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

Bestemmelse af Konsistensen Mellem Sygeplejersker og Kunstig Intelligens (ChatGPT-5) i Leveringen af Scenariebaseret Udskrivningsundervisning til Koronararterie Bypass Graft-patienter: En Metodologisk Undersøgelse (CABG-AI-EDU)

1. april 2026 opdateret af: Uğur Akman, Hasan Kalyoncu University

Bestemmelse af Konsistensen Mellem Sygeplejersker og Kunstig Intelligens (ChatGPT-5) i Leveringen af Scenariebaseret Udskrivningsundervisning til Patienter med Koronararteriebypass: En Metodologisk Undersøgelse

Denne metodologiske undersøgelse har til formål at bestemme niveauet af overensstemmelse mellem sygeplejersker og et kunstig intelligenssystem (ChatGPT-4.0) i at give scenariebaseret udskrivningsundervisning til patienter, der har gennemgået koronar bypass-kirurgi (CABG). Tredive standardiserede patientscenarier, der repræsenterer forskellige demografiske, kliniske og psykosociale karakteristika, vil blive anvendt. For hvert scenarie vil både erfarne sygeplejersker og ChatGPT-4.0 forberede udskrivningsundervisningsindhold baseret på seks hoveddomæner og fireogtyve underemner identificeret fra litteraturen og kliniske retningslinjer. Undervisningsmaterialerne vil blive uafhængigt evalueret af to blindede bedømmere med hensyn til indholdspræcision, fuldstændighed, videnskabelig konsistens og sprogklarhed. Overensstemmelsen mellem sygeplejersker og AI-genereret indhold vil blive analyseret ved hjælp af Cohens Kappa-koefficient og Fishers eksakte test. Resultaterne forventes at give bevis for pålideligheden og anvendeligheden af AI-assisterede udskrivningsundervisningssystemer i hjertekirurgisk sygeplejepraksis.

Studieoversigt

Status

Ikke rekrutterer endnu

Detaljeret beskrivelse

Denne metodologiske undersøgelse har til formål at fastslå overensstemmelsen mellem ekspertsygeplejersker og et kunstig intelligenssystem (AI) (ChatGPT-5) i at give scenariebaseret udskrivningsundervisning til patienter, der har gennemgået bypassoperation på kranspulsårer (CABG). Formålet med undersøgelsen er at evaluere, om ChatGPT-5 kan generere udskrivningsundervisningsindhold, der er sammenligneligt med hensyn til nøjagtighed, fuldstændighed og klinisk relevans med det, der er udarbejdet af erfarne karkirurgiske sygeplejersker.<\/p>

Der vil blive udviklet tredive standardiserede patientscenarier for at repræsentere et bredt udvalg af CABG-tilfælde med forskellige demografiske, socioøkonomiske, psykosociale og kliniske karakteristika. Hvert scenarie vil simulere realistiske postoperative forhold, herunder potentielle komplikationer (f.eks. delirium, sårinfektion, blødning, arytmi), komorbiditeter (f.eks. diabetes, hypertension, KOL) og psykosociale variabler såsom angstniveau, familiestruktur og social støtte. Alle scenarier vil blive gennemgået og valideret af et tværfagligt ekspertpanel, der inkluderer karkirurger og akademiske sygeplejespecialister, for at sikre klinisk realisme og indholdsmæssig validitet.<\/p>

Udskrivningsundervisningen vil blive struktureret omkring seks hoveddomæner og fireogtyve underemner udledt fra nationale og internationale retningslinjer og evidensbaseret litteratur. Disse domæner inkluderer: (1) medicinsk behandling og opfølgning, (2) dagligdag og funktionel genoptræning, (3) psykosocial og social støtte, (4) risikofaktorer og forebyggende sundhed, (5) livskvalitet og specifikke tilstande, og (6) religiøse praksisser. For hvert scenarie vil både ekspertsygeplejersker og ChatGPT-5 uafhængigt forberede skriftlige udskrivningsundervisningsmaterialer ved hjælp af denne standardiserede ramme.<\/p>

Undervisningsmaterialerne vil blive anonymiseret og evalueret af to blinde bedømmere med hensyn til videnskabelig nøjagtighed, indholdsmæssig fuldstændighed, sproglig klarhed og overensstemmelse med kliniske standarder. Ved uenighed vil en tredje uafhængig bedømmer træffe en endelig beslutning for at sikre objektivitet. Statistiske analyser vil inkludere Cohens Kappa-koefficient for at måle bedømmersamstemmelse og Fishers eksakte test for kategoriske sammenligninger. Der vil også blive beregnet diagnostiske ydeevnemål såsom følsomhed, specificitet, positiv prædiktiv værdi (PPV), negativ prædiktiv værdi (NPV) og F1-score.<\/p>

Data vil blive analyseret ved hjælp af SPSS v25 (IBM Corp., Armonk, NY, USA). Beskrivende statistik (frekvenser, procenter, gennemsnit og standardafvigelser) vil blive rapporteret for at opsummere scenariernes og evalueringernes karakteristika. Overensstemmelsesniveauer vil blive fortolket i henhold til Landis og Kochs klassifikation. En p-værdi på <0,05 vil blive betragtet som statistisk signifikant.<\/p>

Undersøgelsens resultater forventes at give bevis for pålideligheden, validiteten og anvendeligheden af ChatGPT-5 som et innovativt og støttende værktøj til at forberede individualiserede udskrivningsundervisningsmaterialer inden for karkirurgisk sygepleje. Resultaterne kan bidrage til at udvikle nye teknologiassisterede undervisningsmodeller, der kan reducere sygeplejerskers arbejdsbyrde, forbedre standardiseringen af udskrivningsundervisningen og øge patientens forståelse og tilfredshed i postoperativ periode.<\/p>

Undersøgelsestype

Observationel

Tilmelding (Anslået)

30

Kontakter og lokationer

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

Studiesteder

    • Gaziantep
      • Gaziantep, Gaziantep, Tyrkiet (Türkiye), 27620
        • Hasan Kalyoncu University Faculty of Nursing
        • Kontakt:

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

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Studieuniverset består af 30 standard patient scenarier, der repræsenterer individer, der har gennemgået koronar bypass graft (CABG) operation. Hvert scenarie afspejler en unik kombination af demografiske, kliniske og psykosociale karakteristika, der almindeligvis observeres hos patienter efter CABG. Scenarierne er udviklet og valideret af et multidisiplinært team, der omfatter kardiovaskulære kirurgiske sygeplejersker, akademiske sygeplejeeksperter og kardiovaskulære kirurger for at sikre klinisk realisme og indholdsmæssig validitet. Disse simulerede tilfælde vil blive brugt som observationelle enheder til at vurdere overensstemmelsen mellem sygeplejersker og ChatGPT-5 udarbejdede udskrivningsundervisningsmaterialer.

Beskrivelse

Inklusionskriterier:

  • Patientcases, der repræsenterer personer, der har gennemgået koronar bypass-kirurgi (CABG).
  • Cases, der inkluderer demografiske, socioøkonomiske, kliniske og psykosociale oplysninger i overensstemmelse med aktuel litteratur og kliniske retningslinjer.
  • Cases, der beskriver patienter, der har gennemgået median sternotomi og on-pump CABG-procedure.
  • Cases, der inkluderer relevante postoperative komplikationer (f.eks. delirium, blødning, sårinfektion, arytmi) og komorbiditeter (f.eks. diabetes, hypertension, KOL).
  • Cases, der muliggør både sygeplejerske og ChatGPT-5 at udarbejde udskrivningsoplysningsmateriale under samme standardiserede ramme.
  • Cases gennemgået og valideret af hjertekirurgiske eksperter og sygeplejeakademikere for indholdets validitet.

Eksklusionskriterier:

  • Patientcases, der ikke er relateret til koronar bypass-kirurgi (CABG).
  • Cases uden tilstrækkelige demografiske, kliniske eller psykosociale oplysninger til at udarbejde individuelle udskrivningsoplysninger.
  • Cases, der ikke følger den standardiserede struktur med seks hovedområder og fireogtyve undertemaer.
  • Cases med inkonsistente eller modstridende medicinske data (f.eks. uforenelig diagnose og behandlingsdetaljer).
  • Cases ikke valideret af ekspertpanelet for klinisk nøjagtighed og indholdets validitet.
  • Cases, der ikke tillader sammenligning mellem sygeplejerske-genererede og ChatGPT-5-genererede udskrivningsoplysningsmaterialer.

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Sygeplejerske-udført udskrivningsvejledning
Udsendelsesundervisningsmateriale udarbejdet uafhængigt af kardiokirurgiske sygeplejersker med ≥5 års klinisk erfaring. Hver sygeplejerske skrev udsendelsesundervisningsmateriale for 30 standardiserede post-CABG-scenarier i henhold til den foruddefinerede ramme.
ChatGPT-5-genereret udskrivningsundervisning
Udskrivningsundervisningsmaterialer automatisk genereret af ChatGPT-5 baseret på de samme standardiserede patientscenarier efter CABG og det foruddefinerede seks-domæne, 24-emne ramme.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Aftale mellem sygeplejerske- og ChatGPT-5-genereret udskrivningsoplysningsindhold
Tidsramme: Under dataindsamling (forventet inden for 8 måneder efter studiestart).
Niveauet af overensstemmelse mellem udskrivningsoplysningsmaterialer udarbejdet af hjertekirurgiske sygeplejersker og dem genereret af ChatGPT-5 til standardiserede post-CABG-patient-scenarier.
Under dataindsamling (forventet inden for 8 måneder efter studiestart).
Aftale mellem sygeplejerske- og ChatGPT-5-genereret udskrivningsundervisningsindhold
Tidsramme: Under dataindsamling (forventet inden for 12 måneder efter studiestart).
Graden af overensstemmelse mellem udskrivningsoplysningsmaterialer udarbejdet af kardiovaskulære kirurgiske sygeplejersker og dem genereret af ChatGPT-5 for standardiserede post-CABG-patient-scenarier.
Under dataindsamling (forventet inden for 12 måneder efter studiestart).

Samarbejdspartnere og efterforskere

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

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

  • Thompson R, Traylor D, Halguist E. Evaluating the clinical accuracy of ChatGPT-generated patient instructions: a review study. Digital Health. 2025;11:2055207625123456.
  • Su H, Vrdoljak J, Busch M, et al. Artificial intelligence in patient discharge education: improving readability and patient understanding. Journal of Medical Internet Research. 2025;27:e45612.
  • Rushton M, Hemmings L, Marsh L, et al. Enhancing recovery after cardiac surgery: discharge education and follow-up. European Journal of Cardiovascular Nursing. 2017;16(2):114-123. doi:10.1177/1474515116643395.
  • Akbari M, Celik S. The effect of discharge training on stress, anxiety, and pain in patients after coronary artery bypass graft surgery. Journal of Perioperative Nursing. 2015;28(3):165-172.
  • Fredericks S, Guruge S, Sidani S, Wan T. Postoperative patient education: a systematic review. Clin Nurs Res. 2010 May;19(2):144-64. doi: 10.1177/1054773810365994.

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. juli 2026

Primær færdiggørelse (Anslået)

1. juni 2027

Studieafslutning (Anslået)

1. december 2027

Datoer for studieregistrering

Først indsendt

23. november 2025

Først indsendt, der opfyldte QC-kriterier

3. december 2025

Først opslået (Faktiske)

4. december 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

2. april 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

1. april 2026

Sidst verificeret

1. april 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • CABG-AI-EDU-PHASE1-2025

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Denne undersøgelse involverer ikke rigtige patientdeltagere. Dataene er baseret på standardiserede simulerede patientscenarier udviklet til metodologisk sammenligning mellem sygeplejerskeleveret og ChatGPT-5-genereret udskrivningsvejledning. Derfor findes der ingen individuelle deltagerdata (IPD) at dele.

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 Patientuddannelse

Abonner