Effektivität des auf Künstlicher Intelligenz integrierten Mixed-Reality-basierten Simulationsprogramms für Hochrisiko-Arzneimittelmanagement (AIMR-HAM)
Wirksamkeit des auf künstlicher Intelligenz basierenden Mixed-Reality-Simulationsprogramms für Hochrisiko-Arzneimittelmanagement
Das Ziel dieser klinischen Studie ist zu untersuchen, ob ein KI-integriertes Mixed-Reality-basiertes Simulationsprogramm für die Verwaltung von Hochrisiko-Medikamenten (AIMR-HAM) Krankenhauspflegekräften hilft, Hochrisiko-Medikamente (HAMs) sicherer zu verwalten. MR kombiniert reale und virtuelle Elemente, um Pflegekräften das Üben in realistischen Szenarien zu ermöglichen.
Die Hauptfragen sind:
Verbessert AIMR-HAM die Medikationssicherheitskompetenzen der Pflegekräfte? Reduziert AIMR-HAM Medikationsfehler und verbessert die klinische Leistung?
Forscher werden zwei Gruppen vergleichen, um diese Fragen zu beantworten:
Interventionsgruppe: AIMR-HAM Kontrollgruppe: nur Standardausbildung
Wer teilnehmen kann:
Pflegekräfte, die in großen Krankenhäusern arbeiten und 1 bis 6 Jahre klinische Erfahrung haben.
Etwa 60 Pflegekräfte werden an der Studie teilnehmen.
Was Teilnehmer tun werden:
An der zugewiesenen Schulung teilnehmen (AIMR-HAM oder nur Standardausbildung). Vor und nach der Schulung kurze Tests und Umfragen abschließen, um Kompetenzen, Kommunikation und klinisches Denken zu messen.
Alle während der Studie auftretenden Medikationsfehler melden. Warum dies wichtig ist: Die Studie wird zeigen, ob AIMR-HAM-Schulungen verbessern können, wie Pflegekräfte HAMs handhaben und die Patientenversorgung sicherer machen.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Diese Studie bewertet, ob ein Künstliche-Intelligenz-integriertes Mixed-Reality-basiertes Hochrisiko-Medikamenten-Management-Simulationsprogramm (AIMR-HAM) die Fähigkeiten im Umgang mit Hochrisiko-Medikamenten (HAMs), die klinische Leistung (simulationsbasierte beobachtete Bewertungen), die Kommunikation und die Medikationsfehlerraten bei Krankenhauspflegekräften mit 1–6 Jahren klinischer Erfahrung verbessert. Die Studie zielt darauf ab, die Wirksamkeit von AIMR-HAM bei der Steigerung der praktischen Kompetenz und der Patientensicherheit in der realen klinischen Praxis zu bewerten.
Studiendesign und Randomisierung Die Studie ist eine einzentrische, parallele, randomisierte kontrollierte Studie mit etwa 60 teilnehmenden Pflegekräften. Die Teilnehmer werden mithilfe eines computergenerierten Randomisierungsplans (z. B. Blockrandomisierung) im Verhältnis 1:1 der Interventions- oder Kontrollgruppe zugeteilt. Die Randomisierung wird von einem unabhängigen Datenmanager durchgeführt, um die Zuteilungsverschleierung aufrechtzuerhalten. Die Ergebnisevaluatoren sind bezüglich der Gruppenzuordnung verblindet (Assessor-verblindet).
Intervention – AIMR-HAM (Interventionsgruppe)
Überblick: Die Intervention kombiniert MR-Brillen-basiertes, szenariogetriebenes praktisches Üben.
Schlüsselkomponenten:
- Orientierung
- Pre-Briefing
- AIMR-Simulation
- Debriefing
Technische Anmerkung: Das MR-Setup integriert virtuelle Elemente in die physische Umgebung, um visuelle und auditive Hinweise zu liefern; Gerätehersteller/-modell und Softwareversion können im Protokollfeld angegeben werden.
Kontrollgruppe: Die Kontrollgruppe erhält die Standard-Medikamentenmanagement-Schulung des Krankenhauses (Vorträge, Falldiskussionen und Workshops). Der Zeitplan und die gesamte Kontaktzeit werden an die Interventionsgruppe angepasst, um Zeit und Aufmerksamkeit zu kontrollieren.
Teilnehmerverfahren und Zeitplan Der Studienablauf ist: Screening → schriftliche Einwilligung nach Aufklärung → Basisbewertung (vor der Intervention) → Randomisierung → zugewiesenes Training (MR + Standardausbildung oder nur Standardausbildung) → unmittelbare Bewertung nach dem Training → Nachuntersuchungsbewertung (z. B. 1 Monat nach dem Training) → Studienabschluss. An jedem Bewertungspunkt absolvieren die Teilnehmer denselben Satz von Bewertungen, um Vergleiche über die Zeit zu ermöglichen.
Datenerhebungsmethoden
: Klinische Leistung und Fähigkeiten werden mithilfe standardisierter Leistungschecklisten und Beobachterbewertungsskalen während simulierter Bewertungen gemessen. Geschulte Evaluatoren, die bezüglich der Zuteilung verblindet sind, führen diese Bewertungen durch.
Selbstberichtsinstrumente (Vertrauen, Kommunikation, kognitive Arbeitsbelastung) werden über elektronische oder Papierfragebögen erfasst und in die Studien-Datenbank eingegeben.
Daten zu Medikationsfehlern werden aus dem Krankenhausmeldesystem für Vorfälle und aus Selbstberichten der Teilnehmer während des Studienzeitraums erhoben; doppelte Meldungen werden durch Datenüberprüfung und -klassifizierung bereinigt.
Das MR-System zeichnet automatisch Interaktionsprotokolle der Teilnehmer (Zeitstempel, Aktionen, Entscheidungspunkte) auf, die als ergänzende analytische Daten verwendet werden können.
Analyseübersicht
Primäranalysen folgen dem Intention-to-treat-Prinzip. Kontinuierliche Endpunkte (z. B. Kompetenzwerte) werden mithilfe von t-Tests oder linearer Regression verglichen; wiederholte Messungen werden mit gemischten Effektmodellen analysiert, um innerhalb der Teilnehmerkorrelationen zu berücksichtigen.
Binäre Endpunkte (z. B. Vorhandensein eines Medikationsfehlers) werden mithilfe von logistischer Regression oder Risikoschätzungen analysiert.
Vorgegebene Kovariaten (z. B. Basiswerte oder klinische Einheit) werden bei Bedarf in angepassten Analysen berücksichtigt. Sensitivitätsanalysen behandeln fehlende Daten (z. B. multiple Imputation) und Protokollabweichungen.
Sicherheit und Ethik Die Studie hat die Genehmigung der Ethikkommission (IRB) erhalten. Alle Teilnehmer geben vor der Einschreibung eine schriftliche Einwilligung nach Aufklärung. Jedes Unbehagen im Zusammenhang mit der MR-Nutzung (wie Schwindel oder Übelkeit) wird gemäß Protokoll überwacht und behandelt; schwerwiegende unerwünschte Ereignisse werden umgehend an die IRB und die Krankenhausaufsichtsbehörden gemeldet. Persönliche Daten werden anonymisiert oder verschlüsselt und mit eingeschränktem Zugriff gespeichert.
Qualitätssicherungs- und Zuverlässigkeitsmaßnahmen
Instruktoren und Evaluatoren erhalten standardisierte Schulungen, um eine konsistente Durchführung der Intervention und Bewertung der Ergebnisse sicherzustellen.
Randomisierung, Dateneingabe und Datenverwaltung folgen Standardarbeitsanweisungen. Die Daten werden regelmäßig überwacht und periodischen Qualitätskontrollen unterzogen; unabhängige Datenqualitätsaudits können bei Bedarf durchgeführt werden.
Schlussfolgerung und potenzielle Auswirkungen Diese Studie wird feststellen, ob AIMR-HAM im Vergleich zur Standardausbildung zu messbaren Verbesserungen der Medikationsmanagement-Kompetenz von Pflegekräften führt und Medikationsfehler reduziert. Die Ergebnisse können die Krankenhausausbildungspraktiken informieren und eine breitere Einführung von AIMR-HAM für klinische Fertigkeitstrainings unterstützen.
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Hwigon Jeon, Ph.D. student
- Telefonnummer: +82-10-5121-0700
- E-Mail: tjdans779@gmail.com
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
Krankenschwestern mit mindestens ein bis sechs Jahren klinischer Erfahrung.
Diejenigen, die den Zweck und die Verfahren dieser Studie verstehen und schriftlich eingewilligt haben, teilzunehmen.
Diejenigen, die keine körperlichen oder kognitiven Einschränkungen bei der Nutzung von Mixed-Reality-Geräten haben.
④ Diejenigen, die in Koreanisch kommunizieren können und Fragen verstehen und beantworten können.
Ausschlusskriterien:
Diejenigen, die nicht an der Studie teilnehmen möchten. ② Diejenigen, die in den letzten sechs Monaten an einer Schulung zu Hochrisiko-Arzneimitteln teilgenommen haben.
Diejenigen, die aufgrund von Seh-, Hör- oder neurologischen Beeinträchtigungen oder Nebenwirkungen wie Schwindel oder Reisekrankheit nicht oder nur schwer am Mixed-Reality-Schulungsprogramm teilnehmen können.
- Diejenigen, die freiwillig mitten in der Studie aussteigen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Verdreifachen
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: Arm 1
Die Teilnehmer erhalten ein auf künstlicher Intelligenz basierendes Mixed-Reality-Hochrisiko-Arzneimittel-Management-Simulationsprogramm
|
Teilnehmer im Interventionsarm erhalten ein KI-integriertes Mixed-Reality-basiertes Simulationsprogramm für die Verwaltung von Hochrisiko-Arzneimitteln
|
|
Aktiver Komparator: Arm 2
Die Teilnehmer erhalten die standardmäßige Medikamentenmanagement-Schulung des Krankenhauses
|
Die Teilnehmer erhalten die standardmäßige Medikamentenmanagement-Schulung des Krankenhauses (didaktische Vorträge, Fallbesprechungen und Workshops)
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Klinische Leistungsfähigkeit von Hochrisiko-Medikamenten
Zeitfenster: Baseline, unmittelbar nach der Intervention
|
Die klinische Leistungsbewertungskompetenz für Hochrisiko-Medikamente wird einen von unserem Forschungsteam entwickelten Fragebogen verwenden.
Das Instrument besteht aus 23 Fragen, von denen 4 je nach Simulationsfortschritt variieren, was zu einer abschließenden Bewertung mit 19 Fragen führt.
Jeder Punkt wird vom Ausbilder auf einer Skala von 0 für Nichterfüllung oder fehlerhafte Ausführung, 1 für unzureichende oder mangelhafte Ausführung und 2 für korrekte Ausführung bewertet.
Die entwickelten Punkte werden vor der Überarbeitung und Ergänzung für den Einsatz einer Validitätsbewertung durch sechs Experten unterzogen.
Höhere Punktzahlen weisen auf eine bessere klinische Leistung bei Hochrisiko-Medikamenten hin.
|
Baseline, unmittelbar nach der Intervention
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Globale zwischenmenschliche Kommunikationskompetenz
Zeitfenster: Baseline, unmittelbar nach der Intervention
|
Die kommunikative Kompetenz wird mit der von Heo Kyung-ho (2003) entwickelten Global Interpersonal Communication Competence (GICC)-Skala gemessen, die von Lee Hyun-sook und Kim Jong-gyeong (2010) modifiziert und ergänzt wurde.
Sie besteht aus 15 Items, die jeweils auf einer 5-Punkte-Likert-Skala von 1 (überhaupt nicht) bis 5 (sehr stark) bewertet werden, wobei höhere Werte eine größere kommunikative Kompetenz anzeigen.
In der Studie von Lee Hyun-sook und Kim Jong-gyeong (2010) betrug Cronbachs α .83.
|
Baseline, unmittelbar nach der Intervention
|
|
Klinische Entscheidungskompetenz
Zeitfenster: Baseline, unmittelbar nach der Intervention
|
Die klinische Denkfähigkeit wird mithilfe der Clinical Reasoning Competency Scale (CRCS) gemessen, die von Bae et al. (2023) entwickelt wurde.
Sie besteht aus 22 Items, die jeweils auf einer 5-Punkte-Likert-Skala von 1 (überhaupt nicht) bis 5 (sehr stark) bewertet werden.
Eine höhere Punktzahl weist auf eine größere klinische Denkfähigkeit hin.
In der Studie von Bae et al. (2023) betrug Cronbachs α .92.
|
Baseline, unmittelbar nach der Intervention
|
|
Medikamentensicherheitskompetenz
Zeitfenster: Baseline, unmittelbar nach der Intervention
|
Die Kompetenz in der Arzneimittelsicherheit wird mit der Medication Safety Competence Scale (MSCS) gemessen, die von Park und Seomun (2021) entwickelt wurde.
Sie besteht aus 36 Items und sechs Subskalen (patientenorientierte Arzneimittelverwaltung, Verbesserung von Problemsituationen, Management von Einflussfaktoren, Management von Krisensituationen, interdisziplinäre Zusammenarbeit und Verantwortung als Pflegefachkraft).
Jedes Item wird auf einer 5-Punkte-Likert-Skala bewertet (1 = "überhaupt nicht" bis 5 = "sehr stark"), mit einer Gesamtpunktzahl von 36 bis maximal 180.
Eine höhere Gesamtpunktzahl zeigt ein höheres Maß an Kompetenz in der Arzneimittelsicherheit an.
Die Reliabilität der MSCS betrug Cronbachs α = .96.
|
Baseline, unmittelbar nach der Intervention
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Bae, J., Lee, J., Choi, M., Jang, Y., Park, C. G., & Lee, Y. J. (2023). Development of the clinical reasoning competency scale for nurses. BMC nursing, 22(1), 138. Elendu, C., Amaechi, D. C., Okatta, A. U., Amaechi, E. C., Elendu, T. C., Ezeh, C. P., & Elendu, I. D. (2024). The impact of simulation-based training in medical education: A review. Medicine, 103(27), e38813. Fernández-Alcántara, M., Escribano, S., Juliá-Sanchis, R., Castillo-López, A., Pérez-Manzano, A., Macur, M., Kalender-Smajlović, S., García-Sanjuán, S., & Cabañero-Martínez, M. J. (2025). Virtual Simulation Tools for Communication Skills Training in Health Care Professionals: Literature Review. JMIR Medical Education, 11(1), e63082. Frost, J., Delaney, L., & Fitzgerald, R. (2020). Exploring the application of mixed reality in nurse education. BMJ Simulation & Technology Enhanced Learning, 6(4), 214. Fu, Y., Hu, Y., & Sundstedt, V. (2022). A systematic literature review of virtual, augmented, and mixed reality game applications in healthcare. ACM Transactions on Computing for Healthcare (HEALTH), 3(2), 1-27. Gaffney, T. A., Hatcher, B. J., & Milligan, R. (2016). Nurses' role in medical error recovery: an integrative review. Journal of clinical nursing, 25(7-8), 906-917. Han, Y., Chen, J., Xu, Y., Huang, P., & Hou, L. (2024). Nurse-led medication management as a critical component of transitional care for preventing drug-related problems. Aging Clinical and Experimental Research, 36(1), 151. Hodkinson, A., Tyler, N., Ashcroft, D. M., Keers, R. N., Khan, K., Phipps, D., Abuzour, A., Bower, P., Avery, A., & Campbell, S. (2020). Preventable medication harm across health care settings: a systematic review and meta-analysis. BMC medicine, 18(1), 313. Jeon, H. G., & Jeong, H. W. (2025). Effectiveness of a Mixed Reality Simulation Program for Dyspnoea Care on New Nurses' Clinical Competency: A Mixed-Methods Study. Nurse Education in Practice, 104397. Mardani, A., Griffiths, P., & Vaismoradi, M. (202
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
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
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- CNUH-2025-435
- RS-2024-00345750 (Andere Zuschuss-/Finanzierungsnummer: The National Research Foundation of Korea)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
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 .