Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Bestimmung der Konsistenz zwischen Pflegekräften und Künstlicher Intelligenz (ChatGPT-5) bei der Durchführung szenariobasierter Entlassungsaufklärung für Patienten nach einer Koronararterien-Bypass-Operation: Eine methodologische Studie (CABG-AI-EDU)

1. April 2026 aktualisiert von: Uğur Akman, Hasan Kalyoncu University

Bestimmung der Übereinstimmung zwischen Pflegekräften und Künstlicher Intelligenz (ChatGPT-5) bei der Vermittlung szenariobasierter Entlassungsaufklärung für Patienten nach koronarer Bypass-Operation: Eine methodologische Studie

Diese methodische Studie zielt darauf ab, das Maß der Übereinstimmung zwischen Pflegekräften und einem künstlichen Intelligenzsystem (ChatGPT-4.0) bei der bereitstellung von szenariobasierter Entlassungsaufklärung für Patienten, die sich einer koronaren Bypass-Operation (CABG) unterzogen haben, zu bestimmen.
Dreißig standardisierte Patientenszenarien, die verschiedene demografische, klinische und psychosoziale Merkmale repräsentieren, werden verwendet.
Für jedes Szenario werden sowohl erfahrene Pflegekräfte als auch ChatGPT-4.0
Entlassungsaufklärungsinhalte basierend auf sechs Hauptbereichen und vierundzwanzig Unterthemen erstellen, die aus der Literatur und klinischen Leitlinien identifiziert wurden.
Die Schulungsmaterialien werden von zwei verblindeten Gutachtern unabhängig in Bezug auf inhaltliche Genauigkeit, Vollständigkeit, wissenschaftliche Konsistenz und Klarheit der Sprache bewertet.
Die Übereinstimmung zwischen den Inhalten der Pflegekräfte und den KI-generierten Inhalten wird mit dem Cohen-Kappa-Koeffizienten und dem exakten Test nach Fisher analysiert.
Die Ergebnisse sollen Belege für die Zuverlässigkeit und Anwendbarkeit von KI-gestützten Entlassungsaufklärungssystemen in der kardiochirurgischen Pflegepraxis liefern.

Studienübersicht

Status

Status

Zeigt den aktuellen Rekrutierungsstatus oder den erweiterten Zugriffsstatus an.
Noch keine Rekrutierung

Bedingungen

Bedingungen

Die Krankheit, Störung, das Syndrom, die Krankheit oder die Verletzung, die untersucht wird. Auf ClinicalTrials.gov können die Bedingungen auch andere gesundheitsbezogene Themen wie Lebensdauer, Lebensqualität und Gesundheitsrisiken umfassen.

Detaillierte Beschreibung

Diese methodische Studie zielt darauf ab, die Übereinstimmung zwischen erfahrenen Pflegekräften und einem künstlichen Intelligenz (KI)-System (ChatGPT-5) bei der Erstellung von szenariobasierter Entlassungsaufklärung für Patienten zu bestimmen, die sich einer koronaren Bypass-Operation (CABG) unterzogen haben. Der Zweck der Studie ist es, zu bewerten, ob ChatGPT-5 Entlassungsaufklärungsinhalte generieren kann, die in Bezug auf Genauigkeit, Vollständigkeit und klinische Angemessenheit mit den von erfahrenen Herzchirurgie-Pflegekräften erstellten Inhalten vergleichbar sind.

Es werden dreißig standardisierte Patientenszenarien entwickelt, die eine breite Palette von CABG-Fällen mit unterschiedlichen demografischen, sozioökonomischen, psychosozialen und klinischen Merkmalen repräsentieren. Jedes Szenario simuliert realistische postoperative Zustände, einschließlich möglicher Komplikationen (z. B. Delir, Wundinfektion, Blutung, Arrhythmie), Begleiterkrankungen (z. B. Diabetes, Hypertonie, COPD) und psychosozialer Variablen wie Angstniveau, Familienstruktur und soziale Unterstützung. Alle Szenarien werden von einem multidisziplinären Expertengremium, einschließlich Herzchirurgen und akademischen Pflegespezialisten, überprüft und validiert, um klinische Realitätsnähe und Inhaltsvalidität sicherzustellen.

Die Entlassungsaufklärung wird um sechs Hauptbereiche und vierundzwanzig Unterthemen strukturiert, die aus nationalen und internationalen Leitlinien sowie evidenzbasierter Literatur abgeleitet werden. Diese Bereiche umfassen: (1) medizinische Behandlung und Nachsorge, (2) Alltagsleben und funktionelle Erholung, (3) psychosoziale und soziale Unterstützung, (4) Risikofaktoren und präventive Gesundheit, (5) Lebensqualität und spezifische Erkrankungen sowie (6) religiöse Praktiken. Für jedes Szenario werden sowohl erfahrene Pflegekräfte als auch ChatGPT-5 unabhängig voneinander schriftliche Entlassungsaufklärungsmaterialien unter Verwendung dieses standardisierten Rahmens erstellen.

Die Aufklärungsmaterialien werden anonymisiert und von zwei verblindeten Gutachtern hinsichtlich wissenschaftlicher Genauigkeit, inhaltlicher Vollständigkeit, sprachlicher Klarheit und Übereinstimmung mit klinischen Standards bewertet. Im Falle von Meinungsverschiedenheiten wird ein dritter unabhängiger Gutachter eine endgültige Entscheidung treffen, um die Objektivität sicherzustellen. Die statistischen Analysen umfassen den Cohen's-Kappa-Koeffizienten zur Messung der Inter-Rater-Übereinstimmung und den Fisher's-Exact-Test für kategoriale Vergleiche. Diagnostische Leistungsmaße wie Sensitivität, Spezifität, positiver prädiktiver Wert (PPV), negativer prädiktiver Wert (NPV) und F1-Score werden ebenfalls berechnet.

Die Daten werden mit SPSS v25 (IBM Corp., Armonk, NY, USA) analysiert. Deskriptive Statistiken (Häufigkeiten, Prozentsätze, Mittelwerte und Standardabweichungen) werden berichtet, um die Merkmale der Szenarien und Bewertungen zusammenzufassen. Die Übereinstimmungsgrade werden gemäß der Klassifikation von Landis und Koch interpretiert. Ein p-Wert von <0,05 wird als statistisch signifikant angesehen.

Die Ergebnisse dieser Studie sollen Erkenntnisse über die Zuverlässigkeit, Validität und Anwendbarkeit von ChatGPT-5 als innovatives und unterstützendes Instrument zur Erstellung individualisierter Entlassungsaufklärungsmaterialien in der Herzchirurgie-Pflege liefern. Die Ergebnisse könnten zur Entwicklung neuer technologiegestützter Aufklärungsmodelle beitragen, die die Arbeitsbelastung der Pflegekräfte reduzieren, die Standardisierung der Entlassungsaufklärung verbessern und das Verständnis und die Zufriedenheit der Patienten in der postoperativen Phase erhöhen können.

Studientyp

Studientyp

Beschreibt die Art einer klinischen Studie. Zu den Studientypen gehören Interventionsstudien (auch klinische Studien genannt), Beobachtungsstudien (einschließlich Patientenregister) und erweiterter Zugang.
Beobachtungs

Einschreibung (Geschätzt)

Einschreibung

Die Anzahl der Teilnehmer an einer klinischen Studie. Die „erwartete“ Einschreibung ist die Zielzahl an Teilnehmern, die die Forscher für die Studie benötigen.
30

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Türkei (türkiye)
    • Gaziantep
      • Gaziantep, Gaziantep, Türkei (türkiye), 27620
        • Hasan Kalyoncu University Faculty of Nursing
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Zulassungskriterien

Die wichtigsten Voraussetzungen, die Personen erfüllen müssen, die an einer klinischen Studie teilnehmen möchten, bzw. welche Eigenschaften sie mitbringen müssen. Auswahlkriterien bestehen sowohl aus Einschlusskriterien (die erforderlich sind, damit eine Person an der Studie teilnehmen kann) als auch aus Ausschlusskriterien (die eine Person an der Teilnahme hindern). Arten von Zulassungskriterien umfassen, ob eine Studie gesunde Freiwillige akzeptiert, Alters- oder Altersgruppenanforderungen hat oder durch das Geschlecht begrenzt ist.

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Das Studienkollektiv besteht aus 30 standardisierten Patienten-Szenarien, die Personen repräsentieren, die sich einer Koronararterien-Bypass-Transplantation (CABG) unterzogen haben. Jedes Szenario spiegelt eine einzigartige Kombination demografischer, klinischer und psychosozialer Merkmale wider, die häufig bei Patienten nach CABG beobachtet werden. Die Szenarien wurden von einem multidisziplinären Team entwickelt und validiert, zu dem Herzchirurgie-Pflegekräfte, akademische Pflegeexperten und Herzchirurgen gehörten, um klinische Realitätsnähe und Inhaltsvalidität zu gewährleisten. Diese simulierten Fälle werden als Beobachtungseinheiten verwendet, um die Übereinstimmung zwischen den von Pflegekräften und ChatGPT-5 erstellten Entlassungs-Schulungsmaterialien zu bewerten.

Beschreibung

Einschlusskriterien:

  • Patientenszenarien, die Personen darstellen, die sich einer koronaren Bypass-Operation (CABG) unterzogen haben.
  • Szenarien, die demografische, sozioökonomische, klinische und psychosoziale Informationen enthalten, die mit der aktuellen Literatur und klinischen Leitlinien übereinstimmen.
  • Szenarien, die Patienten beschreiben, die sich einer medianen Sternotomie und einer on-pump CABG-Prozedur unterzogen haben.
  • Szenarien, die relevante postoperative Komplikationen (z.B. Delir, Blutung, Wundinfektion, Arrhythmie) und Komorbiditäten (z.B. Diabetes, Hypertonie, COPD) enthalten.
  • Szenarien, die es sowohl der Pflegekraft als auch ChatGPT-5 ermöglichen, Entlassungsaufklärungsmaterialien unter demselben standardisierten Rahmen vorzubereiten.
  • Szenarien, die von Herzchirurgie-Experten und akademischen Pflegekräften auf Inhaltsvalidität überprüft und validiert wurden.

Ausschlusskriterien:

  • Patientenszenarien, die nicht mit koronarer Bypass-Operation (CABG) zusammenhängen.
  • Szenarien, denen ausreichende demografische, klinische oder psychosoziale Informationen fehlen, um individuelle Entlassungsaufklärung vorzubereiten.
  • Szenarien, die nicht der standardisierten Struktur von sechs Hauptbereichen und vierundzwanzig Unterthemen folgen.
  • Szenarien mit inkonsistenten oder widersprüchlichen medizinischen Daten (z.B. inkompatible Diagnose- und Behandlungsdetails).
  • Szenarien, die nicht vom Expertenreview-Panel auf klinische Genauigkeit und Inhaltsvalidität validiert wurden.
  • Szenarien, die keinen Vergleich zwischen pflegekraftgenerierten und ChatGPT-5-generierten Entlassungsaufklärungsmaterialien ermöglichen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte

Gruppe / Kohorte

Eine Gruppe oder Untergruppe von Teilnehmern an einer Beobachtungsstudie, die hinsichtlich biomedizinischer oder gesundheitlicher Ergebnisse bewertet wird.
Von der Pflegekraft bereitgestellte Entlassungsaufklärung
Entlassungsaufklärungsinhalte, die eigenständig von Herzchirurgie-Pflegekräften mit ≥5 Jahren klinischer Erfahrung erstellt wurden. Jede Pflegekraft erstellte schriftliche Entlassungsaufklärungsmaterialien für 30 standardisierte Post-CABG-Szenarien gemäß dem vordefinierten Rahmen.
ChatGPT-5-generierte Entlassungsaufklärung
Entlassungsaufklärungsmaterialien automatisch generiert von ChatGPT-5 basierend auf denselben standardisierten Post-CABG-Patientenszenarien und dem vordefinierten Sechs-Domänen-24-Themen-Rahmen.

Was misst die Studie?

Primäre Ergebnismessungen

Primäre Ergebnismessungen

Im Protokoll einer klinischen Studie die geplante Ergebnismessung, die für die Bewertung der Wirkung einer Intervention/Behandlung am wichtigsten ist. Die meisten klinischen Studien haben einen primären Endpunkt, aber einige haben mehr als einen.
Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Übereinstimmung zwischen von Pflegekräften und ChatGPT-5 generierten Entlassungsaufklärungsinhalten
Zeitfenster: Während der Datenerhebung (voraussichtlich innerhalb von 8 Monaten nach Studienbeginn).
Die Übereinstimmung zwischen den von kardiovaskulären Chirurgie-Pflegekräften erstellten Entlassungsunterlagen und den von ChatGPT-5 für standardisierte post-CABG-Patientenszenarien generierten Materialien.
Während der Datenerhebung (voraussichtlich innerhalb von 8 Monaten nach Studienbeginn).
Vereinbarung zwischen von Pflegepersonal und ChatGPT-5 erstellten Entlassungsunterrichtsinhalten
Zeitfenster: Während der Datenerfassung (erwartet innerhalb von 12 Monaten nach Studienbeginn).
Die Übereinstimmung zwischen den von kardiovaskulären Chirurgie-Pflegekräften erstellten Entlassungsunterlagen und den von ChatGPT-5 für standardisierte post-CABG-Patientenszenarien generierten Materialien.
Während der Datenerfassung (erwartet innerhalb von 12 Monaten nach Studienbeginn).

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Sponsor

Die Organisation oder Person, die die Studie initiiert und die Autorität und Kontrolle über die Studie hat.
Hasan Kalyoncu University

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

  • 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.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Geschätzt)

Studienbeginn

Das tatsächliche Datum, an dem der erste Teilnehmer in eine klinische Studie aufgenommen wurde. Das „voraussichtliche“ Studienstartdatum ist das Datum, von dem die Forscher glauben, dass es das Studienstartdatum sein wird.
1. Juli 2026

Primärer Abschluss (Geschätzt)

Primärer Abschluss

Das Datum, an dem der letzte Teilnehmer einer klinischen Studie untersucht wurde oder eine Intervention erhalten hat, um endgültige Daten für das primäre Ergebnis zu sammeln. Ob die klinische Studie protokollgemäß endete oder beendet wurde, hat keinen Einfluss auf dieses Datum. Bei klinischen Studien mit mehr als einem primären Ergebnismaß mit unterschiedlichen Abschlussdaten bezieht sich dieser Begriff auf das Datum, an dem die Datenerhebung für alle primären Ergebnismaße abgeschlossen ist. Das „erwartete“ primäre Abschlussdatum ist das Datum, von dem die Forscher glauben, dass es das primäre Abschlussdatum für die Studie sein wird.
1. Juni 2027

Studienabschluss (Geschätzt)

Studienabschluss

Das Datum, an dem der letzte Teilnehmer an einer klinischen Studie untersucht wurde oder eine Intervention/Behandlung erhielt, um endgültige Daten für die primären Ergebnismaße, sekundären Ergebnismaße und Nebenwirkungen zu sammeln (d. h. der letzte Besuch des letzten Teilnehmers). Das „voraussichtliche“ Abschlussdatum der Studie ist das Datum, von dem die Forscher glauben, dass es das Abschlussdatum der Studie sein wird.
1. Dezember 2027

Studienanmeldedaten

Zuerst eingereicht

Zuerst eingereicht

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht bei ClinicalTrials.gov eingereicht hat. Zwischen dem Datum der ersten Einreichung und der Verfügbarkeit des Datensatzes auf ClinicalTrials.gov (dem ersten veröffentlichten Datum) liegt in der Regel eine Verzögerung von einigen Tagen.
23. November 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht einreicht, der den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) entspricht. Der Sponsor oder Prüfer muss möglicherweise einen Studienbericht ein- oder mehrmals überarbeiten und einreichen, bevor die QC-Überprüfungskriterien von NLM erfüllt sind. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
3. Dezember 2025

Zuerst gepostet (Tatsächlich)

Zuerst gepostet

Das Datum, an dem der Studienbericht zum ersten Mal auf ClinicalTrials.gov verfügbar war, nachdem die Qualitätskontrolle (QC) der National Library of Medicine (NLM) abgeschlossen wurde. Zwischen dem Datum, an dem der Studiensponsor oder Prüfer den Studienbericht eingereicht hat, und dem ersten veröffentlichten Datum liegt in der Regel eine Verzögerung von einigen Tagen.
4. Dezember 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

Letztes Update gepostet

Das letzte Datum, an dem Änderungen an einem Studienbericht auf ClinicalTrials.gov verfügbar gemacht wurden. Es kann eine Verzögerung zwischen der Übermittlung der Änderungen an ClinicalTrials.gov durch den Sponsor oder Prüfer der Studie (Datum der letzten eingereichten Aktualisierung) und dem Datum der letzten Veröffentlichung der Aktualisierung geben.
2. April 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Das letzte Datum, an dem der Studiensponsor oder Prüfer Änderungen an einem Studienbericht eingereicht hat, die mit den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) übereinstimmen. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
1. April 2026

Zuletzt verifiziert

Zuletzt verifiziert

Das letzte Datum, an dem der Studiensponsor oder Prüfer die Informationen über eine klinische Studie auf ClinicalTrials.gov als richtig und aktuell bestätigt hat. Wenn eine Studie den Rekrutierungsstatus Recruiting hat; noch keine Rekrutierung; oder aktiv, keine Rekrutierung wurde innerhalb der letzten 2 Jahre nicht bestätigt, der Rekrutierungsstatus der Studie wird als unbekannt angezeigt.
1. April 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

Andere Studien-ID-Nummern

Andere Identifikatoren oder ID-Nummern als die NCT-Nummer, die einer klinischen Studie vom Sponsor der Studie, Geldgebern oder anderen zugewiesen werden. Diese Nummern können eindeutige Kennungen von anderen Studienregistern und Zuschussnummern der National Institutes of Health enthalten.
  • CABG-AI-EDU-PHASE1-2025

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Diese Studie beinhaltet keine echten Patiententeilnehmer. Die Daten basieren auf standardisierten simulierten Patientenszenarien, die für den methodischen Vergleich zwischen von Krankenschwestern bereitgestellter und von ChatGPT-5 generierter Entlassungsaufklärung entwickelt wurden. Daher gibt es keine individuellen Teilnehmerdaten (IPD), die geteilt werden könnten.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Cookie-Einstellungen

Wir verwenden Cookies, um sicherzustellen, dass Sie auf unserer Website die bestmögliche Erfahrung machen. Weitere Informationen finden Sie in unserer Datenschutz- und Cookie-Richtlinien. ...>>>Sie können Ihre Einstellungen jederzeit ändern oder Ihre Einwilligung widerrufen, indem Sie die Cookies wie in der Richtlinie beschrieben von Ihrer Website oder Ihrem Computer löschen. Bitte akzeptieren Sie es und wählen Sie Ihre Einstellungen, indem Sie die entsprechenden Kästchen im Abschnitt "Einstellungen verwalten" unten ankreuzen. Bitte lesen Sie unsere Nutzungsbedingungen sorgfältig durch, bevor Sie einen Teil dieser Website nutzen.
«Einstellungen verwalten