- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT02200432
Patientenerfahrungs-Empfehlungssystem für überzeugende Kommunikationsanpassung (PERSPECT)
PERSPECT: Patientenerfahrungs-Empfehlungssystem für überzeugende Kommunikationsanpassung
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Um die Patientenperspektive zu maximieren und die Wahl des Lebensstils effektiv zu unterstützen, werden wir das „Patient Experience Recommender System for Persuasive Communication Tailoring“ entwickeln. PERSPeCT ist ein adaptives Computersystem, das die individuelle Perspektive eines Patienten beurteilt, die Präferenzen des Patienten für Gesundheitsbotschaften versteht und eine personalisierte, überzeugende Gesundheitskommunikation bereitstellt, die für den einzelnen Patienten relevant ist.
Die Forscher schlagen vor, die wichtigsten Schwachstellen bestehender, von Top-Down-Experten gesteuerter Gesundheitskommunikationsinterventionen zu überwinden, indem sie fortschrittliche Algorithmen für maschinelles Lernen anwenden, um Nachrichten basierend auf der „kollektiven Intelligenz“ Tausender Patienten adaptiv zu empfehlen. Diese Arbeit wird einen paradigmenwechselnden „Web 2.0“-Ansatz zur adaptiven Personalisierung nutzen, der das Potenzial für weitreichende Auswirkungen auf den Bereich der computerbasierten Gesundheitskommunikation (Computer Tailored Health Communication, CTHC) hat.
Aktuelle CTHC-Interventionen nutzen das Wissen wissenschaftlicher Experten und sammeln grundlegende Patientenprofile und verwenden dann von Experten geschriebene, regelbasierte Systeme, um Nachrichten gezielt an Untergruppen von Patienten zu richten. Diese Marktsegmentierungsinterventionen sind vielversprechend, wenn es darum geht, bestimmten Patienten dabei zu helfen, ihre Lebensstilziele zu erreichen. Obwohl theoretisch fundiert, berücksichtigen regelbasierte Systeme möglicherweise nicht soziokulturelle Konzepte, die für die Zielgruppe von intrinsischer Bedeutung sind, wodurch ihre Relevanz eingeschränkt wird. Darüber hinaus passen sich die Regeln nicht an das Feedback der Patienten an.
Außerhalb des Gesundheitswesens nutzen Unternehmen wie Google, Amazon, Netflix und Pandora in großem Umfang adaptive Empfehlungssysteme, um Inhalte mit erhöhter persönlicher Relevanz bereitzustellen. Diese Systeme verwenden Algorithmen des maschinellen Lernens, um personalisierte Empfehlungen aus einer Vielzahl von Datenquellen abzuleiten, einschließlich des von einzelnen Benutzern gesammelten Präferenz-Feedbacks.
Im Rahmen dieses Pilotprojekts des Patient-Centered Outcomes Research Institute (PCORI) werden sich Forscher mit den Herausforderungen der Anpassung maschinell lernender Empfehlungssysteme an CTHC im spezifischen Kontext der Patientenentscheidungsunterstützung für die Raucherentwöhnung befassen. Die Forscher haben sich für diesen Bereich entschieden, weil Rauchen eine der häufigsten vermeidbaren Todesursachen ist und weil wir über eine bestehende Datenbank mit 1.000 überzeugenden Botschaften verfügen, die im Rahmen eines aktuellen Bundeszuschusses (R01 CA129091) entwickelt wurden. Konkrete Studienziele sind:
Ziel 1: Sammeln Sie explizite Feedback-Daten, um PERSPeCT zu schulen. Rekrutieren Sie 700 Raucher mit mehreren, sich ergänzenden Strategien und bitten Sie Raucher über eine Webschnittstelle, (a) Perspektiven zum Rauchen und Aufhören sowie soziokulturelle Kontextinformationen und (b) Bewertungen anzugeben des einflussreichen Aspekts von Botschaften zur Raucherentwöhnung.
Ziel 2: Entwerfen, Implementieren und Validieren eines maßgeschneiderten Empfehlungsrahmens. Dies umfasst (a) die Entwicklung und Implementierung eines Empfehlungssystems für maschinelles Lernen, das Patientenprofile, Nachrichtenmetadaten, Website-Ansichten und Einflussbewertungen integriert, und (b) das Training und die Validierung des Modells seine Vorhersageleistung.
Ziel 3: Durchführung einer randomisierten Pilotstudie (n = 120 Raucher) von PERSPeCT. Forscher gehen davon aus, dass das PERSPeCT-System (H1) Nachrichten mit zunehmendem Einfluss auswählt, wenn Raucher mehr Nachrichtenbewertungen abgeben, und (H2) Nachrichten mit größerem Einfluss auswählt als ein regelbasiertes CTHC-System, wenn Raucher eine ausreichende Anzahl von Bewertungen abgeben. CTHC-Systeme unterstützen Patientenentscheidungen über Verhaltensweisen, Lebensstile und Entscheidungen. PERSPeCT befasst sich mit den für PCORI interessanten Bereichen, nämlich: 1) Identifizieren, Testen und/oder Bewerten von Methoden, die zur Beurteilung der Patientenperspektive bei der Untersuchung von Verhaltensweisen, Lebensstilen und Entscheidungen innerhalb der Kontrolle des Patienten verwendet werden können; und 2) Entwicklung, Verfeinerung, Prüfung und/oder Bewertung patientenzentrierter Ansätze, einschließlich Tools zur Entscheidungsunterstützung. Das Studienteam ist einzigartig positioniert, um diese ehrgeizigen Ziele im Rahmen dieses PCORI-Pilotprojekts zu erreichen, da die Forscher eine bestehende Datenbank mit überzeugenden Botschaften aus einer früheren Studie, zwei Jahre an Daten zur Wirksamkeit dieser Botschaften und ein transdisziplinäres Team mit nutzen werden Fachkenntnisse in Gesundheitskommunikation, Web-Systemtechnik und Empfehlungssystemen für maschinelles Lernen.
Studientyp
Einschreibung (Tatsächlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Massachusetts
-
Worcester, Massachusetts, Vereinigte Staaten, 01655
- The University of Massachusetts Medical School
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Erwachsene Raucher ab 18 Jahren mit Internetzugang
- Schwangere Frau.
- Englischsprachige Personen können eine Einwilligung einholen
Ausschlusskriterien: Gefangene
- Erwachsener kann nicht einwilligen
- Kleinkinder, Kinder, Jugendliche (unter 18 Jahren)
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Kein Eingriff: Kontrolle
Das aktuelle regelbasierte CTHC-System der Studie ist in Decide2Quit.org eingebettet
Internetservice.
Kontrollraucher erhalten das aktuelle Decide2Quit.org
System, einschließlich informativer Webseiten, eines interaktiven Entwöhnungsplans sowie Push-E-Mail-Nachrichten.
Die Nachrichten werden mithilfe des aktuellen regelbasierten CTHC-Systems ausgewählt.
Das CTHC wählt Nachrichten basierend auf Entscheidungsregeln (z. B. Bereitschaft zum Aufhören, Geschlecht) unter Verwendung von Informationen aus dem Basisprofil eines Rauchers aus.
Die Teilnehmer erhalten 30 Tage lang eine Nachricht pro Tag
|
|
Experimental: Intervention
Die Raucher der PERSPeCT-Intervention erhalten alle Komponenten von Decide2Quit.org
Webservice, aber überzeugende E-Mail-Nachrichten werden vom in Ziel 2 entwickelten PERSPeCT-Empfehlungssystem ausgewählt. PERSPeCT verwendet Daten (siehe Abbildung 1), um Nachrichten vorherzusagen, die für den Teilnehmer den größten Einfluss hätten.
Interventionsraucher erhalten 30 Tage lang eine von PERSPeCT generierte Nachricht pro Tag.
Mit jeder Nachrichtenbewertung passt sich das PERSPeCT-System weiter an die Präferenzen des Patienten an.
|
PERSPeCT wird Daten verwenden, um Botschaften vorherzusagen, die für den Teilnehmer an einer Änderung des Gesundheitsverhaltens den größten Einfluss hätten. „Patientenerfahrungs-Empfehlungssystem für überzeugende Kommunikationsanpassung.“ PERSPeCT ist ein adaptives Computersystem, das die individuelle Perspektive eines Patienten beurteilt, die Präferenzen des Patienten für Gesundheitsbotschaften versteht und eine personalisierte, überzeugende Gesundheitskommunikation bereitstellt, die für den einzelnen Patienten relevant ist. |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Nachrichteneinfluss
Zeitfenster: bis zu fünf Monate nach der Datenerhebung
|
Um den Erfolg von PERSPeCT bei der Motivation von Rauchern zu bewerten, werden wir eine randomisierte Pilotstudie durchführen.
Wir gehen davon aus, dass die von PERSPeCT übermittelten Nachrichten einen größeren Einfluss auf die Förderung eines Aufhörversuchs haben werden als die Nachrichten, die von unserem aktuellen regelbasierten computerbasierten Nachrichtensystem zur Übermittlung ausgewählt wurden.
|
bis zu fünf Monate nach der Datenerhebung
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Thomas K Houston, MD, MPH, UMMS
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Faro JM, Nagawa CS, Allison JA, Lemon SC, Mazor KM, Houston TK, Sadasivam RS. Comparison of a Collective Intelligence Tailored Messaging System on Smoking Cessation Between African American and White People Who Smoke: Quasi-Experimental Design. JMIR Mhealth Uhealth. 2020 Apr 27;8(4):e18064. doi: 10.2196/18064.
- Sadasivam RS, Borglund EM, Adams R, Marlin BM, Houston TK. Impact of a Collective Intelligence Tailored Messaging System on Smoking Cessation: The Perspect Randomized Experiment. J Med Internet Res. 2016 Nov 8;18(11):e285. doi: 10.2196/jmir.6465.
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Schätzen)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 14762
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 .
Klinische Studien zur PERSPeCT-Empfehlungssystem
-
Jeder GmbHUnbekanntUnzureichende Knochenmasse im Oberkiefer für ZahnimplantateÖsterreich