Das große Unbekannte: Eine Reise in die transformative Wirkung generativer KI auf medizinische Berufe
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Diese Studie ist eine multizentrische, parallele, randomisierte kontrollierte Studie, die darauf abzielt zu bewerten, ob der Zugang zu einem großen Sprachmodell (LLM) die klinische Entscheidungsfindung von Ärzten verbessert. Die Studie verwendet ein Überlegenheitskonzept und vergleicht Ärzte, die randomisiert entweder standardisierte klinische Vignetten mit Zugang zu GPT-4o oder ohne jegliche KI-Unterstützung bearbeiten.
Klinische Vignetten simulieren häufige hausärztliche Erkrankungen wie kardiovaskuläre, respiratorische, muskuloskelettale, ermüdungsbedingte und Infektionskrankheiten. Jede Vignette umfasst mehrere Schritte im klinischen Denkprozess, von der anfänglichen Anamnese über Diagnose und Behandlung bis zur Nachsorge. Die Antworten der Ärzte werden anhand von Bewertungsrastern bewertet, die auf evidenzbasierten, kontextspezifischen Best-Practice-Leitlinien basieren.
Die Studie wird in drei Ländern durchgeführt – Indonesien, Kenia und den Niederlanden –, die unterschiedliche Einkommensniveaus und Gesundheitssystemkontexte repräsentieren. Das primäre Ergebnis ist die Leistung bei klinischen Vignetten, definiert als Einhaltung der Best-Practice-Leitlinien. Sekundäre Ziele umfassen die Untersuchung länderübergreifender Unterschiede in der Leistung der Ärzte, Unterschiede in den Leistungsverteilungen sowie die Rolle der Interaktion mit dem LLM bei der Gestaltung der Ergebnisse.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
-
Jakarta, Indonesien
- Universitas Indonesia
-
-
-
-
-
Nairobi, Kenia
- Aga Khan University Hospital
-
-
-
-
-
Maastricht, Niederlande
- Maastricht University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Registrierte Ärzte
- Ausbildung in Innerer Medizin oder Allgemeinmedizin
Ausschlusskriterien:
- Derzeit keine klinische Tätigkeit
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Kein Eingriff: Eigenes Wissen
Die Gruppe erhält keinen Zugang zu GPT-4 oder anderen Online-Ressourcen
|
|
|
Aktiver Komparator: GPT-4o
Gruppe mit GPT-4o-Zugang
|
GPT-4o über einen iFrame in der Online-Qualtrics-Umgebung bereitgestellt
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Prozentsatz Korrekte Punktzahl
Zeitfenster: Während der Bewertung
|
In Anlehnung an Peabody et al. (2000) ist das primäre Ergebnis ein prozentualer Korrektheitswert über alle Schritte eines Vignettenbeispiels hinweg.
Dies wird erzeugt, indem die gewichtete Gesamtsumme der Rubrikpunkte, die als vorhanden bewertet wurden, durch die Gesamtzahl der möglichen Rubrikpunkte in einer Vignette geteilt wird.
Die Rubrikpunkte werden hinsichtlich ihrer Relevanz von unserem Expertengremium gewichtet.
|
Während der Bewertung
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Qualität pro Antwort
Zeitfenster: Während der Auswertung
|
Dieses Ergebnis wird als durchschnittliches Gewicht der als vorhanden bewerteten Rubrikenelemente über alle Vignetten hinweg generiert.
Da jedem Element ein Gewicht (0,33, 0,5, 1) zugewiesen wird, ist das durchschnittliche Gewicht die Summe der Gewichte geteilt durch die Anzahl der als vorhanden markierten Antworten.
|
Während der Auswertung
|
|
Anzahl der Antworten
Zeitfenster: Während der Auswertung
|
Dieses Ergebnis wird als die Anzahl der Gesamtzahl der von den Prüfern pro Vignette als vorhanden bewerteten Antworten generiert
|
Während der Auswertung
|
|
Weniger offensichtliche Antworten
Zeitfenster: Während der Auswertung
|
Dieses Ergebnis ergibt sich aus der Anzahl der Antworten, die weniger offensichtlich sind, d.h. die von der Kontrollgruppe seltener genannt werden.
Wenn die Antwort von 25 % oder weniger der Kontrollgruppe genannt wird, gilt sie als weniger offensichtlich.
|
Während der Auswertung
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Mark Levels, PhD, Maastricht University
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- ERCIC_572_25_04_2024
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .