht erhoben.

2.4. Statistik

Alle statistischen Analysen wurden mit Microsoft Excel (Microsoft Corporation, Redmond, WA, USA; Version 16.70, 2023) sowie der Statistiksoftware R (R Core Team, Wien, Österreich; Version 4.4.2) durchgeführt. Die deskriptiven Auswertungen umfassten Mittelwert (M), Standardabweichung (SD), Minimum (Min), Maximum (Max) sowie die Schiefe (skew). Zur Untersuchung der psychometrischen Eigenschaften des Fragebogens wurde eine explorative Faktorenanalyse (EFA) mittels Maximum-Likelihood-Schätzung mit Promax-Rotation durchgeführt [2]. Die Eignung der Daten für die Faktorenanalyse wurde anhand des Bartlett-Tests auf Sphärizität sowie des Kaiser-Meyer-Olkin-Koeffizienten (KMO) überprüft. Der KMO-Koeffizient misst die gemeinsame Varianz zwischen den Items, während der Bartlett-Test die Nullhypothese prüft, dass keine Korrelationen zwischen den Items vorliegen [3]. Die Faktorenlösung wurde als valide angesehen, sofern folgende Kriterien erfüllt waren: ein signifikanter Bartlett-Test (p<0,05), ein KMO-Koeffizient >0,50, Eigenwerte >1, Faktorladungen >0,30 ohne relevante Doppelladungen sowie Kommunalitäten >0,40 [4]. Die Anzahl der Faktoren wurde auf Basis einer Kombination aus Inspektion der Scree-Plots, Parallelanalyse sowie inhaltlicher Interpretierbarkeit der Faktoren bestimmt [5], [6]. Die interne Konsistenz wurde mittels Cronbachs Alpha (α) berechnet, wobei Werte über 0,7 als akzeptabel und Werte über 0,8 als gut angesehen wurden [7].

Zur Analyse von Zusammenhängen wurden multiple lineare Regressionsanalysen durchgeführt, in denen standardisierte Regressionskoeffizienten (β) unter Kontrolle relevanter Kovariaten geschätzt wurden [8], [9]. Interaktionseffekte wurden durch die Aufnahme entsprechender Kovariaten in die Modelle geprüft, daraus resultierende mögliche Veränderungen wurden als Effektstärke ausgegeben und auf statistische Signifikanz geprüft. Da a priori keine formulierten Moderationshypothesen vorlagen, wurden Kovariaten explorativ in die Modelle aufgenommen, um mögliche Moderationseffekte und bedingte Zusammenhänge zu analysieren. Für jedes Modell wurde die erklärte Varianz als Bestimmtheitsmaß (R²) angegeben, ergänzt durch den jeweiligen Standardfehler der Schätzung (SE).

Unterschiede zwischen den Studienstandorten wurden anhand der faktorbasierten Skalen analysiert. Die Häufigkeit von Unterbrechungen wurde als zentrale Kovariate berücksichtigt, da sich unter den gegebenen Bedingungen keine weiteren Variablen als hinreichend belastbar erwiesen.

2.5. Qualitative Analyse der offenen Fragen

Die qualitativen Daten wurden nach einem induktiven Vorgehen ausgewertet. Alle Freitextantworten wurden vollständig kodiert und iterativ zu wiederkehrenden thematischen Kategorien zusammengefasst [10]. Die Konsistenz der Kodierung stellten zwei Mitglieder des Forschungsteams durch wiederholten Vergleich und gemeinsame Überarbeitung sicher. Die Häufigkeit der identifizierten Kategorien bzw. Themen wurde erfasst. Zur Veranschaulichung der Antworten der Teilnehmenden wurden repräsentative, sinngemäß paraphrasierte Aussagen ausgewählt. Auf diese Weise konnten die quantitativen Ergebnisse ergänzt werden und zusätzliche Einblicke in die Erfahrungen der Studierenden ermöglichen.

3. Ergebnisse

3.1. Charakteristika der Stichprobe und Studienkontext

Tabelle 1 [Tab. 1] fasst die Charakteristika der teilnehmenden Studierenden zusammen. Die Studierenden nahmen entweder an Modul 1 oder Modul 2 teil; aufgrund der curricularen Einbindung war eine Teilnahme an beiden Modulen nicht vorgesehen. Zwei Studierende, die dennoch angaben, an beiden Modulen teilgenommen zu haben, wurden von der Analyse ausgeschlossen. Die finale Stichprobe umfasste n=376 vollständig ausgefüllte Fragebögen, entsprechend einer Rücklaufquote von 28,8% bezogen auf 1.306 registrierte und gültige Modulteilnahmen. Ein geringfügig größerer Anteil der Teilnehmenden stammte aus Vinnytsya. Zudem wurde Modul 1 häufiger evaluiert als Modul 2. Die Mehrheit der Teilnehmenden war weiblich und befand sich im frühen Erwachsenenalter. Studierende aus Vinnytsya waren im Durchschnitt in einem höheren Studiensemester als jene aus Ternopil. Als Endgeräte für die Teilnahme an den Kursen wurden überwiegend Laptops und Smartphones genutzt. Dabei wurden kriegs- und infrastrukturbedingte Unterbrechungen in Ternopil häufiger berichtet (84,3%) als in Vinnytsya (65,1%).

3.2. Studentisches Feedback zur Wirksamkeit der Module

Tabelle 2 [Tab. 2] zeigt die deskriptiven Statistiken für die 15 Items des Fragebogens für die Modulevaluation. Die Antworten deckten die gesamte Bandbreite der Likert-Skala (1-5) ab. Alle Items wiesen eine negative Schiefe auf (-2,71 bis -0,91), was auf eine insgesamt hohe Zustimmung der Teilnehmenden hindeutet. Insgesamt zeigte die Modulevaluation ein überwiegend positives Bild, mit Mittelwerten zwischen 3,87 und 4,71. Besonders hoch bewertet wurden Organisation, logischer Aufbau sowie die Anknüpfung an vorhandenes Vorwissen. Auch die Durchführung der Lehre, einschließlich Verständlichkeit, praxisnaher Beispiele und des Eingehens der Lehrenden auf die Studierenden, sowie die bereitgestellten Lernmaterialien wurden positiv beurteilt. Die aktive Beteiligung der Studierenden und die positive Gruppenatmosphäre wurden als besondere Stärken hervorgehoben. Zwar berichteten die Teilnehmenden über einen wahrgenommenen Lernzuwachs und schätzten die Einblicke in medizinische Praxis in Deutschland, jedoch wurde die Fähigkeit der Module, fehlende praktische Ausbildung zu kompensieren, vergleichsweise niedrig bewertet.

3.3. Zugrunde liegende Dimensionen der Blended-Online-Module

Aus den Daten des Fragebogens wurden drei Ergebnisdimensionen extrahiert (siehe Tabelle 3 [Tab. 3]), die in der unrotierten Lösung 54% der Gesamtvarianz der Antworten auf die 15 Items erklärten. Die Stichprobeneignung war ausgezeichnet (KMO=0,95), und der Bartlett-Test auf Sphärizität war signifikant (χ²=4366,64; df=120; p<0,001).

Als Indikatoren der wahrgenommenen Effektivität wurden die studentischen Bewertungen zu drei Ergebnisdimensionen zusammengefasst: Lehrqualität (8 Items, α=0,89) mit Bezug auf die Klarheit der Lehre, die Qualität der Lernmaterialien und Responsivität der Lehrenden, Lernzuwachs (3 Items, α=0,82) zur Erfassung des wahrgenommenen Kompetenzzuwachses und der kompensatorischen Funktion der Module, Modulbewertung (4 Items, α=0,89) mit Erfassung der Organisation und des subjektiven Erlebens des Lernens. Die interne Konsistenz der Skalen war hoch. Die Kommunalitäten lagen zwischen 0,28 und 0,86. Die Skalen korrelierten hoch miteinander (r=0,75-0,85; p<0,001).

3.4. Unterschiede zwischen den Studienstandorten

Unterschiede zwischen den Studienstandorten wurden anhand der drei Ergebnisdimensionen analysiert. Von den in Tabelle 1 [Tab. 1] dargestellten Variablen war ausschließlich die Häufigkeit von kriegs- und infrastrukturbedingten Unterbrechungen mit den Ergebnisdimensionen assoziiert; für demografische oder studienbezogene Merkmale zeigten sich keine Zusammenhänge. Abbildung 1 A [Abb. 1] verdeutlicht den Zusammenhang zwischen der eingeschätzten Häufigkeit von Unterbrechungen und den drei Dimensionen getrennt nach den beiden Standorten. Insgesamt waren die Bewertungen in Vinnytsya tendenziell höher. Bei seltenen Unterbrechungen ähnelten sich die Bewertungen der Lehrqualität, des Lernzuwachses und der Modulbewertung zwischen beiden Standorten. In Ternopil waren häufige Unterbrechungen mit niedrigeren Bewertungen in allen drei Dimensionen verbunden, wobei der stärkste Rückgang beim Lernzuwachs zu beobachten war. Demgegenüber zeigten die Bewertungen in Vinnytsya nur geringe Veränderungen in Abhängigkeit von der Unterbrechungshäufigkeit. Diese deskriptiven Befunde wurden durch die Regressionsanalysen bestätigt (siehe Abbildung 1 B [Abb. 1]), wobei die berichteten β-Koeffizienten standardisierten Effekten entsprechen. Für den Studienstandort zeigte sich ein positiver, jedoch nicht signifikanter Effekt in allen drei Dimensionen (β zwischen 0,05 und 0,21), der 6-8% der Varianz erklärte. Für Unterbrechungen zeigte sich ein negativer Haupteffekt in allen Dimensionen (β zwischen -0,18 und -0,42). Dieser war am stärksten für den Lernzuwachs ausgeprägt (β=-0,42; R²=0,11), gefolgt von Lehrqualität (β=-0,18; R²=0,08) und Modulbewertung (β=-0,15; R²=0,07). Insgesamt erklärten die Modelle zwischen 7% und 11% der Varianz. Darüber hinaus wurden signifikante Interaktionseffekte zwischen Studienstandort und Unterbrechungen für alle drei Dimensionen gefunden, mit positiven Interaktionskoeffizienten für Lernzuwachs (β=0,36; R²=0,09), Lehrqualität (β=0,16; R²=0,07) und Modulbewertung (β=0,13; R²=0,07).

Auf Itemebene zeigte sich dieses übergeordnete Muster nicht durchgängig für alle Aspekte der wahrgenommenen Dimension Lernzuwachs. Für die Items „Im Vergleich zu meinem Vorwissen habe ich viel gelernt“ und „Die Online-Kurse helfen, den Mangel an praktischer Ausbildung zu kompensieren“ fanden sich keine signifikanten standortbezogenen Unterschiede, was auf stabile Bewertungen dieser Aspekte über die Studienstandorte hinweg hinweist.

3.5. Qualitatives Feedback aus offenen Antworten

Von den 376 gültigen Fragebögen enthielten 298 (79,3%) mindestens einen Freitextkommentar. Im Einklang mit den quantitativen Ergebnissen zeigte die thematische Analyse, dass sich die meisten Rückmeldungen mit den insgesamt hohen Bewertungen der Module deckten, insbesondere hinsichtlich der wahrgenommenen Relevanz, der Verständlichkeit der Lehre und des interaktiven, fallbasierten Formats (siehe Tabelle 4 [Tab. 4]). Entsprechend den hohen Werten in den Ergebnisdimensionen Lehrqualität und Lernzuwachs hoben viele Studierende Verbesserungen ihrer kommunikativen Fähigkeiten hervor und schätzten insbesondere das Üben mit den Simulationspersonen. Darüber hinaus ordneten die qualitativen Rückmeldungen die quantitativen Ergebnisse zum interkulturellen Lernen weiter ein, indem sie positive Einblicke in das deutsche Gesundheitssystem sowie die Anpassung der Inhalte an den ukrainischen Kontext betonten.

Die Freitextangaben zu Verbesserungsmöglichkeiten lieferten zugleich Erklärungsansätze für die in einzelnen Bereichen niedrigeren Bewertungen. Genannt wurden insbesondere Luftalarme und technische Störungen sowie der Wunsch nach erweiterten Übungsmöglichkeiten und dem Zugang zu Sitzungsaufzeichnungen.

4. Diskussion

Das UA-MEDSAT-Projekt adressierte zentrale Herausforderungen der medizinischen Ausbildung in der Ukraine in einer frühen Phase des aktuellen Krieges und verdeutlicht das Potenzial flexibler, kulturell angepasster digitaler Lehrformate unter Krisenbedingungen [11]. Insgesamt zeigen die Evaluationsergebnisse, dass das gewählte Format sowohl umsetzbar als auch von den Studierenden gut akzeptiert war. Zugleich ist zu berücksichtigen, dass sich die Ergebnisse auf subjektiv wahrgenommene Effektivität beziehen und keine Aussagen über objektive Lernleistungen oder vorhandene klinische Kompetenzen zulassen. Die Kombination aus quantitativen Bewertungen und qualitativen Rückmeldungen ergibt dennoch ein konsistentes Bild: Hohe Bewertungen der Lehrqualität und der Modulbewertung spiegeln sich in den Freitextangaben wider, in denen insbesondere die Verständlichkeit der Lehre, die Relevanz der Inhalte und die interaktiven, fallbasierten Formate hervorgehoben wurden. Gleichzeitig bieten kriegs- und infrastrukturbedingte Unterbrechungen eine plausible Erklärung für niedrigere Bewertungen in einzelnen Bereichen.

4.1. Hohe Zufriedenheit mit den Blended-Online-Modulen

Die Studierenden berichteten insgesamt eine hohe Zufriedenheit mit der Lehrqualität, der Organisation sowie den Möglichkeiten zur aktiven Beteiligung. Diese Ergebnisse stehen im Einklang mit der vorhandenen Evidenz zu Blended-Learning-Formaten in der medizinischen Ausbildung [12], [13]. Insbesondere praktische und interaktive Elemente, wie der Einsatz von Simulationspersonen, entsprechen erfolgreichen Ansätzen aus der COVID-19-Pandemie, bei denen beispielsweise telemedizinische Übungsszenarien eingesetzt wurden [14], [15]. Auch aus der Ukraine liegen Hinweise darauf vor, dass Studierende selbst unter Kriegsbedingungen flexible Lernformate schätzen, da diese Motivation und Lernkontinuität unterstützen [16]. Die frühe Implementierung des Projekts trug dazu bei, dass Studierende nicht den Eindruck hatten, den Erwerb zentraler Kompetenzen, insbesondere in den Bereichen ärztliche Kommunikation und klinische Entscheidungsfindung, vollständig zu verlieren. In diesem Sinne kann das Projekt als Brücke zwischen einer akuten Krisensituation und einer schrittweisen Stabilisierung der Ausbildung verstanden werden. Die im Modul 1 eingesetzten Rollenspiele und strukturierten Feedbackprozesse unterstützten die Entwicklung patientenzentrierter Kommunikation [17]. Im Modul 2 förderten fallbasierte Diskussionen das gemeinsame Problemlösen und unterstreichen die Bedeutung aktiver Beteiligung für die Entwicklung klinischer Entscheidungsprozesse [18].

4.2. Einfluss von Unterbrechungen auf die Ergebnisdimensionen

Trotz der insgesamt positiven Bewertung der Module zeigten sich deutliche Auswirkungen externer Störfaktoren auf die Lernerfahrungen. Insbesondere Luftalarme und technische Ausfälle führten zu Unterbrechungen, die sich negativ auf die Bewertungen auswirkten, vor allem am Standort Ternopil. Die Unterschiede zwischen den Studienstandorten lassen sich dabei weitgehend durch die Häufigkeit dieser Unterbrechungen erklären, während andere untersuchte Variablen keinen relevanten Einfluss zeigten. Ein möglicher Erklärungsansatz liegt in der zeitlichen Durchführung der Lehre: In Ternopil fanden die Veranstaltungen überwiegend am Vormittag statt, einer Zeit, in der Luftalarme häufiger auftraten, während die Sitzungen in Vinnytsya eher am Nachmittag stattfanden und somit weniger häufig betroffen waren. Diese Unterschiede spiegeln sich in den stabileren Bewertungen in Vinnytsya wider. Die Ergebnisse stehen im Einklang mit Berichten aus der Ukraine, die die Auswirkungen instabiler Lernumgebungen auf Bildungsprozesse hervorheben [11], [19]. Auch in anderen Studien wird betont, dass die Unvorhersehbarkeit externer Bedrohungen erhebliche organisatorische und didaktische Herausforderungen für (digitale) Lehrformate darstellt [12]. Besonders deutlich zeigte sich der negative Einfluss von Unterbrechungen auf den wahrgenommenen Lernzuwachs. Dies verdeutlicht, dass auch gut konzipierte Blended-Learning-Formate strukturelle Defizite, die durch äußere Rahmenbedingungen entstehen, nur begrenzt kompensieren können. Gleichzeitig unterstreichen die stabileren Bewertungen in Vinnytsya die Bedeutung verlässlicher Rahmenbedingungen und resilienter Infrastrukturen für den Lernerfolg.

4.3. Einblicke in das deutsche Gesundheitssystem

Ein zentrales Merkmal des UA-MEDSAT-Projekts war die interkulturelle Dimension der Module. Die Studierenden erhielten Einblicke in das deutsche Gesundheitssystem sowie in unterschiedliche Formen ärztlicher Kommunikation und klinischer Entscheidungsfindung. Diese Form des interkulturellen Austauschs, verstanden als strukturierte Auseinandersetzung mit unterschiedlichen Versorgungssystemen, Kommunikationspraktiken und klinischen Herangehensweisen, wurde von den Teilnehmenden als bereichernd wahrgenommen und unterstützte ihre professionelle Entwicklung in einem zunehmend globalisierten Kontext [20]. Durch die Zusammenarbeit mit Lehrenden aus Deutschland wurden unterschiedliche Perspektiven auf patientenzentrierte Kommunikation, Entscheidungsfindung und Behandlungsstrategien sichtbar. Der Fokus auf Shared Decision Making entspricht dabei zentralen Prinzipien der medizinischen Ausbildung in Deutschland [21] und gilt als grundlegende Kompetenz für eine qualitativ hochwertige und patientenzentrierte Versorgung, insbesondere in kulturell vielfältigen Kontexten [22]. Zudem trägt die Integration telemedizinischer Elemente den aktuellen Entwicklungen in der medizinischen Ausbildung Rechnung, in der digitale Kompetenzen zunehmend als Kernkompetenzen zukünftiger Ärztinnen und Ärzte betrachtet werden [23].

4.4. Bedeutung für geflüchtete Lehrende und Simulationspersonen

Das Projekt eröffnete auch für die beteiligten ukrainischen Ärztinnen und Ärzte sowie die eingesetzten Simulationspersonen relevante Möglichkeiten zur beruflichen Weiterführung ihrer Tätigkeit. Für geflüchtete Fachkräfte bot die Mitarbeit im Projekt eine Form der beruflichen Anbindung, unterstützte Integrationsprozesse in das deutsche Gesundheitssystem und ermöglichte es, klinische und didaktische Kompetenzen aufrechtzuerhalten. Damit zeigt das Projekt exemplarisch, wie die Expertise geflüchteter Fachkräfte sinnvoll in Bildungsprozesse integriert werden kann und gleichzeitig zur Sicherung von Lehrangeboten beiträgt [24]. Der Einsatz von Simulationspersonen in einem telemedizinischen Setting erwies sich zudem als geeignet, um auch in digitalen Lehrformaten realitätsnahe Lernsituationen zu schaffen. Dies entspricht etablierten Konzepten der simulationsbasierten Lehre, die die Bedeutung authentischer Szenarien für den Kompetenzerwerb hervorheben [25].

4.5. Limitationen und Implikationen für die Weiterentwicklung

Die Umsetzung des Projekts erfolgte unter erheblichem Zeitdruck und in einem durch Unsicherheit geprägten Kontext, weniger als ein Jahr nach Kriegsbeginn. Die fortdauernden Auswirkungen des Krieges, einschließlich Migration von Lehrenden und Studierenden sowie struktureller Einschränkungen im Bildungssystem, machten ein pragmatisches Vorgehen erforderlich.

Die Teilnahme an den Modulen erfolgte teilweise verpflichtend im Rahmen curricularer Anpassungen, teilweise freiwillig. Da auch die Teilnahme an der Evaluation freiwillig war, kann eine Verzerrung der Ergebnisse durch eine selektiv motivierte Stichprobe nicht ausgeschlossen werden.

Eine weitere Limitation besteht im Fehlen longitudinaler Daten, sodass keine Aussagen darüber getroffen werden können, inwieweit die erworbenen Kompetenzen nachhaltig in die klinische Praxis übertragen werden konnten. Zukünftige Studien sollten daher Follow-up-Erhebungen einbeziehen, um langfristige Effekte auf Kompetenzentwicklung und Versorgungspraxis zu untersuchen.

Darüber hinaus führten technische und organisatorische Herausforderungen, insbesondere Luftalarme und instabile Internetverbindungen, wiederholt zu Unterbrechungen der Lehre. Zwar reagierten die Lehrenden flexibel, etwa durch Verschiebung oder Wiederholung von Unterrichtsterminen, dennoch verdeutlichen diese Erfahrungen die Notwendigkeit robuster technischer Infrastrukturen und geeigneter Notfallstrategien zur Sicherung kontinuierlicher Lehrprozesse unter instabilen Bedingungen.

5. Schlussfolgerung

Das UA-MEDSAT-Projekt zeigt, dass medizinische Ausbildung auch unter Krisenbedingungen durch innovative, digital gestützte und kulturell angepasste Lehrformate aufrechterhalten werden kann. Durch die Kombination asynchroner Lernmaterialien mit interaktiven synchronen Sitzungen sowie die Einbindung geflüchteter medizinischer Fachkräfte konnte ein Lehrangebot realisiert werden, das von den Studierenden insgesamt positiv bewertet wurde und die Ergebnisdimensionen Lehrqualität, Lernzuwachs und Modulbewertung in hohem Maße abbildet. Gleichzeitig verdeutlichen die Ergebnisse den Einfluss externer Rahmenbedingungen auf die Lernerfahrungen. Insbesondere die ausgeprägten Effekte kriegsbedingter Unterbrechungen auf den wahrgenommenen Lernzuwachs unterstreichen die Bedeutung verlässlicher infrastruktureller Voraussetzungen sowie geeigneter Maßnahmen zur Absicherung der Lehrdurchführung in instabilen Kontexten. Insgesamt bietet das Projekt ein übertragbares Modell für die Umsetzung medizinischer Ausbildung unter erschwerten Bedingungen und hebt die Bedeutung internationaler Kooperationen für die Sicherung von Ausbildungsstrukturen hervor. Darüber hinaus zeigt sich, dass solche Formate nicht nur zur Aufrechterhaltung der Lehre beitragen, sondern auch interkulturellen Austausch ermöglichen und damit einen zusätzlichen Mehrwert für die Ausbildung zukünftiger Ärztinnen und Ärzte schaffen.

Danksagung

Wir danken allen Studierenden, die an dieser Studie teilgenommen haben. Darüber hinaus gilt unser Dank Andrew Entwistle für die Unterstützung bei der englischen Korrekturlesung des Manuskripts.

Anmerkungen

Beitrag der Autorinnen

S.K., N.Z. und H.R. waren verantwortlich für die Entwicklung des Fragebogens, die Konzeption und Durchführung der Studie sowie für die Erstellung und Überarbeitung des Manuskripts. J.B. führte die statistischen Analysen durch und war maßgeblich an der Ausarbeitung und Überarbeitung des Ergebnisteils beteiligt. N.Z. unterstützte die Modulevaluation sowie die Durchführung der Befragung. H.R. war an der Implementierung der Module beteiligt, führte gemeinsam mit ukrainischen Kolleginnen und Kollegen die Lehre durch und wirkte an der Datenerhebung mit. Alle Autorinnen und Autoren haben das eingereichte Manuskript gelesen und genehmigt und übernehmen Verantwortung für ihre jeweiligen Beiträge sowie für die Integrität der Arbeit insgesamt.

ORCIDs der Autorinnen

• Sarah König: [0000-0003-4866-9881]
• Nina Luisa Zerban: [0009-0003-7122-2946]
• Nataliia Malachkova: [0000-0002-7899-379X]
• Joy Backhaus: [0009-0005-6166-8973]

Förderung

Das Projekt „UA-MEDSAT: Ukraine MEDical SAtellite Teaching“ wurde durch den Deutschen Akademischen Austauschdienst (DAAD) im Rahmen des Programms „Ukraine digital: Ensuring academic success in times of crisis (2022)“ gefördert.

Datenverfügbarkeit

Die in dieser Studie verwendeten Daten sind auf Anfrage bei der korrespondierenden Autorin verfügbar.

Ethikvotum

Die zuständige Ethikkommission in Würzburg bewertete das Projekt nicht als medizinische oder epidemiologische Forschung am Menschen im Sinne der Deklaration von Helsinki, sodass kein formales Ethikvotum erforderlich war. Es wurde ein vereinfachtes Prüfverfahren durchgeführt, und das Projekt wurde unter der Antragsnummer 20221108 02 ohne Auflagen genehmigt. Die Befragung der Studierenden erfolgte anonym, und die Teilnahme an der Evaluation war freiwillig.

Interessenkonflikt

Die Autorinnen erklären, dass sie keinen Interessenkonflikt im Zusammenhang mit diesem Artikel haben.

---

Literatur

[1] Gibson KA, Boyle P, Black DA, Cunningham M, Grimm MC, McNeil HP. Enhancing evaluation in an undergraduate medical education program. Acad Med. 2008;83(8):787-93. DOI: 10.1097/ACM.0b013e31817eb8ab
[2] Beavers AS, Lounsbury JW, Richards JK, Huck SW, Skolits GJ, Esquivel SL. Practical considerations for using exploratory factor analysis in educational research. Pract Ass Res Eval. 2013;18(6):6. DOI: 10.7275/qv2q-rk76
[3] Williams B, Onsman A, Brown T. Exploratory factor analysis: A five-step guide for novices. Aust J Paramed. 2010;8:1-13. DOI: 10.33151/ajp.8.3.93
[4] Costello AB, Osborne J. Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Pract Ass Res Eval. 2005;10(1):7. DOI: 10.7275/jyj1-4868
[5] Reijer AH, Otter PW, Jacobs JP. An heuristic scree plot criterion for the number of factors. Stat Papers. 2024;65(6):3991-4000. DOI: 10.1007/s00362-023-01517-x
[6] Crawford AV, Green SB, Levy R, Lo WJ, Scott L, Svetina D, Thompson MS. Evaluation of parallel analysis methods for determining the number of factors. Educ Psychol Measurement. 2010;70(6):885-901. DOI: 10.1177/0013164410379332
[7] Nunnally JC. Psychometric theory. New York: MacGraw-Hill; 1994. p.784.
[8] Bartels J, Backhaus J, Kickuth R, Fluck F, Augustin AM, Konig S. Bridging Visual-Spatial Ability and Skill Performance: The Impact of Perceived Quality of a Practical Seminar in Interventional Radiology Education. J Med Educ Curric Dev. 2024;11:23821205241281647. DOI: 10.1177/23821205241281647
[9] Babyak MA. What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models. Psychosom Med. 2004;66(3):411-421. DOI: 10.1097/01.psy.0000127692.23278.a9
[10] Braun V, Clarke V. Using thematic analysis in psychology. Qual Resn Psychol. 2006;3(2):77-101. DOI: 10.1191/1478088706qp063oa
[11] Londar L, Pietsch M. Providing Distance Education during the War: The Experience of Ukraine. Inform Technol Learn Tools. 2023;98(6):31-51. DOI: 10.33407/itlt.v98i6.5454
[12] Liu Q, Peng W, Zhang F, Hu R, Li Y, Yan W. The Effectiveness of Blended Learning in Health Professions: Systematic Review and Meta-Analysis. J Med Internet Res. 2016;18(1):e2. DOI: 10.2196/jmir.4807
[13] Enoch L, Abraham R, Singaram V. Factors that enhance and hinder the retention and transfer of online pre-clinical skills training to facilitate blended learning. Adv Med Educ and Pract. 2023;14:919-936. DOI: 10.2147/AMEP.S398376
[14] Ho PA, Girgis C, Rustad JK, Noordsy D, Stern TA. Advancing Medical Education Through Innovations in Teaching During the COVID-19 Pandemic. Prim Care Companion CNS Disord. 2021;23(1):20nr02847. DOI: 10.4088/PCC.20nr02847
[15] Major S, Sawan L, Vognsen J, Jabre M. COVID-19 pandemic prompts the development of a Web-OSCE using Zoom teleconferencing to resume medical students’ clinical skills training at Weill Cornell Medicine-Qatar. BMJ Simul Technol Enhanc Learn. 2020;6(6):376-377. DOI: 10.1136/bmjstel-2020-000629
[16] Kuchyn I, Bielka K, Lymar L, Puljak L. Academic performance, perceptions, and motivations of medical PhD students in Ukraine during wartime: a mixed methods study. BMC Med Educ. 2024;24(1):1421. DOI: 10.1186/s12909-024-06400-3
[17] Rider EA, Keefer CH. Communication skills competencies: definitions and a teaching toolbox. Med Educ. 2006;40(7):624-629. DOI: 10.1111/j.1365-2929.2006.02500.x
[18] Rotgans JI, Schmidt HG. Cognitive engagement in the problem-based learning classroom. Adv Health Sci Educ Theory Pract. 2011;16(4):465-479. DOI: 10.1007/s10459-011-9272-9
[19] Westerlund R, Chugai O, Petrenko S, Zuyenok I. Teaching and Learning English at Higher Educational Institutions in Ukraine through Pandemics and Wartime. Adv Educ. 2023;10(22):12-26. DOI: 10.20535/2410-8286.283353
[20] Yardley S, Brosnan C, Richardson J, Hays R. Authentic early experience in Medical Education: a socio-cultural analysis identifying important variables in learning interactions within workplaces. Adv Health Sci Educ Theory Pract. 2012;18(5):873-891. DOI: 10.1007/s10459-012-9428-2
[21] Wijnen-Meijer M. Focus on patients in medical education. GMS J Med Educ. 2021;38(5):Doc97. DOI: 10.3205/zma001493
[22] Beach MC, Price EG, Gary TL, Robinson KA, Gozu A, Palacio A, Smarth C, Jenckes MW, Feuerstein C, Bass EB, Powe NR, Cooper LA. Cultural competence: a systematic review of health care provider educational interventions. Med Care. 2005;43(4):356-373. DOI: 10.1097/01.mlr.0000156861.58905.96
[23] Poncette AS, Glauert DL, Mosch L, Braune K, Balzer F, Back DA. Undergraduate Medical Competencies in Digital Health and Curricular Module Development: Mixed Methods Study. J Med Internet Res. 2020;22(10):e22161. DOI: 10.2196/22161
[24] Scholten P, Penninx R. The multilevel governance of migration and integration. In: Mascareñas B, Penninx R, editors. Integration processes and policies in Europe: Contexts, levels and actors. Cham: Springer; 2016. p.91-108. DOI: 10.1007/978-3-319-21674-4_6
[25] Gaba DM. The future vision of simulation in health care. Qual Saf Health Care. 2004;13 Suppl 1(Suppl 1):i2-i10. DOI: 10.1136/qhc.13.suppl_1.i2