AI-integreret mobil uddannelse og selvforvaltning ved hemodialyse (AI-MOBI-HEMODI)

Dette randomiserede kontrollerede forsøg har til formål at evaluere effektiviteten af en kunstig intelligens-understøttet mobil uddannelsesapplikation designet til at forbedre selvplejeadfærd, arteriovenøs fistel (AVF) plejepraksis og centrale biokemiske parametre blandt voksne hæmodialyse (HD) patienter. Kronisk nyresygdom (CKD) og dens mest almindelige nyreerstatningsterapi, hæmodialyse, udgør en betydelig fysisk, psykologisk og socioøkonomisk byrde for patienter. HD patienter oplever ofte træthed, smerter, kramper, søvnforstyrrelser, tørst og væskebegrænsningsudfordringer, kostbegrænsninger, AVF-relaterede komplikationer og følelsesmæssig belastning. Disse vanskeligheder understreger vigtigheden af at styrke patienters selvplejefærdigheder og fremme aktiv involvering i sygdomsstyring.

På trods af udbredelsen af mobil sundhed (mHealth) teknologier i kronisk sygdomsstyring, er eksisterende applikationer for HD patienter stadig begrænsede, og ingen har integreret personliggjort uddannelsesstøtte baseret på kunstig intelligens. Fraværet af AI-drevet patientuddannelse repræsenterer et betydeligt hul i sygeplejeforskning og digital sundhedsinnovation. Dette projekt adresserer dette hul ved at udvikle og teste et struktureret, evidensbaseret mobil uddannelsesprogram understøttet af kunstig intelligens, designet specifikt til HD patienter.

Studiet vil rekruttere 76 kvalificerede hæmodialyse patienter fra Bitlis Statshospital og Bitlis Tatvan Statshospital. Deltagere vil blive tilfældigt tildelt enten interventionsgruppen eller kontrolgruppen ved hjælp af simpel randomisering. Interventionsgruppen vil få adgang til den AI-understøttede mobilapplikation i seks uger, som inkluderer moduler om nyrefunktion, CKD og behandlingsmuligheder, symptomhåndtering, kostoverholdelse, væskestyring, behandlingsoverholdelse og AVF pleje. Hvert modul inkorporerer skrevet indhold, videoer, visuelle elementer, stemmestøttede læsefunktioner og en integreret "Stil et Spørgsmål" funktion, der giver patienter mulighed for at kommunikere direkte med forskningsteamet. Kontrolgruppen vil modtage rutinemæssig klinisk pleje uden yderligere intervention.

Den kunstige intelligens komponent vil assistere med indholds-personalisering, overvågning af patientengagement, datalagring, automatiserede påmindelser for ikke-aktive brugere og støttende feedback baseret på læringsforløb og biokemiske tendenser. Udviklingen af mobilapplikationen vil blive vejledt af ekspertudtalelser fra nefrologispecialister, dialysesundhedsplejersker, akademikere og diætister. Læsbarheden af uddannelsesmaterialer vil blive vurderet ved hjælp af Ateşman Læsbarhedsformel. Et pilotstudie vil blive udført før forsøget for at evaluere brugbarheden ved hjælp af Web Analysis and Measurement Inventory (WAMMI).

Dataindsamling vil inkludere en Patientidentifikationsformular, Hæmodialyse Arteriovenøs Fistel Selvplejeadfærds Skala, Hæmodialyse Selvstyringsskala og en Biokemiske Parametre Sporingsformular. For-test data vil blive indsamlet før interventionen; efter-test data vil blive indsamlet ved afslutningen af den seks ugers interventionsperiode. Biokemiske parametre vil inkludere BUN, kreatinin, albumin, kalium, fosfor, hæmoglobin, urinsyre niveauer, Kt/V og tørvægt, hentet fra rutinemæssige kliniske optegnelser uden yderligere blodprøvetagning.

De primære resultater vil vurdere ændringer i selvpleje og selvstyringsadfærd baseret på validerede skalaer. Sekundære resultater vil undersøge ændringer i biokemiske parametre mellem interventions- og kontrolgrupperne. Dataanalyse vil blive udført ved hjælp af SPSS, ved anvendelse af beskrivende statistik, normalitetstest og passende statistiske sammenligningstests, med signifikans sat til p < 0,05.

Etisk godkendelse vil blive indhentet fra det relevante institutionelle etiske komité, og skriftlig informeret samtykke vil blive sikret fra alle deltagere. Datakonfidentialitet vil blive sikret ved hjælp af krypterede loginsystemer og sikre lagringsprocesser.

Dette forsøg forventes at bidrage betydeligt til den videnskabelige litteratur ved at være den første AI-understøttede mobil uddannelsesintervention skræddersyet til hæmodialyse patienter. Forventede fordele inkluderer forbedret selvplejeadfærd, øget patientautonomi, reducerede AVF komplikationer, bedre overholdelse af kost- og væskebegrænsninger og forbedrede biokemiske resultater. Bredere virkninger af projektet inkluderer den potentielle reduktion af hospitalsindlæggelsesrater, reducerede sundhedsomkostninger, øget livskvalitet for HD patienter og etableringen af en digital model, der kan tilpasses til andre kroniske sygdomsgrupper.

I sidste ende har dette studie til formål at demonstrere, at integration af kunstig intelligens med mobil sundhedsuddannelse kan skabe en transformerende tilgang til patientempowerment, klinisk pleje og kronisk sygdomsstyring inden for nefrologi og sygepleje.