- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT07410689
SAFE.AI: Vývoj a testování hybridního chatbotu založeného na umělé inteligenci pro finanční posílení v péči o pacienty s rakovinou na venkově
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Náklady na onkologickou péči dosáhnou do roku 2030 přibližně 246 miliard dolarů, což činí z rakoviny jednu z nejnákladnějších zdravotních komplikací pro jednotlivce. Finanční obtíže spojené s rakovinou negativně ovlivňují psychickou pohodu, kvalitu života související se zdravím, dodržování léčby a rozhodnutí odložit nebo se vzdát péče. Venkovští onkologičtí pacienti a rodiny mají vyšší výskyt finančních obtíží, nesou vyšší cestovní náklady, čelí jedinečným stresorům v zaměstnání a příjmech a mají omezenější přístup k specializovaným onkologickým službám a poskytovatelům – včetně těch, kteří podporují finanční potřeby.
Pouze málo intervencí proti finanční toxicitě je navrženo pro potřeby venkovských onkologických pacientů a rodin. Ačkoli finanční navigace může účinně snížit výdaje pacientů z vlastní kapsy, finanční a venkovské navigační služby onkologických programů, včetně těch v Huntsman Cancer Institute (HCI), jsou přetížené. Většina center reaguje na finanční obtíže reaktivně, nikoli proaktivně, a programy jsou méně vybaveny na pomoc s nemedicínskými zdroji nákladů na rakovinu, jako jsou cestovní náklady a problémy v zaměstnání.
Pro vyplnění této mezery byl vytvořen nástrojový soubor zdrojů Self-Advocacy for Financial Empowerment (SAFE) s poradním výborem komunity složeným z venkovských onkologických pacientů, pečovatelů a zdravotnických zainteresovaných stran. Výzkum zapojující komunitu také identifikoval potřebu individualizovaných a dostupných informací o finančních zdrojích a podporách, stigmatu jako překážky při hledání pomoci a časově a zdrojově náročné povahy finanční navigace, která omezuje pronikání a dosah těchto nezbytných služeb mezi venkovskými komunitami zasaženými rakovinou.
Chatboty neboli konverzační agenti jsou typem systému umělé inteligence (AI), který využívá strojové učení k reprodukci realistických lidských konverzací. Skriptované chatboty, založené na jasně definovaných informačních hranicích, poskytují přesné, spolehlivé a individualizované odpovědi na otázky. Naopak chatboty založené na AI, které používají velké jazykové modely (LLM) jako GPT4, dokážou řešit nejednoznačné, otevřené otázky a zároveň zachovávat soukromí. Chatboty usnadňují individualizované, členěné informace, které zlepšují komunikaci složitých informací, podporují soukromí a potřeby uživatelů a řeší problémy s pracovní silou.
GARDE-Chat, open-source platforma, byla zřízena pro posouzení rizik na úrovni zdravotního systému a genetické testování dědičné rakoviny v HCI. GARDE-Chat podporuje skriptované, hybridní a AI-chatboty. Před tímto pilotním testem bude GARDE-Chat použit k vytvoření chatbotu navrženého pro poskytování odpovědí na finanční toxicitu, založeného na obsahu nástrojového souboru SAFE a ověřených zdrojích pro vývoj skriptované verze chatbotu. Součást chatbotu založená na velkém jazykovém modelu bude začleněna do hybridní verze, která uživatelům umožní klást složitější a otevřenější otázky, upravené na základě zpětné vazby zainteresovaných stran komunity.
Toto je randomizovaný, dvouramenný pilotní test paralelních skupin zkoumající nový nástroj chatbotu navržený k podpoře onkologických pacientů a pečovatelů, zejména těch ve venkovských komunitách. Přibližně 60 účastníků bude randomizováno v poměru 1:1 k interakci buď s hybridním chatbotem, nebo s chatbotem s AI. Účastníci budou používat přiřazený chatbot k získání jasných a užitečných informací týkajících se pojištění, cestovních nákladů a dalších finančních aspektů onkologické péče. Zapsaní účastníci vyplní tři dotazníky (pretest, posttest a 2týdenní follow-up) a budou interagovat s chatbotem před posttestem. Účastníci mohou podle vlastního výběru interagovat s chatbotem mezi posttestem a 2týdenním follow-upem. Účastníci poskytnou zpětnou vazbu o užitečnosti, snadnosti použití a celkovém zážitku z používání chatbotu a vyplní pre- a posttestové měření k posouzení předběžné účinnosti pro sekundární výstupní měření. Veškeré výzkumné aktivity budou provedeny online.
Typ studie
Zápis (Odhadovaný)
Fáze
- Nelze použít
Kontakty a umístění
Studijní místa
-
-
Utah
-
Salt Lake City, Utah, Spojené státy, 84112
- Huntsman Cancer Institute/ University of Utah
-
Kontakt:
- Djin Tay, PhD, RN
- Telefonní číslo: 801-646-6440
- E-mail: Djin.Tay@nurs.utah.edu
-
Vrchní vyšetřovatel:
- Djin Tay, PhD, RN
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Popis
Kritéria pro zařazení:
- Dospělí (18 let a starší)
- Pacienti s rakovinou nebo finančně odpovědní pečovatelé pacientů s rakovinou, kteří:
- Bydlí v pětistátní oblasti působnosti Huntsman Cancer Institute (Utah, Idaho, Wyoming, Montana a Nevada),
- Jsou schopni číst a psát anglicky, a
- Bydlí v venkovské oblasti, definované potvrzením poštovního směrovacího čísla klasifikovaného jako nemetropolitní (kódy RUCA 4-10) podle USDA Rural-Urban Commuting Area Codes.
Kritéria pro vyloučení:
- Účastníci, kteří nežijí v této pětistátní oblasti – Materiály sady nástrojů SAFE byly vyvinuty pro pacienty Huntsman Cancer Institute, který slouží UT, ID, MT, WY a NV
- Účastníci, kteří mluví pouze španělsky nebo jiné výhradně neanglicky mluvící skupiny – Velký jazykový model pro chatbot bude vyvíjen v anglickém jazyce. Protože výuka chatbotu v jiných jazycích není součástí rozsahu této studie, účastníci, kteří nejsou schopni číst a psát anglicky, nemusí být vhodní. Proto nebudeme najímat účastníky, kteří mluví pouze španělsky nebo jiné výhradně neanglicky mluvící skupiny. Budoucí studie zahrnou adaptaci chatbotu na další jazyky.
- Pečovatelé, kteří nejsou primárně odpovědní za finanční aspekty péče o pacienty s rakovinou – Téma finanční zátěže péče o rakovinu může být méně relevantní pro pečovatele, kteří nejsou finančně zapojeni do péče.
- Nebydlící ve venkovských oblastech
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Podpůrná péče
- Přidělení: Randomizované
- Intervenční model: Paralelní přiřazení
- Maskování: Žádné (otevřený štítek)
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Jiný: Pravidly řízený chatbot
Účastníci randomizovaní do této skupiny budou požádáni o použití chatbotu založeného na pravidlech.
|
Pravidlový (skriptovaný) chatbot SAFE.ai je řízený konverzační nástroj vytvořený tak, aby poskytoval strukturované, přesné a konzistentní informace venkovským pacientům s rakovinou a pečovatelům, kteří zažívají finanční toxicitu spojenou s rakovinou. Tento chatbot je založen na sadě nástrojů Self-Advocacy for Financial Empowerment (SAFE), která byla vyvinuta ve spolupráci s komunitním poradním sborem (CAB) složeným z venkovských pacientů, pečovatelů, sester a odborníků na finanční navigaci v pětistátní oblasti působnosti HCI. Všechny skriptované odpovědi odrážejí priority identifikované během kvalitativních sezení posouzení potřeb, což zajišťuje, že obsah je kulturně sladěn se zkušenostmi venkovských pacientů a reálnými finančními výzvami. Chatbot funguje na základě rozhodovacího stromu s pevnými pravidly. Uživatelé postupují konverzací výběrem odpovědi z pevné sady možností zobrazených na obrazovce. To zajišťuje, že veškerý obsah je klinicky ověřený, bezpečný, konzistentní a v souladu s praxí založenou na důkazech. |
|
Jiný: Hybridní chatbot
Účastníci randomizovaní do této větve budou požádáni o použití hybridního chatu
|
Hybridní chatbot SAFE.ai staví na stávajícím pravidlovém systému integrací vrstvy velkého jazykového modelu (LLM), aby podpořil flexibilnější, otevřenější a konverzační interakce. Zatímco pravidlový chatbot poskytuje strukturované konverzace prostřednictvím předdefinovaného obsahu, hybridní přístup umožňuje uživatelům klást složité nebo personalizované otázky týkající se finanční toxicity. Aby byla zajištěna bezpečnost a přesnost, hybridnímu chatbotu není dovoleno generovat odpovědi z otevřeného internetu. Kombinací konzistence pravidlové logiky s přizpůsobivostí LLM umožní hybridní chatbot uživatelům klást navazující otázky, popisovat jemné nuance finančních situací, žádat objasnění vlastními slovy a získávat více přizpůsobené pokyny, přičemž stále zajišťuje dodržování obsahu SAFE. |
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Jednopoložkové hodnocení užitečnosti
Časové okno: až 2 týdny
|
Užitečnost je hodnocena pomocí 5bodové Likertovy škály s možnostmi odpovědí od Velmi neužitečné (1) do Velmi užitečné (5).
Celkové skóre se pohybuje od minima 1 do maxima 5, přičemž nižší skóre indikuje nižší vnímanou užitečnost a vyšší skóre indikuje větší vnímanou užitečnost.
|
až 2 týdny
|
|
Škála použitelnosti systému (SUS)
Časové okno: až 2 týdny
|
SUS je 10položková Likertova škála s 5 body (0 = rozhodně nesouhlasím, 5 = rozhodně souhlasím).
Celkové skóre se pohybuje od minima 0 do maxima 100, přičemž nižší hodnoty naznačují nižší použitelnost a vyšší hodnoty naznačují vyšší použitelnost.
|
až 2 týdny
|
|
Míra přijatelnosti intervence (AIM)
Časové okno: až 2 týdny
|
AIM je 4-položková škála Likertova typu s 5 body (1 = rozhodně nesouhlasím, 5 = rozhodně souhlasím).
Celkové skóre se pohybuje od minima 4 do maxima 20, přičemž nižší hodnoty značí nižší přijatelnost a vyšší hodnoty značí vyšší přijatelnost. |
až 2 týdny
|
|
Spokojenost uživatelů s chatbotem (CUS) - Podškál spokojenosti
Časové okno: až 2 týdny
|
Subškála Spokojenosti měření CUS je 5-položková Likertova škála (1 = zcela nesouhlasím, 5 = zcela souhlasím).
Celkové skóre se pohybuje od minima 5 do maxima 25, přičemž nižší hodnoty indikují nižší uživatelskou spokojenost a vyšší hodnoty indikují vyšší spokojenost. |
až 2 týdny
|
|
Test důvěry v automatizované systémy (TOAST)
Časové okno: až 2 týdny
|
TOAST je 9-položková Likertova škála se 7 body (1 = zcela nesouhlasím, 7 = zcela souhlasím).
Celkové skóre se pohybuje od minima 9 do maxima 63, přičemž nižší hodnoty naznačují nižší důvěru a vyšší hodnoty naznačují vyšší důvěru.
|
až 2 týdny
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Sebehodnocení finančních starostí
Časové okno: až 2 týdny
|
Finanční obavy budou hodnoceny pomocí hodnocení COST (Comprehensive Score for financial Toxicity). COST je 12-položková, 5bodová Likertova škála (0=vůbec ne až 4=velmi mnoho). Celkové skóre se pohybuje od minima 0 do maxima 44, přičemž nižší skóre naznačuje horší finanční pohodu a vyšší skóre naznačuje lepší finanční pohodu. Tento výsledkový ukazatel bude uvádět průměrné skóre COST. |
až 2 týdny
|
|
Kvalita života související se zdravím (QOL)
Časové okno: až 2 týdny
|
Zdravotní kvalita života bude hodnocena pomocí 36-položkového krátkého dotazníku zdraví (SF-36). Dotazník SF-36 má dvě subškály: Souhrn fyzické složky (PCS) a Souhrn duševní složky (MCS). Každá subškála má rozsah 0-100, přičemž nižší skóre indikuje horší kvalitu života a vyšší skóre lepší kvalitu života. Toto výstupní měření bude uvádět průměrné skóre PCS a MCS. |
až 2 týdny
|
|
Sebeefficacy při zvládání rakoviny
Časové okno: až 2 týdny
|
Sebedůvěra při zvládání rakoviny bude hodnocena pomocí dotazníku Cancer Behavior Inventory-Brief Version (CBI-B). CBI-B obsahuje 12 položek na 9bodové Likertově škále (1=Vůbec nejsem si jistý až 9=Zcela si jsem jistý). Celkové skóre CBI-B se pohybuje od 9 do 108 bodů, přičemž nižší skóre znamená horší sebedůvěru a vyšší skóre lepší sebedůvěru. |
až 2 týdny
|
|
Psychosociální Distres
Časové okno: až 2 týdny
|
Psychosociální stres bude měřen pomocí Dotazníku zdraví pacienta-4 (PHQ-4). PHQ-4 je 4-položková škála Likertova typu se 4 body (0 = Vůbec ne až 3 = Téměř každý den). Celkové skóre PHQ-4 se pohybuje od 0 do 12, přičemž nižší skóre naznačuje menší psychosociální stres a vyšší skóre naznačuje závažnější psychosociální stres. |
až 2 týdny
|
|
Uživatelská interakce s SAFE.AI
Časové okno: až 2 týdny
|
Zapojení uživatelů do systému SAFE.AI bude hodnoceno pomocí nástroje pro zapojení vyvinutého pro hodnocení chatbotů s umělou inteligencí v posttestovém průzkumu.
|
až 2 týdny
|
Spolupracovníci a vyšetřovatelé
Sponzor
Spolupracovníci
Vyšetřovatelé
- Vrchní vyšetřovatel: Djin Tay, PhD, RN, Huntsman Cancer Institute/ University of Utah
Publikace a užitečné odkazy
Obecné publikace
- Ware J Jr, Kosinski M, Keller SD. A 12-Item Short-Form Health Survey: construction of scales and preliminary tests of reliability and validity. Med Care. 1996 Mar;34(3):220-33. doi: 10.1097/00005650-199603000-00003.
- Heitzmann CA, Merluzzi TV, Jean-Pierre P, Roscoe JA, Kirsh KL, Passik SD. Assessing self-efficacy for coping with cancer: development and psychometric analysis of the brief version of the Cancer Behavior Inventory (CBI-B). Psychooncology. 2011 Mar;20(3):302-12. doi: 10.1002/pon.1735.
- Yezefski T, Steelquist J, Watabayashi K, Sherman D, Shankaran V. Impact of trained oncology financial navigators on patient out-of-pocket spending. Am J Manag Care. 2018 Mar;24(5 Suppl):S74-S79.
- Hyzy M, Bond R, Mulvenna M, Bai L, Dix A, Leigh S, Hunt S. System Usability Scale Benchmarking for Digital Health Apps: Meta-analysis. JMIR Mhealth Uhealth. 2022 Aug 18;10(8):e37290. doi: 10.2196/37290.
- Zahnd WE, Davis MM, Rotter JS, Vanderpool RC, Perry CK, Shannon J, Ko LK, Wheeler SB, Odahowski CL, Farris PE, Eberth JM. Rural-urban differences in financial burden among cancer survivors: an analysis of a nationally representative survey. Support Care Cancer. 2019 Dec;27(12):4779-4786. doi: 10.1007/s00520-019-04742-z. Epub 2019 Apr 10.
- Chavez-Yenter D, Kimball KE, Kohlmann W, Lorenz Chambers R, Bradshaw RL, Espinel WF, Flynn M, Gammon A, Goldberg E, Hagerty KJ, Hess R, Kessler C, Monahan R, Temares D, Tobik K, Mann DM, Kawamoto K, Del Fiol G, Buys SS, Ginsburg O, Kaphingst KA. Patient Interactions With an Automated Conversational Agent Delivering Pretest Genetics Education: Descriptive Study. J Med Internet Res. 2021 Nov 18;23(11):e29447. doi: 10.2196/29447.
- Del Fiol G, Kohlmann W, Bradshaw RL, Weir CR, Flynn M, Hess R, Schiffman JD, Nanjo C, Kawamoto K. Standards-Based Clinical Decision Support Platform to Manage Patients Who Meet Guideline-Based Criteria for Genetic Evaluation of Familial Cancer. JCO Clin Cancer Inform. 2020 Jan;4:1-9. doi: 10.1200/CCI.19.00120.
- Bradshaw RL, Kawamoto K, Kaphingst KA, Kohlmann WK, Hess R, Flynn MC, Nanjo CJ, Warner PB, Shi J, Morgan K, Kimball K, Ranade-Kharkar P, Ginsburg O, Goodman M, Chambers R, Mann D, Narus SP, Gonzalez J, Loomis S, Chan P, Monahan R, Borsato EP, Shields DE, Martin DK, Kessler CM, Del Fiol G. GARDE: a standards-based clinical decision support platform for identifying population health management cohorts. J Am Med Inform Assoc. 2022 Apr 13;29(5):928-936. doi: 10.1093/jamia/ocac028.
- Mariotto AB, Enewold L, Zhao J, Zeruto CA, Yabroff KR. Medical Care Costs Associated with Cancer Survivorship in the United States. Cancer Epidemiol Biomarkers Prev. 2020 Jul;29(7):1304-1312. doi: 10.1158/1055-9965.EPI-19-1534. Epub 2020 Jun 10.
- Carrera PM, Kantarjian HM, Blinder VS. The financial burden and distress of patients with cancer: Understanding and stepping-up action on the financial toxicity of cancer treatment. CA Cancer J Clin. 2018 Mar;68(2):153-165. doi: 10.3322/caac.21443. Epub 2018 Jan 16.
- Lyman GH, Kuderer N. Financial Toxicity, Financial Abuse, or Financial Torture: Let's Call It What It is! Cancer Invest. 2020 Mar;38(3):139-142. doi: 10.1080/07357907.2020.1735084. Epub 2020 Mar 4. No abstract available.
- Pisu M, Henrikson NB, Banegas MP, Yabroff KR. Costs of cancer along the care continuum: What we can expect based on recent literature. Cancer. 2018 Nov 1;124(21):4181-4191. doi: 10.1002/cncr.31643. Epub 2018 Oct 17.
- Yabroff KR, Mariotto A, Tangka F, Zhao J, Islami F, Sung H, Sherman RL, Henley SJ, Jemal A, Ward EM. Annual Report to the Nation on the Status of Cancer, Part 2: Patient Economic Burden Associated With Cancer Care. J Natl Cancer Inst. 2021 Nov 29;113(12):1670-1682. doi: 10.1093/jnci/djab192.
- Knight TG, Deal AM, Dusetzina SB, Muss HB, Choi SK, Bensen JT, Williams GR. Financial Toxicity in Adults With Cancer: Adverse Outcomes and Noncompliance. J Oncol Pract. 2018 Oct 24:JOP1800120. doi: 10.1200/JOP.18.00120. Online ahead of print.
- Allcott N, Dunham L, Levy D, Carr J, Stitzenberg K. Financial burden amongst cancer patients treated with curative intent surgery alone. Am J Surg. 2019 Sep;218(3):452-456. doi: 10.1016/j.amjsurg.2019.01.033. Epub 2019 Jan 31.
- Williams CP, Gallagher KD, Deehr K, Aswani MS, Azuero A, Daniel CL, Ford EW, Ingram SA, Balch AJ, Rocque GB. Quantifying treatment preferences and their association with financial toxicity in women with breast cancer. Cancer. 2021 Feb 1;127(3):449-457. doi: 10.1002/cncr.33287. Epub 2020 Oct 27.
- Belcher SM, Lee H, Nguyen J, Curseen K, Lal A, Zarrabi AJ, Gantz L, Rosenzweig MQ, Hill JL, Yeager KA. Financial Hardship and Quality of Life Among Patients With Advanced Cancer Receiving Outpatient Palliative Care: A Pilot Study. Cancer Nurs. 2023 Jan-Feb 01;46(1):3-13. doi: 10.1097/NCC.0000000000001052. Epub 2021 Dec 31.
- Petermann V, Zahnd WE, Vanderpool RC, Eberth JM, Rohweder C, Teal R, Vu M, Stradtman L, Frost E, Trapl E, Koopman Gonzalez S, Vu T, Ko LK, Cole A, Farris PE, Shannon J, Lee J, Askelson N, Seegmiller L, White A, Edward J, Davis M, Wheeler SB. How cancer programs identify and address the financial burdens of rural cancer patients. Support Care Cancer. 2022 Mar;30(3):2047-2058. doi: 10.1007/s00520-021-06577-z. Epub 2021 Oct 16.
- Charlton M, Schlichting J, Chioreso C, Ward M, Vikas P. Challenges of Rural Cancer Care in the United States. Oncology (Williston Park). 2015 Sep;29(9):633-40.
- Spencer JC, Rotter JS, Eberth JM, Zahnd WE, Vanderpool RC, Ko LK, Davis MM, Troester MA, Olshan AF, Wheeler SB. Employment Changes Following Breast Cancer Diagnosis: The Effects of Race and Place. J Natl Cancer Inst. 2020 Jun 1;112(6):647-650. doi: 10.1093/jnci/djz197.
- Kent EE, Lee S, Asad S, Dobbins EE, Aimone EV, Park EM. "If I wasn't in a rural area, I would definitely have more support": social needs identified by rural cancer caregivers and hospital staff. J Psychosoc Oncol. 2023;41(4):393-410. doi: 10.1080/07347332.2022.2129547. Epub 2022 Oct 10.
- Zhang M, Wang X, Shao M, Li T, Guo S, Yang Y, Yu L, Bin M, Li D, Zhou H, Yao L, Chen C, Wang T. Financial toxicity of informal caregivers of colorectal cancer patients: A cross-sectional study. Eur J Oncol Nurs. 2024 Apr;69:102519. doi: 10.1016/j.ejon.2024.102519. Epub 2024 Feb 9.
- Crabtree-Ide C, Sevdalis N, Bellohusen P, Constine LS, Fleming F, Holub D, Rizvi I, Rodriguez J, Shayne M, Termer N, Tomaszewski K, Noyes K. Strategies for Improving Access to Cancer Services in Rural Communities: A Pre-implementation Study. Front Health Serv. 2022 Mar 14;2:818519. doi: 10.3389/frhs.2022.818519. eCollection 2022.
- Spencer JC, Samuel CA, Rosenstein DL, Reeder-Hayes KE, Manning ML, Sellers JB, Wheeler SB. Oncology navigators' perceptions of cancer-related financial burden and financial assistance resources. Support Care Cancer. 2018 Apr;26(4):1315-1321. doi: 10.1007/s00520-017-3958-3. Epub 2017 Nov 9.
- de Moor JS, Kent EE, McNeel TS, Virgo KS, Swanberg J, Tracy JK, Banegas MP, Han X, Qin J, Yabroff KR. Employment Outcomes Among Cancer Survivors in the United States: Implications for Cancer Care Delivery. J Natl Cancer Inst. 2021 May 4;113(5):641-644. doi: 10.1093/jnci/djaa084.
- Sherman DE. Transforming Practices Through the Oncology Care Model: Financial Toxicity and Counseling. J Oncol Pract. 2017 Aug;13(8):519-522. doi: 10.1200/JOP.2017.023655. Epub 2017 Jun 7. No abstract available.
- Xu L, Sanders L, Li K, Chow JCL. Chatbot for Health Care and Oncology Applications Using Artificial Intelligence and Machine Learning: Systematic Review. JMIR Cancer. 2021 Nov 29;7(4):e27850. doi: 10.2196/27850.
- Kaphingst KA, Kohlmann WK, Lorenz Chambers R, Bather JR, Goodman MS, Bradshaw RL, Chavez-Yenter D, Colonna SV, Espinel WF, Everett JN, Flynn M, Gammon A, Harris A, Hess R, Kaiser-Jackson L, Lee S, Monahan R, Schiffman JD, Volkmar M, Wetter DW, Zhong L, Mann DM, Ginsburg O, Sigireddi M, Kawamoto K, Del Fiol G, Buys SS. Uptake of Cancer Genetic Services for Chatbot vs Standard-of-Care Delivery Models: The BRIDGE Randomized Clinical Trial. JAMA Netw Open. 2024 Sep 3;7(9):e2432143. doi: 10.1001/jamanetworkopen.2024.32143.
- Ta V, Griffith C, Boatfield C, Wang X, Civitello M, Bader H, DeCero E, Loggarakis A. User Experiences of Social Support From Companion Chatbots in Everyday Contexts: Thematic Analysis. J Med Internet Res. 2020 Mar 6;22(3):e16235. doi: 10.2196/16235.
- Hazarika I. Artificial intelligence: opportunities and implications for the health workforce. Int Health. 2020 Jul 1;12(4):241-245. doi: 10.1093/inthealth/ihaa007.
- De Souza JA, Wroblewski K, Proussaloglou E, Nicholson L, Hantel A, Wang Y. Validation of a financial toxicity (FT) grading system. American Society of Clinical Oncology; 2017.
- Hamm RF, Levine LD, Szymczak JE, Parry S, Srinivas SK, Beidas RS. An innovative sequential mixed-methods approach to evaluating clinician acceptability during implementation of a standardized labor induction protocol. BMC Med Res Methodol. 2023 Aug 29;23(1):195. doi: 10.1186/s12874-023-02010-7.
- Watkins JM, Brunnemer JE, Heeter KN, Medellin AM, Churchill WC, Goss JM, Hobson JM, Werner NE, Weaver RG, Kercher VMM, Kercher KA. Evaluating the feasibility and acceptability of a co-designed physical activity intervention for rural middle schoolers: a pilot study. BMC Public Health. 2024 Jul 9;24(1):1830. doi: 10.1186/s12889-024-19356-2.
- Stanhope J. Patient Health Questionnaire-4. Occup Med (Lond). 2016 Dec;66(9):760-761. doi: 10.1093/occmed/kqw165. No abstract available.
- Møller CG, Ang KE, Bongiovanni MDL, Khalid MS, Wu J. Metrics of success: evaluating user satisfaction in AI chatbots. In: Proceedings of the 8th International Conference on Advances in Artificial Intelligence (ICAAI 2024). Association for Computing Machinery; 2025:168-173. doi:10.1145/3704137.3704182
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Odhadovaný)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 193501
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .