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

KI bei der Prävention, Diagnose und Triage in Atemkrankungen

9. April 2025 aktualisiert von: Jianxing He, The First Affiliated Hospital of Guangzhou Medical University

Wirksamkeit der künstlichen Intelligenz (KI) bei der Prävention, Diagnose und Triage von Atemwegserkrankungen: eine multizentrische, randomisierte kontrollierte Studie

Diese Studie wird die Auswirkungen der Verwendung des GPT-4O im Vergleich zu herkömmlichen Online-Tools im Bereich der Prävention von Atemkrankungen bewerten und sich auf die Verbreitung von Wissen und Verhaltensänderungen in der Öffentlichkeit konzentrieren. Wir werden die Wirksamkeit von GPT-4O bei der Verbesserung der öffentlichen Bewusstseins- und Managementfähigkeiten in Bezug auf Atemwegserkrankungen und die Förderung angemessener Präventionsverhalten untersuchen.

Studienübersicht

Status

Anmeldung auf Einladung

Intervention / Behandlung

Detaillierte Beschreibung

Technologien für künstliche Intelligenz (KI), insbesondere fortgeschrittene Großsprachenmodelle wie GPT-4O, die von OpenAI entwickelt wurden, haben ein immenses Potenzial für die Verbesserung der öffentlichen Gesundheit und vorbeugende Verhaltensweisen. Obwohl GPT-4O nicht speziell für die Prävention von Atemkrankungen konzipiert wurde, hat es in zahlreichen Anträgen im Zusammenhang mit Gesundheitsversorgung vielversprechende Aussichten gezeigt, z. Die Wirksamkeit bei der Verbesserung der öffentlichen Bewusstseins- und Managementfähigkeiten in Bezug auf Atemwegserkrankungen muss jedoch weiter untersucht werden.

Das Verständnis und die Behandlung von Atemwegserkrankungen beinhaltet komplexe Prozesse, einschließlich Symptomeerkennung, Anwendung von vorbeugenden Kenntnissen und fundierte Entscheidungsfindung. Die Integration von KI-Tools wie GPT-4O in die Bildung von öffentlichen Gesundheit könnte möglicherweise die Verbreitung von Wissen verbessern, Fehlinformationen verringern und angemessene vorbeugende Verhaltensweisen in der allgemeinen Bevölkerung fördern. Dennoch wurde GPT-4O nicht speziell für die Prävention von Atemkrankungen validiert und besteht das Risiko, irreführende oder ungenaue Informationen zu erzeugen, was die Benutzer verwirren könnte. Eine unsachgemäße Verwendung solcher Tools kann das Bewusstsein möglicherweise nicht schärfen und sogar zu kontraproduktiven Verhaltensweisen führen. Daher ist es von entscheidender Bedeutung, zu untersuchen, wie große Sprachmodelle wie GPT-4O die öffentliche Bildung und Verhaltensänderung in diesem Zusammenhang effektiv unterstützen können.

In dieser Studie werden die Teilnehmer nach dem Zufallsprinzip in zwei Gruppen unterteilt: Eine Gruppe hat Zugang zu GPT-4O mit Feindelementen, während die andere ausschließlich auf herkömmliche Online-Tools beruhen wird. Sie werden Szenarien in Bezug auf Atemwegserkrankungen vorgestellt und gebeten, ihre Identifizierung von Hochrisikofaktoren, das Verständnis von Diagnosen und die vorgeschlagenen Triage-Aktionen für jedes Szenario zu erklären. Jedes Szenario wurde von einem Gremium von drei Experten für Atemwegsgesundheit entwickelt, die ebenfalls standardisierte Antworten festlegten. Die Antworten werden von zwei unabhängigen Gruppen von Gutachtern bewertet, die sich der Gruppenzuweisungen der Teilnehmer nicht bewusst sind. Diese Experten haben unabhängig voneinander anfängliche Bewertungskriterien erstellt und Diskrepanzen durch mehrere Diskussionsrunden gelöst, um Konsistenz und Genauigkeit sicherzustellen.

Studientyp

Interventionell

Einschreibung (Geschätzt)

2400

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

    • Guangdong
      • Guangzhou, Guangdong, China, 510120
        • the First Affiliated Hospital of Guangzhou Medical University, Guangzhou, Guangdong 510120

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:

  • Kein medizinischer Hintergrund
  • Alter von 18 bis 75 Jahren

Ausschlusskriterien:

  • Hatte einen medizinischen Hintergrund
  • Überschreitet die Alterskriterien
  • Die Umfrageanforderungen nicht einhalten

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Verhütung
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: AI-unterstützte Gruppe
Die Teilnehmer füllten den Fragebogen mithilfe von KI-gesteuerten Tools für die Erzeugung von Inhalten und das Abrufen von Informationen aus.
GPT-4O, die mit der Lungdiag-Datenbank abgestimmt sind
Kein Eingriff: Internetbasierte Gruppe
Die Teilnehmer füllten den Fragebogen mithilfe von Standard -Internet -Suchmaschinen zum Abrufen von Informationen aus.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Die Genauigkeit der Teilnehmer bei der Beantwortung von Fragen im Zusammenhang mit Triage, Diagnose und Risikofaktor Identifizierung von Atemkrankungen unter Verwendung künstlicher Intelligenz gegenüber internetbasiertem Informationsabruf, der durch Fragebogenerhebung bewertet wurde
Zeitfenster: Von der Einschreibung bis zum Ende des Tests um 1 Stunde.
Von der Einschreibung bis zum Ende des Tests um 1 Stunde.

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Die Genauigkeit verschiedener Untergruppen bei der Beantwortung von Fragen im Zusammenhang mit Triage, Diagnose und Risikofaktor Identifizierung von Atemkrankungen unter Verwendung künstlicher Intelligenz gegenüber internetbasiertem Informationsabruf, bewertet durch Fragebogenerhebung
Zeitfenster: Von der Einschreibung bis zum Ende des Tests um 1 Stunde.
Von der Einschreibung bis zum Ende des Tests um 1 Stunde.
Zeit (in Sekunden) verbringen die Teilnehmer pro Fragebogen zwischen den beiden Studienwaffen.
Zeitfenster: Von der Einschreibung bis zum Ende des Tests um 1 Stunde.
Von der Einschreibung bis zum Ende des Tests um 1 Stunde.

Mitarbeiter und Ermittler

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

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)

1. Januar 2025

Primärer Abschluss (Geschätzt)

31. Mai 2025

Studienabschluss (Geschätzt)

30. Juni 2025

Studienanmeldedaten

Zuerst eingereicht

26. März 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

9. April 2025

Zuerst gepostet (Tatsächlich)

17. April 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

17. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

9. April 2025

Zuletzt verifiziert

1. April 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • AI-RD-PDT-250323-001

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

Diese Studie zielt darauf ab, die Wirksamkeit der künstlichen Intelligenz (KI) bei der Prävention, Diagnose und Triage von Atemwegserkrankungen unter Verwendung eines multizentrischen, randomisierten kontrollierten Studiendesigns zu bewerten. Insgesamt werden 2400 Teilnehmer im Alter von 18 bis 75 Jahren ohne medizinischen Hintergrund eingestellt und zufällig zwei Gruppen zugeordnet: Eine Gruppe wird mithilfe von KI -Tools Umfragen abschließen, während die andere Gruppe Standard -Internetressourcen nutzt, um die Umfragen auszufüllen. Zu den primären Ergebnismaßnahmen gehören Triage -Genauigkeitsraten, vorläufige Diagnose -Konformitätsraten und Vollständigkeit der Risikofaktoridentifizierung, während sich die sekundären Ergebnisse auf die Leistungsschwankungen in verschiedenen Regionen sowie die Lebensgewohnheiten und Gesundheitsindikatoren der Teilnehmer in verschiedenen Regionen und den Lebensstilgewohnheiten konzentrieren. Um die Datenqualität zu gewährleisten, wird in jedem Zentrum Schulungen durchgeführt, wobei die Echtzeit-Dateneingabe- und Prüfprozesse festgelegt werden. Der Studienplan umfasst auch Notfallprotokolle und Datensicherheitsverwaltung

Art der unterstützenden IPD-Freigabeinformationen

  • STUDIENPROTOKOLL

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