- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06621134
Vergleich der Wirksamkeit von KI-Chatbots mit der von Telefon-Hotlines (AI chatbot)
Vergleich der Wirksamkeit eines KI-Chatbots mit der einer Telefon-Hotline zur Beantwortung von COVID-19-bezogenen Problemen
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Die COVID-19-Pandemie hat seit dem Ausbruch im Dezember 2019 beispiellose Auswirkungen auf das Wohlergehen der Menschen in Hongkong. Die Regierung hat Maßnahmen zur sozialen Distanzierung eingeführt, um das Infektionsrisiko zu minimieren. Dazu gehören unter anderem: Schulschließungen, Fernarbeit und das Verbot von Gruppentreffen. Diese Antiinfektionsmaßnahmen haben zu einer Änderung des Musters bei der Inanspruchnahme von Gesundheitsdiensten und Hilfesuchaktivitäten geführt. Studien haben auch gezeigt, dass mangelnde Sozialisierung zu einem höheren Stressniveau sowohl für Eltern als auch für Kinder führt.
Da Schulschließungen und Fernarbeitsmaßnahmen andauern, stehen sowohl Kinder als auch Eltern unter großem Druck. Die UNESCO (2020) berichtete, dass bis Mitte April 2020 über 1,58 Milliarden Kinder und Jugendliche in 200 Ländern von Schulschließungen betroffen waren. Obwohl die langfristigen Auswirkungen von COVID-19 auf die psychische Gesundheit von Kindern und Eltern unbekannt sind, haben Fälle von Kindesmissbrauch, Vernachlässigung und Ausbeutung angesichts solch beispielloser Zeiten zugenommen. Familien mit niedrigem Einkommen oder Familien mit Kindern mit sonderpädagogischem Förderbedarf (SEN) sind anfällig dafür, dass Kinder misshandelt werden und/oder in eine psychische Krise geraten. Eltern, die von zu Hause aus arbeiten, stehen vor der Herausforderung, eine dreifache Rolle zu erfüllen: Arbeit, Kinderbetreuung und häusliche Pflege. Schlimmer noch: Der Mangel an Lerninteresse und Motivation der Kinder stellt eine zusätzliche Belastung für die Eltern dar, wenn sie die Rolle des Lehrers übernehmen. Eltern neigen dazu, ein Eltern-Burnout zu erleben, das durch geistige und körperliche Erschöpfung mit einem Gefühl der Hoffnungslosigkeit gekennzeichnet ist. Daher ist klar, dass ein großer gesellschaftlicher Bedarf an der Erforschung der körperlichen und geistigen Gesundheit im Zusammenhang mit COVID-19 besteht. Es ist unbedingt erforderlich, mögliche durch COVID-19 verursachte Probleme in Bezug auf die Eltern-Kind-Beziehung, den elterlichen Stress und das Funktionieren der Familie zu verhindern und bestehende Probleme zu mildern.
Daher sollte die Erforschung leichter zugänglicher und effizienterer Wege zum Umgang mit potenziellen und bestehenden Gesundheitsproblemen (sowohl körperlich als auch geistig) Priorität haben. Künstliche Intelligenz (KI) im Gesundheitswesen hat das Potenzial, die Arbeitsbelastung des Gesundheitspersonals zu verringern, indem häufig gestellte Fragen über das KI-System bequem von zu Hause aus beantwortet werden. Angesichts der potenziell schädlichen Auswirkungen von COVID-19 auf Kinder und Eltern ist es wichtig, die Forschungslücke darüber zu schließen, wie KI als Plattform für die Suche nach Hilfe dienen kann, insbesondere in Zeiten sozialer Distanzierung.
KI wurde im letzten Jahrzehnt in großem Umfang im Gesundheitswesen eingesetzt. Insbesondere der Einsatz von Chatbots hat das öffentliche Engagement im Gesundheitswesen verbessert, und zwar bequem von zu Hause aus. KI-Chatbots nutzten die Verarbeitung natürlicher Sprache (NLP), um die Interaktion mit Benutzern in Gesprächen zu erleichtern und der Öffentlichkeit angemessene medizinische Ratschläge zugänglich zu machen. Intelligente Algorithmen in der KI ermöglichen eine frühzeitige Diagnose von Krankheiten und bieten Behandlungstechniken für diejenigen, die andernfalls möglicherweise zu spät diagnostiziert worden wären. Beispielsweise haben die US-amerikanischen Zentren für die Kontrolle und Prävention von Krankheiten (CDC) einen Chatbot namens Clara gestartet, der Benutzern den Zugriff auf Informationen zu möglichen Symptomen des Coronavirus erleichtert und ihnen hilft, Entscheidungen über die Notwendigkeit einer medizinischen Versorgung zu treffen. Dies ist besonders nützlich, da es Hochrisikogruppen identifiziert, die ärztliche Hilfe benötigen, indem es Patienten anhand ihrer Symptome einstuft und so Krankenhausbesuche bei kleineren Fällen reduziert. Darüber hinaus werden Familienangehörige von Hochrisikogruppen darin unterstützt, welche Maßnahmen zur Infektionsprävention ergriffen werden können und wie sie die Betreuung von Patienten innerhalb ihrer Familie entlasten können.
KI-Chatbots verdienen Aufmerksamkeit, weil sie umgehend auf Fragen der Benutzer reagieren und rund um die Uhr einen Service bieten. Darüber hinaus gelten die von KI bereitgestellten Antworten als genauer als die von Suchmaschinen, sofern die Data-Mining-Methoden gut geeignet sind. Diese Funktionen sind von Bedeutung, da Benutzer psycho-medizinischen Rat einholen können, während sie soziale Distanz wahren, ohne persönliche Termine mit Ärzten vereinbaren zu müssen.
KI-Chatbots dienen möglicherweise als Selbsthilfetool, um Erkenntnisse im Umgang mit psychischen und physischen Erkrankungen zu gewinnen, sind aber noch lange nicht perfekt. Die Hoffnung ist, dass diese Studie dazu beitragen kann, KI-Chatbots zu einem integrierten Bestandteil des Gesundheitswesens zu machen.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Hong Kong, Hongkong, 0000
- Department of Paediatrics and Adolescent Medicine, The University of Hong Kong
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Probanden, die der Teilnahme an der Studie zustimmen.
Ausschlusskriterien:
- Probanden, die der Teilnahme an der Studie nicht zustimmen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Kontrollgruppe
Die Teilnehmer werden gebeten, bei ihrem ersten Zugriff auf unser System der Randomisierung zuzustimmen.
Über eine Telefon-Hotline stellen Benutzer Fragen, die in der Fragendatenbank enthalten sind, sowie spezifische Fragen, die nicht in der Frage enthalten sind.
|
Die Teilnehmer werden gebeten, bei ihrem ersten Zugriff auf unser System der Randomisierung zuzustimmen.
Über eine Telefon-Hotline stellen Benutzer Fragen, die in der Fragendatenbank enthalten sind, sowie spezifische Fragen, die nicht in der Frage enthalten sind.
|
|
Interventionsgruppe
Die Teilnehmer müssen ihre Zustimmung zur Randomisierung erteilen, wenn sie zum ersten Mal auf unser System zugreifen.
Benutzer können über eine KI-Chatbox Fragen stellen, die von der Fragendatenbank abgedeckt werden, sowie spezifische Fragen, die nicht von der Bank abgedeckt werden.
|
Die Teilnehmer müssen ihre Zustimmung zur Randomisierung erteilen, wenn sie zum ersten Mal auf unser System zugreifen.
Benutzer können über eine KI-Chatbox Fragen stellen, die von der Fragendatenbank abgedeckt werden, sowie spezifische Fragen, die nicht von der Bank abgedeckt werden.
Ziel ist es, den signifikanten Unterschied zwischen der Verwendung von KI-Chatbots und Telefon-Hotlines zur Unterstützung von Eltern sowie die Wirksamkeit von KI-Chatbots im Vergleich zu Telefon-Hotlines zu verstehen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Allgemeine Angststörung (GAD – 7)
Zeitfenster: 1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
Der 7-Punkte-Fragebogen zur generalisierten Angststörung (GAD-7) ist ein selbstberichtetes Screening-Tool zur Beurteilung der Schwere der Symptome einer generalisierten Angststörung bei Erwachsenen.
Es besteht aus sieben Fragen, die nach verschiedenen Symptomen fragen, die häufig mit einer generalisierten Angststörung einhergehen, wie z. B. Nervosität, Ängstlichkeit oder Nervosität. Allgemeine Angststörung (GAD – 7)
|
1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
|
Fragebogen zur Patientengesundheit-9
Zeitfenster: 1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
Der Patient Health Questionnaire-9 (PHQ-9) ist ein selbst auszufüllender Fragebogen, der dazu dient, den Schweregrad einer Depression bei Patienten zu ermitteln und zu beurteilen.
Es besteht aus neun Fragen, die auf den Kriterien zur Diagnose einer schweren depressiven Störung im Diagnostic and Statistical Manual of Mental Disorders (DSM-5) basieren.
Die Patienten werden gebeten, anzugeben, wie oft sie in den letzten zwei Wochen bestimmte Symptome einer Depression erlebt haben. Die Antwortmöglichkeiten reichen von „überhaupt nicht“ bis „fast täglich“.
Der Gesamtscore des PHQ-9 kann Gesundheitsdienstleistern dabei helfen, das Vorliegen und den Schweregrad einer Depression bei einem Patienten zu bestimmen und dessen Reaktion auf die Behandlung im Laufe der Zeit zu überwachen.
|
1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Umfrage zur Servicezufriedenheit
Zeitfenster: 1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
Eine Umfrage zur Servicezufriedenheit ist eine Methode, mit der Organisationen Feedback von Kunden oder Auftraggebern zu ihrer Zufriedenheit mit den bereitgestellten Dienstleistungen einholen.
Diese Umfragen umfassen in der Regel Fragen, die verschiedene Aspekte des Serviceerlebnisses bewerten, wie z. B. Qualität, Reaktionsfähigkeit, Professionalität und Gesamtzufriedenheit.
Das aus diesen Umfragen gesammelte Feedback kann Organisationen dabei helfen, Bereiche mit Verbesserungspotenzial zu identifizieren und fundierte Entscheidungen zur Verbesserung ihrer Dienste zu treffen.
|
1 Woche innerhalb des Vortests, 1 Woche innerhalb des Nachtests
|
Mitarbeiter und Ermittler
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Naseem M, Akhund R, Arshad H, Ibrahim MT. Exploring the Potential of Artificial Intelligence and Machine Learning to Combat COVID-19 and Existing Opportunities for LMIC: A Scoping Review. J Prim Care Community Health. 2020 Jan-Dec;11:2150132720963634. doi: 10.1177/2150132720963634.
- Kretzschmar K, Tyroll H, Pavarini G, Manzini A, Singh I; NeurOx Young People's Advisory Group. Can Your Phone Be Your Therapist? Young People's Ethical Perspectives on the Use of Fully Automated Conversational Agents (Chatbots) in Mental Health Support. Biomed Inform Insights. 2019 Mar 5;11:1178222619829083. doi: 10.1177/1178222619829083. eCollection 2019.
- Tso WWY, Wong RS, Tung KTS, Rao N, Fu KW, Yam JCS, Chua GT, Chen EYH, Lee TMC, Chan SKW, Wong WHS, Xiong X, Chui CS, Li X, Wong K, Leung C, Tsang SKM, Chan GCF, Tam PKH, Chan KL, Kwan MYW, Ho MHK, Chow CB, Wong ICK, Lp P. Vulnerability and resilience in children during the COVID-19 pandemic. Eur Child Adolesc Psychiatry. 2022 Jan;31(1):161-176. doi: 10.1007/s00787-020-01680-8. Epub 2020 Nov 17.
- Russell BS, Hutchison M, Tambling R, Tomkunas AJ, Horton AL. Initial Challenges of Caregiving During COVID-19: Caregiver Burden, Mental Health, and the Parent-Child Relationship. Child Psychiatry Hum Dev. 2020 Oct;51(5):671-682. doi: 10.1007/s10578-020-01037-x.
- Lee J. Mental health effects of school closures during COVID-19. Lancet Child Adolesc Health. 2020 Jun;4(6):421. doi: 10.1016/S2352-4642(20)30109-7. Epub 2020 Apr 14. No abstract available. Erratum In: Lancet Child Adolesc Health. 2020 Jun;4(6):e16. doi: 10.1016/S2352-4642(20)30128-0.
- Garrido S, Millington C, Cheers D, Boydell K, Schubert E, Meade T, Nguyen QV. What Works and What Doesn't Work? A Systematic Review of Digital Mental Health Interventions for Depression and Anxiety in Young People. Front Psychiatry. 2019 Nov 13;10:759. doi: 10.3389/fpsyt.2019.00759. eCollection 2019.
- Cluver L, Lachman JM, Sherr L, Wessels I, Krug E, Rakotomalala S, Blight S, Hillis S, Bachman G, Green O, Butchart A, Tomlinson M, Ward CL, Doubt J, McDonald K. Parenting in a time of COVID-19. Lancet. 2020 Apr 11;395(10231):e64. doi: 10.1016/S0140-6736(20)30736-4. Epub 2020 Mar 25. No abstract available. Erratum In: Lancet. 2020 Apr 11;395(10231):1194. doi: 10.1016/S0140-6736(20)30790-X.
- Chew AMK, Ong R, Lei HH, Rajendram M, K V G, Verma SK, Fung DSS, Leong JJ, Gunasekeran DV. Digital Health Solutions for Mental Health Disorders During COVID-19. Front Psychiatry. 2020 Sep 9;11:582007. doi: 10.3389/fpsyt.2020.582007. eCollection 2020. No abstract available.
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
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
Schlüsselwörter
Andere Studien-ID-Nummern
- UW21-344
- Collaborative Research Fund (Andere Zuschuss-/Finanzierungsnummer: University Grants Committee)
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
Produkt, das in den USA hergestellt und aus den USA exportiert wird
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 .