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

Kunstig intelligens (AI) -teknologi kan hjælpe patienter med at forstå tarmforberedelse bedre, før de går efter koloskopi. Denne undersøgelse forsøger at udnytte AI -chatbot hos rådgivningspatienter for at forbedre tarmens renlighed, reducere angst samt øge proceduremæssig tilfredshed

24. marts 2025 opdateret af: Nabil Mohammad Azmi, National University of Malaysia

Potentiel enkelt blindet randomiseret kontrolforsøg på effektiviteten af ​​at bruge stor sprogmodel kunstig intelligens chatbot for at forbedre Boston tarmforberedelsesresultat (BBPS) til kolonoskopi -forberedelse

Traditionel før-colonoskopi-rådgivning kræver betydelig tid fra sundhedsarbejdere til at forklare procedurer, begrænsende effektivitet og patientomsætning. Utilstrækkelig tarmforberedelse forværrer dette problem, hvilket fører til gentagne procedurer og øgede omkostninger. Imidlertid har ingen undersøgelse endnu evalueret effektiviteten af ​​AI til forbedring af Boston Towel Preparch Scale (BBPS) til forberedelse af koloskopi. Ved at tackle dette hul kan AI -chatbots give personlig vejledning, reducere sundhedsarbejderbelastningen, forbedre forberedelseskvaliteten og forbedre patientoplevelsen. Dette forskningsforsøg på at evaluere effektiviteten af ​​at bruge kunstig intelligens (AI) Chat Bot for at forbedre tarmforberedelsen, angstniveau og patientens tilfredshed blandt koloskopipatienter i hospitalet Tuanku Muanku Muanku

Studieoversigt

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

96

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

  • Navn: Nabil Mohammad Azmi, Doctor in General Surgery
  • Telefonnummer: +60122177050
  • E-mail: nabil@ukm.edu.my

Studiesteder

    • Kuala Lumpur
      • Cheras, Kuala Lumpur, Malaysia, 56000
        • Faculty of Medicine, The National University of Malaysia
        • Kontakt:
          • Nabil Mohammad Azmi, Doctor of General Surgery
          • Telefonnummer: +60122177050
          • E-mail: nabil@ukm.edu.my

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

Inkluderingskriterier:

  • Al planlagt koloskopi med indikation
  • Tilstrækkelig digital læsefærdighed
  • Tilstrækkelig sproglitteratur med malaysisk og engelsk sprog

Ekskluderingskriterier:

  • Patienter med hukommelsesnedsættelse på grund af tidligere slagtilfælde, demens eller Alzheimers sygdom
  • Diagnosticeret med klinisk angst

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

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

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: Kunstig intelligens (AI) Chatbot
Patientens, der vil interagere med AI -chatbot for tarmforberedelsesrådgivning
Interventionsarm bliver nødt til at gennemgå tarmforberedelse ved hjælp af standard polyethylenglycolopløsning (Fortrans)
Interventionsarm bliver nødt til at gennemgå tarmforberedelse ved hjælp af standard polyethylenglycolopløsning (Fortrans)
Andet: Konventionel rådgivning fra sundhedsarbejdere
Patienter, der modtager konventionel måde at rådgive til tarmforberedelse før koloskopi
Interventionsarm bliver nødt til at gennemgå tarmforberedelse ved hjælp af standard polyethylenglycolopløsning (Fortrans)
Interventionsarm bliver nødt til at gennemgå tarmforberedelse ved hjælp af standard polyethylenglycolopløsning (Fortrans)

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
For at bestemme effektiviteten af ​​kunstig intelligens (AI) chatbot ved forbedring af tarmforberedelse blandt koloskopipatienter på hospitalet Tuanku Mukhriz (HCTM) sammenlignet med konventionelle instruktioner
Tidsramme: 1 år
Patienter i interventionsarm modtager rådgivning via interaktion med AI Chatbot.Each -interaktionssessionen var begrænset til 15 minutters maksimale. Kvaliteten af ​​tarmforberedelse klassificeres af de maskerede endoskopister ved hjælp af Boston Towel Preparch Score (BBPS). Hver af de tre kolonsegmenter (højre, tværgående og venstre) tildeles scoringer (0 - 3). 0 - Uforberedt kolon, mens 3 indikerer den bedst mulige forberedelse. En samlet score varierer fra 0 til 9, hvor højere score indikerer bedre tarmforberedelse.
1 år

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
At bestemme effektiviteten af ​​AI -chat -bot i lindring af angst blandt koloskopipatienter i HCTM sammenlignet med konventionelle instruktioner.
Tidsramme: 1 år
Angstniveau for begge arme måles før og efter koloskopi ved anvendelse af den validerede depression angst og stressskala 21 (angstskala). Er en selvrapporterende skala, der måler angst.dass-fortolkningen; normal 0-7, mild 8-9, moderat 10-14, svær 15-19 og ekstremt alvorlig 20+
1 år
At bestemme effektiviteten af ​​AI -chatbot til forbedring af tilfredshed blandt koloskopipatienter i HCTM sammenlignet med konventionelle instruktioner.
Tidsramme: 1 år
Patienter fra begge arme vil blive interviewet efter koloskopi ved hjælp af det validerede Patient Gladety Spørgeskema (PSQ) .PSQ er et sæt spørgeskemaer, der hjælper forskere med at forstå patientoplevelser og identificere forbedringsområder. Patienter vil blive evalueret på flere domæner- generel tilfredshed, teknisk kvalitet, interpersonlige aspekt, klarhed i kommunikation, adgang til pleje og tillid til sundhedsudbyder. Hvert domæne får scoringer i henhold til Likert -skalaen fra 1 til 5. 1 betyder meget utilfreds, mens 5 betyder meget tilfreds.
1 år

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Ledende efterforsker: Nabil Mohammad Azmi, Doctor of General Surgery, Faculty of Medicine, The National University of Malaysia

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 (Anslået)

1. april 2025

Primær færdiggørelse (Anslået)

2. februar 2026

Studieafslutning (Anslået)

2. februar 2026

Datoer for studieregistrering

Først indsendt

15. marts 2025

Først indsendt, der opfyldte QC-kriterier

24. marts 2025

Først opslået (Faktiske)

1. april 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

1. april 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

24. marts 2025

Sidst verificeret

1. marts 2025

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

JA

IPD-planbeskrivelse

Undersøgelsesprotokol, informeret samtykkeformular, klinisk undersøgelse rapporterer om betydelig anmodning

IPD-delingstidsramme

April 2025 - februar 2026

IPD-deling Understøttende informationstype

  • STUDY_PROTOCOL
  • ICF
  • CSR

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 Screening af kolorektal cancer

Kliniske forsøg med Ai chatbot studiearm

Abonner