Untersuchung der Wirksamkeit generativer KI-Modelle für Diabetiker
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Diabetes breitet sich rasant aus und betrifft eine beträchtliche Anzahl Erwachsener; die Gesamtzahl der Diabetiker beträgt erschreckende 537 Millionen. Dieser Zustand führt zu verschiedenen Komplikationen, die zu diabetischer Retinopathie, Fußgeschwüren, Herzproblemen und Nierenschäden führen können. Viele dieser Komplikationen können jedoch gemildert werden, indem Patienten genaue Informationen zu Ernährung, Stressbewältigung und Gewichtskontrolle erhalten.
Die jüngsten Fortschritte bei Chatbots auf Basis generativer künstlicher Intelligenz haben ihre Wirksamkeit als intelligente Assistenten in verschiedenen Aspekten des menschlichen Lebens unter Beweis gestellt. In dieser Studie wollen wir die Wirksamkeit dieser Sprachmodelle bei der Unterstützung von Patienten bewerten. Unser Forschungsplan umfasst die Interaktion zwischen Patienten und Chatbots wie ChatGPT, sowohl mit als auch ohne menschliche Unterstützung, gefolgt von der Auswertung dieser Interaktionen durch Spezialisten. Darüber hinaus sammeln wir Feedback von Patienten zu ihren Erfahrungen und Wahrnehmungen der Chatbot-Interaktionen.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: Ghulam Mustafa
- Telefonnummer: +923322340395
- E-Mail: mustafabme@gmail.com
Studienorte
-
-
Sindh
-
Karachi, Sindh, Pakistan
- Rekrutierung
- CDLE, PCSIR Lbas Complex
-
Kontakt:
- Ghulam Mustafa
- E-Mail: mustafabme@gmail.com
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Physisch in Pakistan anwesend sein
- Erwachsene (18 Jahre oder älter)
- Diabetiker
Ausschlusskriterien:
- Erwachsene können nicht einwilligen
- Personen, die noch nicht erwachsen sind (Säuglinge, Kinder, Jugendliche)
- Gefangene
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Intervention
Patienten erhalten Zugang zum Chatbot, um ihre Fragen zu diabetischen Komplikationen zu stellen.
|
Alle Teilnehmer erhalten Zugang zum AI-Chatbot und werden gebeten, sich über ihre täglichen Probleme im Zusammenhang mit Diabetes zu erkundigen.
Sie werden außerdem gebeten, die Antworten des Chatbots nach ihrer Interaktion zu überprüfen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Benutzerfreundlichkeit des Chatbots für Diabetiker
Zeitfenster: Einmal
|
Um die Benutzerfreundlichkeit des Chatbots zu bewerten, werden wir den mHealth App Usability Questionnaire (MAUQ) einsetzen, um nach ihrer Interaktion Feedback von Patienten zu sammeln.
Unsere Studie wird Tabelle 4 dieses Fragebogens verwenden, der aus drei Abschnitten besteht: Benutzerfreundlichkeit, Benutzeroberfläche sowie Zufriedenheit und Nützlichkeit.
Konkret konzentrieren wir unsere Bewertung auf 10 der 18 in dieser Tabelle dargestellten Fragen.
Die ausgewählten Fragen sind S1, S2, S6, S7, S9, S11, S12, S13, S14 und S18.
Die Patienten geben ihre Antworten auf einer Skala von 1 bis 5 ab, wobei „1“ für „sehr schlecht“ und „5“ für „sehr gut“ steht.
|
Einmal
|
|
Internetgeschwindigkeit
Zeitfenster: Einmal
|
Während des Chats wird die minimale Download-Geschwindigkeit im Internet gemessen.
Dies wird in Megabits pro Sekunde aufgezeichnet.
|
Einmal
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Analysieren der von AI Chatbot generierten Chat-Antworten
Zeitfenster: Einmal
|
Die Likert-Skala wird verwendet, um die Chat-Antwort des Chatbots zu bewerten. Die folgenden Parameter werden von den Spezialisten für jede Antwort bewertet: „Klar“, „Vollständig“ und „Richtig“. Klarheit und Vollständigkeit werden anhand eines Bereichs von 1 bis 5 bewertet, wobei 1 eine schlechte Qualität und 5 eine sehr gute Antwortqualität bedeutet. Die Richtigkeit jeder Antwort wird weiter als sicher und aktuell analysiert. Es wird binär ausgewertet, d. h. Ja oder nein. |
Einmal
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Ghulam Mustafa, Pakistan Council of Scientific and Industrial Research
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
- Herz-Kreislauf-Erkrankungen
- Gefäßerkrankungen
- Störungen des Glukosestoffwechsels
- Stoffwechselerkrankungen
- Augenkrankheiten
- Erkrankungen des endokrinen Systems
- Diabetische Angiopathien
- Diabetes-Komplikationen
- Erkrankungen der Netzhaut
- Diabetes Mellitus
- Diabetes mellitus, Typ 2
- Diabetische Retinopathie
Andere Studien-ID-Nummern
- AI Chatbot Evaluation
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 .