- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT07490665
Indflydelsen af diskussion om kunstig intelligens på jordemoderstuderende
Indflydelsen af kunstig intelligens-assisteret casetolkning på holdninger til kunstig intelligens, brug og færdigheder blandt jordemoderstuderende
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Kunstig intelligens (AI), som henviser til computerstøttede systemer i stand til at udføre opgaver, der kræver menneskelig intelligens, er blevet stadig mere populær på alle områder i de seneste år. AI er et teknologisk system, der kan tænke, lære, opfatte, foretage forudsigelser, kommunikere og træffe beslutninger som mennesker – eller endda bedre end mennesker. Kort sagt kan AI beskrives som et bredt videnskabeligt område, der simulerer den naturlige intelligens, som mennesker udviser, gennem kunstige midler.
AI's evne til at behandle de data, der præsenteres for systemet, udføre dataanalyser, generere nye ideer og nå frem til forskellige konklusioner har øget brugen af AI. Disse funktioner kan overgå menneskelige problemløsnings- og beslutningsevner i forhold til hastighed, effektivitet og kvalitet. På grund af disse fordele er brugen af kunstig intelligens i jordemoderuddannelsen blevet uundgåelig.
Australian College of Midwives (ACM) etablerede udvalget Select Committee on Adopting Artificial Intelligence i marts 2024 for at støtte og regulere indførelsen af AI. Dette udvalg understregede nødvendigheden og prioriteten af at bruge AI i jordemoderuddannelsen. Det fremhævede også, at jordemødre skal trænes i brugen af AI og bør være en integreret del af design, implementering og evaluering af alle AI-værktøjer, der bruges i fødselspleje (ACM, 2024).
Hvad angår brugen af AI i sundhedssektoren har Verdenssundhedsorganisationen (WHO) identificeret tre strategiske planer: muliggøre evidensbaserede standarder, governance, politikker og vejledninger; lette delte investeringer og et globalt fællesskab af ekspertise; og implementere bæredygtige modeller for indførelsen af AI-programmer på nationalt niveau (WHO, 2024). I overensstemmelse med disse strategier er det nødvendigt at integrere AI-applikationer i jordemoderprofessionen.
Med indflydelsen af hurtigt udviklende teknologi er det blevet uundgåeligt at forbedre jordemoderuddannelsen. I traditionelle uddannelsesmetoder spiller instruktøren en aktiv rolle, mens eleverne forbliver passive. Men for at læring skal være effektiv, bør der skabes muligheder for, at eleverne aktivt kan øve deres færdigheder og udvikle kritiske tankeevner. Case-baseret læring i jordemoderuddannelsen er en metode, der kan forbedre elevernes logiske, kliniske og deltagende færdigheder, samtidig med at det øger deres videniveau.
At støtte case-baseret læring med kunstig intelligens-værktøjer kan bidrage til mere præcis diagnose og udvikling af klinisk beslutningstagning og problemløsningsfærdigheder. På denne måde bliver det muligt at uddanne kompetente jordemødre, der er selvsikre og i stand til at bruge teknologi effektivt.
Formålet med denne undersøgelse er at undersøge effekten af kunstig intelligens-assisterede casediskussioner på jordemoderstuderendes brug og færdighed i kunstig intelligens-teknologier og deres kliniske kompetenceniveauer.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Ayşe G Bursa, Assistant Professor
- Telefonnummer: +905062984670
- E-mail: aysegul.bursa@fbu.edu.tr
Undersøgelse Kontakt Backup
- Navn: Sinem Dinmez, Assistant Professor
- Telefonnummer: +905063568804
Studiesteder
-
-
Atasehır
-
Istanbul, Atasehır, Tyrkiet (Türkiye), 34758
- Fenerbahçe University
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- At være 3./4. års studerende på Jordemoderafdelingen
- At have gennemført kurser om Sund og Højrisiko Graviditet
- At have udarbejdet og præsenteret mindst én jordemoderplejeplan
Eksklusionskriterier:
- At have brugt mere end 20% fravær i feltapplikationer
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Sundhedstjenesteforskning
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Enkelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: AI Case Group
Studerende i den eksperimentelle gruppe vil blive præsenteret med en casescenario og få 30 minutter til at gennemgå den.
I denne tid vil de blive bedt om at udvikle en plejeplan for casen.
Derefter, inden for en 60-minutters session, vil forskeren præsentere en plejeplan udarbejdet med kunstig intelligens-assistance til samme case.
En casediskussion vil derefter blive gennemført ved at sammenligne plejeplanerne udviklet af de studerende med den AI-assisterede plejeplan.
|
Studerende i den eksperimentelle gruppe vil blive præsenteret for en casescenario og få 30 minutter til at gennemgå den.
I denne periode vil de blive bedt om at udarbejde en plejeplan for casen.
Derefter vil forskeren, inden for en 60-minutters session, præsentere en plejeplan udarbejdet med kunstig intelligens-assistance for den samme case.
En casediskussion vil derefter blive gennemført ved at sammenligne de plejeplaner, som de studerende har udarbejdet, med den AI-assisterede plejeplan.
|
|
Ingen indgriben: Kontrol
Diskussion af rutinemæssigt implementeret vedligeholdelsesplan
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Niveau for kunstig intelligens brug
Tidsramme: Gennem studieafslutning, i gennemsnit 3 måneder
|
Ændringer i niveauet af AI-anvendelse blandt jordemoderstuderende efter træning, sammenlignet med baselineværdier.
Student Attitudes toward Artificial Intelligence Scale (SATAI), udviklet i 2025, vil blive brugt til måling.Skalaen, udviklet ved hjælp af en fempunkts Likert-skala (1=Meget uenig og 5=Meget enig), indeholder ikke nogen omvendt-kodede emner.
Den højest mulige score på skalaen er 130, og den laveste er 26, hvor højere scorer afspejler mere positive holdninger til kunstig intelligens.
|
Gennem studieafslutning, i gennemsnit 3 måneder
|
|
Brug og færdighedsniveau
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder
|
Dette vil blive målt ved hjælp af Generative Artificial Intelligence Use and Proficiency (GAAP) skalaen, udviklet i 2024.
Planlagt som en fempunkts Likert-skala (fuldt reflekterende = 5 point - ikke reflekterende = 1 point), indikerer en stigning i scoren opnået fra denne skala et højt niveau af kunstig intelligens brug og færdighed.
Den mindst mulige score på skalaen er 19, og den maksimale er 95.
|
Gennem studiefærdiggørelse, i gennemsnit 3 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Studieleder: Sinem Dinmez, Assistant Professor, Mudanya University
- Studieleder: Zeynep Ogul, Assistant Professor
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
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 (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- Fenerbahce U Midwifery
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
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 Eksperimentel AI-sagsgruppe
-
Çankırı Karatekin UniversityAfsluttetHjertefejl | Nyresvigt | Gastro esophageal refluks | Copd | Intensiv afdelings syndromKalkun
-
University of ParmaAfsluttetMotorisk aktivitet | Hemiplegisk cerebral pareseItalien
-
Hacettepe UniversityAfsluttetEffekten af Humeral Head Depressor Muscle Co-Activation Training i form af funktionelle resultaterKirurgi | Rotator Cuff RiverKalkun
-
S.LAB (SOLOWAYS)Center of New Medical Technologies; Triangel ScientificAfsluttetAutoimmune sygdommeDen Russiske Føderation
-
S.LAB (SOLOWAYS)Center of New Medical TechnologiesAfsluttet
-
S.LAB (SOLOWAYS)AfsluttetMetabolisk syndromDen Russiske Føderation
-
The University of Hong KongRekrutteringPrædiabetes | TandkødssygdommeHong Kong
-
Riphah International UniversityAfsluttet
-
Peking UniversityAktiv, ikke rekrutterendeDepression læsefærdighed | Depressionslidelser | Stigma af psykisk sygdomKina
-
University of BaghdadAktiv, ikke rekrutterendeRodresorption | Smerteopfattelse | Behandlingens varighedIrak