Artificiel Intelligens-assisteret Læring til Sygeplejerskers Medicinberegning
Transformation af Sygeplejepraksis gennem Kunstig Intelligens: Effektiviteten af Kunstig Intelligens-baseret Læring i Lægemiddeldosisberegning på Viden, Kliniske Beslutninger og Selvvirksomhed
Formålet med denne undersøgelse er at evaluere, hvordan en kunstig intelligens -assisteret læringsplatform påvirker sygeplejerskers evne til at beregne medicindoseringer præcist. Medicinberegning er en kritisk færdighed inden for sygepleje, og fejl kan have en betydelig indvirkning på patientsikkerheden.
Mens traditionelle undervisningsmetoder er standard, giver de muligvis ikke den personlige feedback, der er nødvendig for en så højrisikoopgave. Denne undersøgelse sammenligner to grupper af sygeplejersker: en gruppe, der bruger et kunstig intelligens-drevet software, der giver interaktive scenarier og vejledning i realtid, og en anden gruppe, der modtager traditionel klasseundervisning.
Forskerne har til formål at afgøre, om AI-tilgangen fører til:
Forbedret teoretisk viden om medicinberegninger. Forbedret klinisk beslutningstagning under medicinadministration. Øget selvtillid (selveffektivitet) hos sygeplejerskerne til at udføre disse opgaver i reelle kliniske omgivelser.
Derudover en kvalitativ komponent udført ved hjælp af fokusgruppediskussioner for at udforske deltagernes accept, opfattet anvendelighed, brugervenlighed og overordnede opfattelser af den AI-assisterede læringsplatform. Denne kvalitative undersøgelse giver en dybere indsigt i sygeplejerskers erfaringer, holdninger til AI-integration i uddannelse og deres meninger om effektiviteten af de undervisnings- og læringsstrategier, der anvendes på platformen.
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
Fejl i medicinadministration er en betydelig udfordring i sygeplejepraksis, især i høj-intensitetsmiljøer som kardiovaskulære og intensivafdelinger. Denne undersøgelse evaluerer effektiviteten af en kunstig intelligens-drevet pædagogisk intervention designet til at overbygge kløften mellem teoretisk viden og klinisk anvendelse i medicinberegninger.
Undersøgelsesdesign
Denne undersøgelse anvendte et mixed-methods-design bestående af en kvasi-eksperimentel prætest-posttest-tilgang med en kontrolgruppe, suppleret med en kvalitativ fokusgruppe-komponent. Deltagerne blev tildelt enten en eksperimentelgruppe, der modtog kunstig intelligens-assisteret læring, eller en kontrolgruppe, der modtog traditionel undervisning.
Interventionen (undersøgelsesgruppe)
Deltagere i eksperimentelgruppen brugte kunstig intelligens-assisteret læringssoftware designet til at forbedre deres uddannelsesoplevelse gennem flere avancerede funktioner. Softwaren tilbyder Adaptive Læringsstier, som justerer beregningskompleksitet i overensstemmelse med sygeplejerskens præstation. Derudover tilbyder den Real-Time Feedback, som sikrer øjeblikkelige rettelser og trin-for-trin-vejledning til komplekse medicindoseringer. Endelig inkorporerer softwaren Kunstig Intelligens-baserede Kliniske Simulationer, der skaber højtryks scenarier for klinisk beslutningstagning for lærende.
Kontrolgruppen
Deltagere i kontrolgruppen modtog traditionelle undervisningsmetoder, der omfattede standardforelæsninger og papirbaserede øvelsessessioner specifikt målrettet medicinberegning. Denne tilgang dækkede den samme kernecurriculum som eksperimentelgruppen, men inkorporerede ingen kunstig intelligens-assistance.
Undersøgelsen evaluerede tre nøgleområder før og efter interventionen:
Sygeplejeviden, vurderet ved hjælp af en standardiseret medicinberegningseksamen.
Klinisk Beslutningstagning, målt med en valideret sygeplejebeslutningstagningsskala.
Selvtillid, evalueret gennem en standardiseret selvtillidsskala for at vurdere tillid til kliniske beregninger.
Data blev analyseret ved hjælp af Statistical Package for the Social Sciences for at sammenligne middelværdierne mellem eksperimentel- og kontrolgruppenne.
Kvalitativ Komponent (Fokusgruppeundersøgelse)
For at supplere de kvantitative resultater blev en kvalitativ fokusgruppeundersøgelse gennemført med deltagere fra eksperimentelgruppen. Formålet var at udforske sygeplejerskers accept af kunstig intelligens-platformen, opfattet nytte, brugervenlighed, synlighed af lærings fremskridt og overordnede meninger om de kunstig intelligens-assisterede undervisningsstrategier.
Fokusgruppediskussioner blev lydoptaget, transskriberet og analyseret ved hjælp af tematisk analyse for at identificere tilbagevendende mønstre og temaer relateret til brugeroplevelse, opfattet pædagogisk værdi og klarhed til at integrere AI-baseret læring i klinisk uddannelse. Denne kvalitative komponent gav dybere indsigt i deltagernes holdninger til AI-integration i sygeplejeuddannelse og berigede fortolkningen af de kvantitative resultater.
Undersøgelsestype
Tilmelding (Faktiske)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
Alexandria Governorate
-
Alexandria, Alexandria Governorate, Egypten, 2500
- Faculty of Nursing, Alexandria University
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
Sygeplejersker, der arbejder i flere kliniske indstillinger, herunder medicinsk-kirurgiske, kardiovaskulære eller intensivafdelinger osv.
Sygeplejersker er ansvarlige for medicinadministration og doseringsberegninger som en del af deres daglige kliniske pligter.
Villighed til at deltage i det kunstige intelligens-assisterede læringsprogram og underskrive informeret samtykke.
Eksklusionskriterier:
Sygeplejersker, der for nylig har modtaget specifik træning i lægemiddelberegning eller har haft tidligere eksponering for AI-baserede uddannelsesværktøjer (inden for de sidste 6 måneder)
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Sundhedstjenesteforskning
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: Kunstig Intelligens-Assisteret Læringsgruppe
Brug en kunstig intelligens-assisteret platform, der tilbyder scenariebaseret læring og realtidsfeedback til lægemiddelberegninger.
|
En innovativ kunstig intelligens-software forbedrer sygeplejerskers nøjagtighed i lægemiddelberegninger og klinisk ræsonnement gennem scenariebaseret læring, der giver realtidsfeedback og adaptive læringsstier.
|
|
Eksperimentel: Traditionel Læringsgruppe
Deltagerne modtager standardpensum gennem traditionelle forelæsninger og papirbaserede øvelsessessioner.
|
Standard klassebaseret undervisning består af teoretiske forelæsninger og papirbaseret praksis, der fokuserer på beregning af medicindoseringer.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Sygeplejerskers viden om lægemiddelberegning
Tidsramme: Baseline (for-test) og 2 uger efter intervention (efter-test)
|
Et vurderingsværktøj med 16 spørgsmål, designet til at evaluere sygeplejerskers teoretiske og praktiske viden om lægemiddelberegningsprincipper (f.eks. enhedsomregninger, flowhastighed og dosisberegninger). Hvert korrekt svar giver "1" point og hvert forkert svar giver "0" point. Skalaområde: Den samlede score spænder fra et minimum på 0 til et maksimum på 16. Fortolkning: Højere scorer indikerer et bedre resultat (større beherskelse af beregningsprincipper). Høj (13-16): Kompetent niveau (> 80%). Moderat (10-12): Acceptabel, men ufuldstændig viden (60%-80%). Lav (0-9): Utilstrækkelig forståelse (< 60%). |
Baseline (for-test) og 2 uger efter intervention (efter-test)
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Sygeplejerskers Skala for Beslutninger ved Lægemiddelberegning
Tidsramme: Baseline (Præ-test) og 2 uger efter intervention (Post-test)
|
Denne skala er et 8-punkts selvrapporteringsværktøj designet til at vurdere sygeplejerskers kliniske dømmekraft og tillid vedrørende medicindosisberegninger. Hvert punkt vurderes på en 5-punkts Likert-skala fra 1 (Meget uenig) til 5 (Meget enig). Minimums- og maksimumsværdier: Den samlede score spænder fra et minimum på 8 til et maksimum på 40. Fortolkning: Højere scorer indikerer et bedre resultat (større klinisk kompetence og sikrere beslutningstagning). Høj (30-40): Høj kompetence. Moderat (19-29): Moderat evne; kræver tilsyn. Lav (8-18): Dårlig tillid og dømmekraft. |
Baseline (Præ-test) og 2 uger efter intervention (Post-test)
|
|
Generel Selv-effektivitets Skala
Tidsramme: Baseline (prætest) og 2 uger efter intervention (posttest)
|
Beskrivelse: En 10-punkts psykometrisk skala, der bruges til at vurdere sygeplejerskers opfattede selvtillid og selvtro på deres evne til effektivt at udføre medicinberegninger og kliniske opgaver under forskellige forhold. Hvert punkt scores på en 4-punkts Likert-skala: 1 (Slet ikke sandt), 2 (Næsten ikke sandt), 3 (Moderat sandt) og 4 (Præcist sandt). Skalaområde: Den samlede score spænder fra et minimum på 10 til et maksimum på 40. Fortolkning: Højere score indikerer et bedre resultat (stærkere opfattet kompetence og højere selvtillid). Høj (31-40): Stærk opfattet kompetence og selvtillid. Moderat (21-30): Moderat selvtillid til at håndtere krav. Lav (10-20): Lav tro på evnen til at håndtere udfordringer. |
Baseline (prætest) og 2 uger efter intervention (posttest)
|
|
Sygeplejerskers opfattelse og tilfredshed med kunstig intelligens-assisteret læring (kvalitativ)
Tidsramme: 2 uger efter afslutningen af den AI-assisterede træning
|
Beskrivelse: Vurdering af deltagernes accept, opfattet nyttighed, brugervenlighed og tilfredshed med den kunstige intelligens-assisterede læringsplatform. Data vil blive indsamlet gennem fokusgruppe diskussioner. Analysemetode: Resultaterne vil blive analyseret ved hjælp af tematisk analyse for at identificere tilbagevendende mønstre og temaer. Måleenhed: Dette er et kvalitativt resultat; resultaterne vil blive rapporteret som narrative temaer (for eksempel: "Forbedret beregningsselvtillid" eller "Brugergrænsefladetilfredshed"). |
2 uger efter afslutningen af den AI-assisterede træning
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- AU-20-6-393
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Studiedata/dokumenter
-
Studieprotokol
Oplysningskommentarer: Tilgængelig efter anmodning til hovedforskeren til legitime forskningsformål
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 Sygeplejerskeuddannelsen
-
Foundation University IslamabadAfsluttetGamification in Health EducationPakistan
-
Namik Kemal UniversityTilmelding efter invitationUddannelse | Sygeplejestuderende | Flipped Education ModelTyrkiet (Türkiye)
-
Istanbul University - CerrahpasaAfsluttetEvidensbaseret praksis | Flipped Education ModelKalkun
-
Antalya Bilim UniversityAktiv, ikke rekrutterendeAkademisk præstation | Uddannelsesforstærkning | Jordemoderuddannelse | Studerendes motivation | Gamification in Health EducationKalkun
-
The Hospital for Sick ChildrenAfsluttetEvaluering af HomeCare RN Respiratory EducationCanada
-
Istanbul University - CerrahpasaAktiv, ikke rekrutterendeMetakognition | Flipped Education Model | Web Baseret Uddannelse | Selvstyret læringKalkun
-
Eastern Mediterranean UniversityAfsluttetSygeplejestuderende | Flipped Education ModelCypern
-
Royal Cornwall Hospitals TrustAfsluttetFocus Group Study of UK Nursing and Midwifery Council Registrant Nursing Associates, der arbejder inden for mental sundhed, indlæringsvanskeligheder og autisme -tjenesterDet Forenede Kongerige
-
National Taiwan University HospitalAfsluttetEffektiviteten af Application Education InterventionTaiwan
-
Xinjiang Medical UniversityAfsluttetAt udforske indflydelsen af CRRT Nursing Team Management Plan på SAKI-patienters prognoseKina