DHL-Umfrage zu generativer KI für MyChart-Messaging
12. Dezember 2023 aktualisiert von: Duke University
Duke Health hört Umfrage zu generativer künstlicher Intelligenz (KI) für MyChart-Messaging
Der Zweck dieser Studie besteht darin, zu verstehen, wie Patienten über den Einsatz von Computerprogrammen zur Erstellung von Antworten denken, wenn sie elektronische Nachrichten an ihre Ärzte senden.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
- Die Ermittler werden kurze Online-Umfragen erstellen, um Patienten zu fragen, was sie von der Verwendung von Computerprogrammen halten, die Nachrichten in ihren Krankenakten erstellen.
- Die Umfragen werden fiktive Situationen zeigen, in denen Patienten Fragen stellen und Antworten entweder von echten Menschen oder von Computerprogrammen erhalten, mit oder ohne Offenlegung, wie die Antwort geschrieben wurde.
- Die Ermittler werden die Personen, die an der Umfrage teilnehmen, bitten, ihre Meinung zu diesen Situationen mitzuteilen, indem sie Tools wie Bewertungsskalen, Vergleichsskalen oder schriftliche Antworten verwenden.
- Wenn Patienten möchten, können sie ihre Kontaktinformationen angeben, um an zukünftigen Diskussionsgruppen teilzunehmen. Für die Teilnahme an der Umfrage müssen die Teilnehmer keine personenbezogenen Daten angeben.
Studientyp
Interventionell
Einschreibung (Tatsächlich)
1454
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
North Carolina
-
Durham, North Carolina, Vereinigte Staaten, 27710
- Duke University Health System
-
-
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
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Ja
Beschreibung
Einschlusskriterien:
- Mitglied der Patientenvertretungsgemeinschaft Duke Health Listens
Ausschlusskriterien:
- Alter < 18
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Sonstiges
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Sonstiges: Arm A
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm A empfängt AHN in Send 1, BAIC in Send 2 und CHH in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
|
Sonstiges: Arm B
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm B empfängt BHC in Send 1, CAIH in Send 2 und AAIN in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
|
Sonstiges: Arm C
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm C empfängt CHC in Send 1, AHH in Send 2 und BAIN in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
|
Sonstiges: Arm D
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm D empfängt AAIH in Send 1, BHN in Send 2 und CAIC in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
|
Sonstiges: Arm E
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm E empfängt BAIH in Send 1, CHN in Send 2 und AHC in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
|
Sonstiges: Arm F
Jeder Arm erhält 3 klinische Szenarien, die über einen Zeitraum von 3 Sendungen verteilt sind. Die 6 Gruppen (Arms A-F) werden nach folgenden Namenskonventionen angeordnet:
Arm F empfängt CAIN in Send 1, AAIC in Send 2 und BHH in Send 3 |
Wir werden ein großes Sprachmodell wie GPT 3.5 verwenden, um automatisch Antworten auf fiktive Nachrichten an einen Arzt zu generieren.
Wir legen offen, ob die Nachricht mithilfe dieser Technologie erstellt wurde oder nicht.
Es gibt 3 klinische Szenarien und 6 Paare aus Mensch/KI-Reaktion und menschlicher Offenlegung/KI-Offenlegung/nicht offengelegt, die die Einstellung der Patienten zu dieser Technologie testen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Patientenzufriedenheit, gemessen durch Umfrage
Zeitfenster: Bis zu 2 Wochen
|
Antworten auf der Likert-Skala auf die Zufriedenheitsfrage: „Ich bin mit dieser Interaktion zufrieden“ auf einer Skala von 1 bis 5 mit den Antwortoptionen „Trifft überhaupt nicht zu“ (1), „Stimme nicht zu“ (2), „Stimme weder zu noch nicht zu“ (3) und „Stimme zu“ (4). ) und stimme voll und ganz zu (5).
|
Bis zu 2 Wochen
|
|
Einstellung der Patienten zum Nutzen, gemessen durch Umfrage
Zeitfenster: Bis zu 2 Wochen
|
Antworten auf der Likert-Skala auf die Nutzenfrage: „Die Informationen sind nützlich“ auf einer Skala von 1 bis 5 mit den Antwortoptionen „Trifft überhaupt nicht zu“ (1), „Stimme nicht zu“ (2), „Stimme weder zu noch nicht zu“ (3), „Stimme zu“ (4), und stimme voll und ganz zu (5).
|
Bis zu 2 Wochen
|
|
Patientenempathie, gemessen durch Umfrage
Zeitfenster: Bis zu 2 Wochen
|
Antworten auf der Likert-Skala auf die Empathiefrage: „Ich fühle mich während dieser Interaktion umsorgt“, auf einer Skala von 1 bis 5 mit den Antwortoptionen „Trifft überhaupt nicht zu“ (1), „Stimme nicht zu“ (2), „Stimme weder zu noch nicht zu“ (3), „Stimme zu“ 4) und stimme voll und ganz zu (5).
|
Bis zu 2 Wochen
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Hauptermittler: Anand Chowdhury, MD, MMCi, Duke 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.
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 (Tatsächlich)
31. Oktober 2023
Primärer Abschluss (Tatsächlich)
11. Dezember 2023
Studienabschluss (Tatsächlich)
11. Dezember 2023
Studienanmeldedaten
Zuerst eingereicht
23. Oktober 2023
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
26. Oktober 2023
Zuerst gepostet (Tatsächlich)
30. Oktober 2023
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
13. Dezember 2023
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
12. Dezember 2023
Zuletzt verifiziert
1. Oktober 2023
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- Pro00113587
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Die Prüfärzte sammeln keine individuellen Patientenidentifikatoren und es werden aggregierte Daten gemeldet
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 .