Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Vergleich der Wirksamkeit von KI-Chatbots mit der von Telefon-Hotlines (AI chatbot)

30. September 2024 aktualisiert von: Dr. Patrick Ip, The University of Hong Kong

Vergleich der Wirksamkeit eines KI-Chatbots mit der einer Telefon-Hotline zur Beantwortung von COVID-19-bezogenen Problemen

Die COVID-19-Pandemie hat das Wohlbefinden der Menschen in Hongkong erheblich beeinträchtigt und zu Maßnahmen zur sozialen Distanzierung und Änderungen bei der Inanspruchnahme von Gesundheitsdiensten geführt. Schulschließungen und Fernarbeit erhöhen den Stresspegel für Eltern und Kinder. Gefährdete Bevölkerungsgruppen wie Familien mit niedrigem Einkommen und Kinder mit besonderen Bedürfnissen sind einem höheren Risiko für Misshandlung und psychische Probleme ausgesetzt. Eltern-Burnout ist zu einem Problem geworden, da Eltern Arbeit, Kinderbetreuung und Bildungspflichten unter einen Hut bringen müssen. Es besteht Forschungsbedarf zu den Auswirkungen von COVID-19 auf die körperliche und geistige Gesundheit von Familien und zur möglichen Rolle von KI bei der Bewältigung dieser Herausforderungen. KI, insbesondere Chatbots, können zugängliche Gesundheitsinformationen und Unterstützung bereitstellen und so bei der Frühdiagnose und Behandlung helfen. KI-Chatbots bieten zeitnahe Antworten, genaue Informationen und kontinuierliche Verfügbarkeit, was sie zu wertvollen Werkzeugen für die Fernunterstützung im Gesundheitswesen macht. Auch wenn KI-Chatbots nicht ohne Einschränkungen funktionieren, können weitere Untersuchungen dazu beitragen, sie effektiver in Gesundheitsdienste zu integrieren.

Studienübersicht

Status

Abgeschlossen

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

Beobachtungs

Einschreibung (Tatsächlich)

48

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Hong Kong, Hongkong, 0000
        • Department of Paediatrics and Adolescent Medicine, The University of Hong Kong

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Keine spezifische Bevölkerung

Beschreibung

Einschlusskriterien:

  • Probanden, die der Teilnahme an der Studie zustimmen.

Ausschlusskriterien:

  • Probanden, die der Teilnahme an der Studie nicht zustimmen.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

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

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

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.

Allgemeine Veröffentlichungen

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)

3. September 2021

Primärer Abschluss (Tatsächlich)

4. September 2024

Studienabschluss (Tatsächlich)

5. September 2024

Studienanmeldedaten

Zuerst eingereicht

16. September 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

30. September 2024

Zuerst gepostet (Tatsächlich)

1. Oktober 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

1. Oktober 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

30. September 2024

Zuletzt verifiziert

1. September 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

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?

UNENTSCHIEDEN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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 .

Abonnieren