Stor sproglig model til klinisk reaoning af fysioterapi -studerende
Gennemførelighed af et randomiseret kontrolleret forsøg med store kunstige intelligensbaserede sproglige modeller til klinisk ræsonnementuddannelse af fysioterapi-studerende. Et randomiseret kontrolleret forsøg
Klinisk ræsonnement er en grundlæggende færdighed for fysioterapi -studerende, der gør det muligt for dem at indsamle og fortolke patientoplysninger for at stille nøjagtige diagnoser og behandlingsbeslutninger. Traditionelle træningsmetoder begrænser ofte studerendes eksponering for en forskelligartet række kliniske tilfælde, som kan begrænse udviklingen af disse færdigheder. Integrationen af store sprogmodeller (LLM'er), såsom ChatGPT, i fysioterapiuddannelse tilbyder en ny tilgang til at forbedre klinisk ræsonnement ved at simulere interaktive og realistiske patientscenarier.
Dette randomiserede kontrollerede forsøg har til formål at evaluere effektiviteten af en LLM-baseret uddannelsesmæssig intervention i forbedring af kliniske ræsonnementsevner inden for fysioterapi-studerende. Undersøgelsen rekrutterer i alt 200 tredjeårs fysioterapi-studerende fra flere universitetsinstitutioner. Deltagerne tildeles tilfældigt til en af to grupper:
- Eksperimentel gruppe-Studerende vil modtage LLM-baseret uddannelse og engagere sig i en samtale kunstig intelligensmodel for at løse kliniske tilfælde over en 8-ugers periode. Modellen vil give reaktioner i realtid på deres spørgsmål, så de kan forfine deres diagnostiske og behandlingsræsonnement.
- Kontrolgruppe-Studerende vil følge standardplanen og deltage i konventionel case-baseret læring og overvåget kliniske ræsonnementsøvelser uden AI-baseret hjælp.
Det primære resultat af undersøgelsen er forbedringen i kliniske ræsonnementsevner, vurderet gennem standardiserede skriftlige sagsevalueringer og strukturerede praktiske undersøgelser. Sekundære resultater inkluderer ændringer i digital kompetence, studerendes engagementniveauer, generel tilfredshed med den uddannelsesmæssige tilgang og omkostningseffektiviteten af interventionen.
Ved at vurdere virkningen af LLM'er på klinisk ræsonnementuddannelse søger denne undersøgelse at afgøre, om AI-drevne uddannelsesværktøjer effektivt kan supplere traditionel fysioterapiuddannelse og forbedre den studerendes beredskab til klinisk praksis i den virkelige verden.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Klinisk ræsonnement er en vigtig kompetence for studerende i fysioterapi, der giver dem mulighed for at vurdere, diagnosticere og oprette behandlingsplaner baseret på patientinformation. På trods af dens betydning begrænser traditionelle uddannelsesmetoder ofte studerendes eksponering for en bred vifte af kliniske tilfælde, hvilket begrænser deres evne til at udvikle omfattende ræsonnementsevner. Fremskridt inden for kunstig intelligens, især store sprogmodeller (LLM'er) såsom ChatGPT, tilbyder en lovende løsning ved at simulere realistiske og interaktive kliniske scenarier.
Dette randomiserede kontrollerede forsøg (RCT) sigter mod at evaluere effektiviteten af en LLM-baseret intervention sammenlignet med traditionelle træningsmetoder til forbedring af kliniske ræsonnementsevner blandt fysioterapi-studerende. Den tredje år studerende tildeles tilfældigt til enten den eksperimentelle gruppe, der modtager AI-drevet case-baserede træning eller kontrolgruppen efter konventionel læseplanbaserede sagsdiskussioner.
Interventionen vil vare 8 uger, hvor studerende i den eksperimentelle gruppe vil interagere med en LLM for at løse ugentlige kliniske tilfælde, der efterligner patientmøder i den virkelige verden. Modellen fungerer som en virtuel patient, der reagerer på studerendes forespørgsler og giver dem mulighed for at forfine deres diagnostiske begrundelse og behandlingsplanlægning. I modsætning hertil vil kontrolgruppen deltage i traditionelle skriftlige og tutor-ledede sagsdiskussioner.
Statistisk analyseplan
Data analyseres ved hjælp af SPSS version 29.0 (SPSS Inc., Chicago, IL, USA). Beskrivende statistikker vil blive brugt til at opsummere baseline -egenskaber for deltagere, med kontinuerlige variabler udtrykt som gennemsnit ± standardafvigelse (SD) eller median [interkvartil række], afhængigt af normalitet og kategoriske variabler præsenteret som frekvens (N) og procentdel (%). Normaliteten af distributioner vurderes ved hjælp af Kolmogorov-Smirnov-testen og Shapiro-Wilk-testen. Sammenligninger mellem grupper udføres ved hjælp af; Uafhængige t-tests eller Mann-Whitney U-test for kontinuerlige variabler; Chi-square-test eller Fishers nøjagtige test for kategoriske variabler; Gentagne mål ANOVA eller lineære blandede modeller vil blive brugt til at evaluere ændringer over tid i kliniske ræsonnementsresultater, digital kompetence og tilfredshedsniveauer.
Logistiske regressionsmodeller vil blive anvendt til at undersøge forudsigere for engagement med den LLM-baserede intervention. Effektstørrelser (Cohen's D, Rosenthal's R) beregnes for at måle størrelsen af de observerede forskelle. En omkostningseffektivitetsanalyse vil blive udført ved at sammenligne omkostningerne ved implementering af den LLM-baserede intervention med forbedringen i kliniske ræsonnementsresultater og studerendes engagementniveauer.
Statistisk signifikans indstilles til P <0,05, og alle analyser vil blive udført ved hjælp af en to-halet tilgang.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Fase 2
Kontakter og lokationer
Studiekontakt
- Navn: Alfredo Lerín Calvo, Professor
- Telefonnummer: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
Studiesteder
-
-
Madrid
-
Madrid, Madrid, Spanien, 28023
- Rekruttering
- Centro Superior de Estudios Universitarios La Salle
-
Kontakt:
- Alfredo Lerín Calvo, Professor
- Telefonnummer: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
-
Ledende efterforsker:
- Raúl Ferrer Peña, PhD
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
Tager imod sunde frivillige
Beskrivelse
Inkluderingskriterier:
- Studerende tilmeldte sig det tredje år af fysioterapiprogrammet ved La Salle Center for Higher University Studies (LCHUS)
- Deltagerne skal være mellem 18 og 30 år gamle.
- Studerende skal acceptere at deltage i undersøgelsen ved at underskrive en informeret samtykkeformular efter at have været orienteret om undersøgelsens mål, procedurer og potentielle risici.
- Deltagerne skal være villige til at engagere sig i den LLM-baserede platform (for den eksperimentelle gruppe) eller deltage i traditionelle læringsaktiviteter (for kontrolgruppen) i undersøgelsens varighed.
Ekskluderingskriterier:
- Studerende med tidligere klinisk erfaring ud over det tredje år af fysioterapiuddannelse.
- Fysiske eller kognitive handicap, der kan forstyrre evnen til at deltage i eller drage fordel af interventionen (f.eks. Vision, hørelse eller motorisk svækkelse).
- Studerende, der ikke giver informeret samtykke til at deltage i undersøgelsen.
- Studerende, der ikke har tilstrækkelig færdigheder på spansk eller engelsk, til at forstå materialerne og interventionen.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Behandling
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Dobbelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: LLM -gruppe
Deltagere i den eksperimentelle gruppe vil gennemgå en 8-ugers intervention, der indeholder Large Language Model (LLM) -baseret uddannelse i deres kliniske ræsonnementsuddannelse. Studerende vil deltage i ugentlige kliniske sagssimuleringer ved hjælp af en LLM-drevet platform (ChatGPT), hvor de vil interagere med modellen for at få patientinformation, formulere diagnoser og foreslå behandlingsplaner. LLM vil give reaktioner i realtid og simulere et virtuelt patientmøde. Uddannelsen vil supplere standardplanen, hvilket giver studerende mulighed for at praktisere kliniske ræsonnementsevner i et struktureret og interaktivt AI-assisteret miljø. Ved afslutningen af interventionen afslutter deltagerne en endelig case-baseret vurdering for at evaluere forbedringer i klinisk ræsonnement, digital kompetence og engagement med teknologien. |
Interventionen i den eksperimentelle gruppe er kendetegnet ved integrationen af en stor sprogmodel (LLM) -baseret interaktiv platform (CHATGPT) i klinisk ræsonnementstræning for fysioterapi-studerende.
I modsætning til traditionelle uddannelsesmæssige tilgange giver denne intervention realtid, AI-genererede patientinteraktioner, hvilket giver studerende mulighed for aktivt at deltage i virtuelle kliniske tilfælde.
|
|
Aktiv komparator: Konventionel læringsgruppe
Deltagere i kontrolgruppen vil følge standardplanen for klinisk ræsonnementstræning over en 8-ugers periode uden eksponering for den LLM-baserede intervention. Studerende vil deltage i ugentlige case-baserede diskussioner ved hjælp af traditionelle læringsmetoder, herunder skriftlige sagsanalyser og overvågede diskussioner med instruktører. Disse sessioner vil følge de sædvanlige uddannelsesrammer, der bruges i fysioterapi-træningsprogrammer, og understreger diagnostisk ræsonnement og behandlingsplanlægning gennem instruktørledet vejledning. Ved afslutningen af træningsperioden afslutter deltagerne en endelig case-baseret vurdering for at evaluere deres kliniske ræsonnementsevner, digital kompetence og det samlede engagement med læringsprocessen. |
Interventionen i kontrolgruppen følger en traditionel case-baseret læringsmetode, der ofte bruges i fysioterapi-uddannelse.
I modsætning til den eksperimentelle gruppe er denne træningsmetode udelukkende afhængig af menneskelig-ledet undervisning og skriftlig saganalyse uden integration af kunstig intelligens eller interaktive digitale værktøjer.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinisk ræsonnementspræstation
Tidsramme: Vurderet i begyndelsen og slutningen af den 8-ugers intervention gennem case-baserede vurderinger og praktiske evalueringer.
|
Dette resultat måler forbedringen i studerendes kliniske ræsonnementsevner efter interventionen.
Studerende vurderes på baggrund af deres evne til at indsamle, fortolke og analysere patientinformation og formulere nøjagtige diagnoser og behandlingsplaner.
Dette vil blive evalueret gennem både skriftlige casestudier og praktiske eksamener ved hjælp af Lasater Rubric, idet den er denne skala det instrument, der blev brugt til evaluering af dette resultat.
|
Vurderet i begyndelsen og slutningen af den 8-ugers intervention gennem case-baserede vurderinger og praktiske evalueringer.
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Studerendes engagement med interventionen
Tidsramme: Overvåget i hele 8-ugers interventionsperiode med ugentlig sporing af studerendes interaktioner og case-færdiggørelser.
|
Dette resultat måler niveauet for aktivt engagement af studerende med den LLM-baserede platform (eksperimentel gruppe) og den traditionelle case-baserede læring (kontrolgruppe).
Engagement vil blive vurderet baseret på hyppigheden af interaktioner, varighed af brug og færdiggørelsesgrad for de tildelte sager.
|
Overvåget i hele 8-ugers interventionsperiode med ugentlig sporing af studerendes interaktioner og case-færdiggørelser.
|
|
Tilfredshed med den uddannelsesmæssige tilgang
Tidsramme: Beregnet ved afslutningen af interventionsperioden ved hjælp af omkostningerne forbundet med at give adgang til den LLM-baserede platform og sammenligne den med de forbedringer, der er observeret i andre resultater.
|
Dette resultat vurderer den samlede studerendes tilfredshed med deres læringsoplevelse med fokus på effektiviteten, anvendeligheden og den opfattede værdi af interventionen.
Tilfredshed måles ved hjælp af en visuel analog skala (VAS), hvor studerende vurderer deres tilfredshedsniveau med træningsmetoden.
|
Beregnet ved afslutningen af interventionsperioden ved hjælp af omkostningerne forbundet med at give adgang til den LLM-baserede platform og sammenligne den med de forbedringer, der er observeret i andre resultater.
|
|
Digitale kompetencer
Tidsramme: Evalueret i starten og slutningen af den 8-ugers intervention via Ad Hoc Digital Competence Spørgeskema.
|
Dette resultat evaluerer elevernes evne til effektivt at bruge digitale værktøjer, især AI-drevne platforme som ChatGpt, i forbindelse med klinisk ræsonnement.
Studerende udfylder et spørgeskema for digital kompetence, der vurderer deres evner på tværs af flere domæner, såsom datastyring, sundhedskommunikation og oprettelse af digitalt indhold.
Det vurderes med det digitale kompetencer-spørgeskema udviklet af Montero-Delgado et al. (2020)
|
Evalueret i starten og slutningen af den 8-ugers intervention via Ad Hoc Digital Competence Spørgeskema.
|
Samarbejdspartnere og efterforskere
Sponsor
Publikationer og nyttige links
Generelle publikationer
- Lasater K. Clinical judgment development: using simulation to create an assessment rubric. J Nurs Educ. 2007 Nov;46(11):496-503. doi: 10.3928/01484834-20071101-04.
- Milad D, Antaki F, Milad J, Farah A, Khairy T, Mikhail D, Giguere CE, Touma S, Bernstein A, Szigiato AA, Nayman T, Mullie GA, Duval R. Assessing the medical reasoning skills of GPT-4 in complex ophthalmology cases. Br J Ophthalmol. 2024 Sep 20;108(10):1398-1405. doi: 10.1136/bjo-2023-325053.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- ALC001NR005
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
I denne undersøgelse deles de enkelte deltagerdata (IPD) ikke offentligt. De indsamlede data, inklusive kliniske ræsonnementsvurderinger, evalueringer af digital kompetence og tilfredshedsresultater, vil blive brugt udelukkende til formålet med denne forskningsundersøgelse. Adgang til deltagerdata vil blive begrænset til forskerteamet og vil ikke blive gjort tilgængelige for at dele med eksterne parter.
Deltagernes privatlivets fred og fortrolighed vil blive strengt opretholdt i hele undersøgelsen. Alle data vil blive anonymiseret, og eventuelle identificerbare oplysninger gemmes og beskyttes i overensstemmelse med gældende databeskyttelsesbestemmelser. Derudover vil undersøgelsens resultater blive delt i samlet form, hvilket sikrer, at ingen persons data afsløres eller identificeres i offentlige rapporter eller publikationer.
Som en del af den etiske forpligtelse til at beskytte deltagernes privatliv vil enhver anmodning om adgang til IPD ikke blive tildelt.
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 Stor sprogmodel
-
Johnson & Johnson Surgical Vision, Inc.Afsluttet
-
National University, SingaporeUkendt
-
Johnson & Johnson Surgical Vision, Inc.Afsluttet
-
University of PittsburghPatient-Centered Outcomes Research InstituteAfsluttet
-
CORD, LLCAfsluttetGrå stærForenede Stater
-
University of ParmaAfsluttetMotorisk aktivitet | Hemiplegisk cerebral pareseItalien
-
Alcon ResearchAfsluttet
-
Medtronic Cardiac SurgeryAfsluttet
-
Johnson & Johnson Surgical Vision, Inc.Afsluttet
-
The Royal Wolverhampton Hospitals NHS TrustTrukket tilbageLuftvejsobstruktionDet Forenede Kongerige