Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

DHL-undersøgelse om generativ AI til MyChart Messaging

12. december 2023 opdateret af: Duke University

Duke Health lytter undersøgelse om generativ kunstig intelligens (AI) til MyChart Messaging

Formålet med denne undersøgelse er at forstå, hvordan patienter har det med brugen af ​​computerprogrammer til at skabe svar, når de sender elektroniske beskeder til deres læger.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

  • Efterforskerne vil lave korte undersøgelser online for at spørge patienterne, hvordan de har det med at bruge computerprogrammer, der skaber beskeder i deres lægejournaler.
  • Undersøgelserne vil vise fiktive situationer, hvor patienter stiller spørgsmål og får svar fra enten rigtige mennesker eller computerprogrammer, med eller uden en afsløring om, hvordan svaret er skrevet.
  • Efterforskerne vil bede personerne, der deltager i undersøgelsen, om at dele, hvad de synes om disse situationer ved hjælp af værktøjer som vurderingsskalaer, sammenligningsskalaer eller skriftlige svar.
  • Hvis patienterne ønsker det, kan de give deres kontaktoplysninger for at være en del af fremtidige diskussionsgrupper. Deltagerne behøver ikke at give nogen personlige oplysninger for at gennemføre undersøgelsen.

Undersøgelsestype

Interventionel

Tilmelding (Faktiske)

1454

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Forenede Stater
    • North Carolina
      • Durham, North Carolina, Forenede Stater, 27710
        • Duke University Health System

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Beskrivelse

Inklusionskriterier:

  • Medlem af Duke Health Listens-patientadvokatsamfundet

Ekskluderingskriterier:

  • Alder <18

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Andet
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Enkelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Andet: Arm A

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm A modtager AHN i Send 1, BAIC i Send 2 og CHH i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.
Andet: Arm B

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm B modtager BHC i Send 1, CAIH i Send 2 og AAIN i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.
Andet: Arm C

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm C modtager CHC i Send 1, AHH i Send 2 og BAIN i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.
Andet: Arm D

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm D modtager AAIH i Send 1, BHN i Send 2 og CAIC i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.
Andet: Arm E

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm E modtager BAIH i Send 1, CHN i Send 2 og AHC i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.
Andet: Arm F

Hver arm vil modtage 3 kliniske scenarier fordelt over tid på tværs af 3 afsendelser. De 6 grupper (Arms A-F) vil blive arrangeret med navnekonventioner som sådan:

  • Første bogstav = A, B eller C hvor A = scenario 1, B = scenario 2 og C = scenario 3.
  • Andet bogstav = H eller AI, hvor H = menneskelig respons og AI = AI-skrevet svar på det stillede patientspørgsmål.
  • Tredje bogstav(er) = N, C eller H, hvor N = ingen afsløring, C = afsløring af computer, og H = menneskelig afsløring. Dette henviser til oplysningen nederst i svarmeddelelsen, hvorved forfatteren er eller ikke afsløres.

Arm F modtager CAIN i Send 1, AAIC i Send 2 og BHH i Send 3
Adfærdsmæssigt: Generativ AI til elektronisk kommunikation og offentliggørelse
Vi vil bruge en stor sprogmodel såsom GPT 3.5 til automatisk at generere svar på fiktive beskeder til en læge. Vi vil oplyse, om meddelelsen blev genereret ved hjælp af denne teknologi eller ej. Der er 3 kliniske scenarier og 6 par af human/AI-respons og menneskelig afsløring/AI-afsløring/ikke afsløret, som vil teste patientens holdninger til denne teknologi.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Patienttilfredshed, målt ved undersøgelse
Tidsramme: Op til 2 uger
Likert-skalasvar på tilfredshedsspørgsmål: "Jeg er tilfreds med denne interaktion", på en skala fra 1-5 med svarmulighederne Meget uenig (1), Uenig (2), Hverken enig eller uenig (3), Enig (4) ), og meget enig (5).
Op til 2 uger
Patientholdninger til nytte, målt ved undersøgelse
Tidsramme: Op til 2 uger
Likert-skalasvar på nyttespørgsmål: "Oplysningerne er nyttige", på en skala fra 1-5 med svarmulighederne Meget uenig (1), Uenig (2), Hverken enig eller uenig (3), Enig (4), og meget enig (5).
Op til 2 uger
Patientempati, målt ved undersøgelse
Tidsramme: Op til 2 uger
Likert-skalasvar på empatispørgsmål: "Jeg føler mig holdt af under denne interaktion", på en skala fra 1-5 med svarmulighederne Meget uenig (1), Uenig (2), Hverken enig eller uenig (3), Enig ( 4), og meget enig (5).
Op til 2 uger

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Duke University

Efterforskere

  • Ledende efterforsker: Anand Chowdhury, MD, MMCi, Duke University

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

31. oktober 2023

Primær færdiggørelse (Faktiske)

11. december 2023

Studieafslutning (Faktiske)

11. december 2023

Datoer for studieregistrering

Først indsendt

23. oktober 2023

Først indsendt, der opfyldte QC-kriterier

26. oktober 2023

Først opslået (Faktiske)

30. oktober 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

13. december 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

12. december 2023

Sidst verificeret

1. oktober 2023

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Andre undersøgelses-id-numre

  • Pro00113587

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Efterforskerne vil ikke indsamle individuelle patientidentifikatorer, og aggregerede data vil blive rapporteret

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Meddelelse

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Pakistan

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

3
Abonner