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

SAFE.AI: Entwicklung und Test eines KI-basierten Hybrid-Chatbots für finanzielle Selbstbestimmung in der ländlichen Krebsversorgung

4. Juni 2026 aktualisiert von: University of Utah

SAFE.AI: Entwicklung und Test eines KI-basierten Hybrid-Chatbots zur finanziellen Stärkung in der ländlichen Krebsversorgung

Dies ist eine randomisierte, zweiarmige, parallele Pilotstudie, die ein neues Chatbot-Tool untersucht, das Krebspatienten und Betreuungspersonen, insbesondere in ländlichen Gemeinden, unterstützen soll. Ungefähr 60 Teilnehmer werden im Verhältnis 1:1 randomisiert, um entweder mit einem hybriden Chatbot oder einem KI-gestützten Chatbot zu interagieren. Die Teilnehmer werden ihren zugewiesenen Chatbot nutzen, um klare und hilfreiche Informationen zu Versicherungen, Reisekosten und anderen finanziellen Aspekten der Krebsbehandlung zu erhalten.

Studienübersicht

Status

Noch keine Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Die Kosten der Krebsversorgung werden bis 2030 voraussichtlich 246 Milliarden US-Dollar erreichen, was Krebs zu einer der teuersten Gesundheitsbedingungen für Einzelpersonen macht. Finanzielle Belastungen im Zusammenhang mit Krebs beeinträchtigen das psychische Wohlbefinden, die gesundheitsbezogene Lebensqualität, die Medikamenteneinnahmetreue und Entscheidungen, die Versorgung zu verzögern oder zu unterlassen. Ländliche Krebspatienten und ihre Familien haben eine höhere Prävalenz finanzieller Belastungen, haben höhere reisebedingte Kosten, stehen vor einzigartigen Beschäftigungs- und Einkommensstressoren und haben einen geringeren Zugang zu spezialisierten Krebsversorgungsdiensten und -anbietern – einschließlich solcher, die finanzielle Bedürfnisse unterstützen.<\/p>

Wenige Interventionen zur finanziellen Toxizität sind auf die Bedürfnisse ländlicher Krebspatienten und ihrer Familien zugeschnitten. Während finanzielle Navigation die out-of-pocket-Kosten von Krebspatienten effektiv reduzieren kann, sind die finanziellen und ländlichen Patienten-Navigationsdienste von Krebsprogrammen, auch am Huntsman Cancer Institute (HCI), überlastet. Die meisten Zentren reagieren auf finanzielle Belastungen reaktiv statt proaktiv, und Programme sind weniger in der Lage, bei nicht-medizinischen Quellen von Krebskosten wie Reise- und Beschäftigungsproblemen zu helfen.<\/p>

Um diese Lücke zu schließen, wurde das Self-Advocacy for Financial Empowerment (SAFE)-Ressourcen-Toolkit mit einem Community Advisory Board entwickelt, das aus ländlichen Krebspatienten, Pflegepersonen und Gesundheitsakteuren besteht. Community-engagierte Forschung identifizierte auch den Bedarf an individualisierten und zugänglichen Informationen über finanzielle Ressourcen und Unterstützungen, Stigmatisierung als Hindernis für die Inanspruchnahme von Hilfe sowie den zeit- und ressourcenintensiven Charakter der finanziellen Navigation, der die Durchdringung und Reichweite dieser wesentlichen Dienste in von Krebs betroffenen ländlichen Gemeinden begrenzt.<\/p>

Chatbots oder Konversationsagenten sind eine Art von künstlicher Intelligenz (KI)-System, das maschinelles Lernen anwendet, um realistische menschliche Gespräche zu reproduzieren. Skriptbasierte Chatbots, die auf klar definierten Informationsgrenzen basieren, bieten genaue, zuverlässige und individualisierte Antworten auf Fragen. Umgekehrt können KI-basierte Chatbots, die große Sprachmodelle (LLM) wie GPT4 verwenden, mehrdeutige, offene Fragen behandeln und gleichzeitig die Privatsphäre wahren. Chatbots erleichtern individualisierte, portionierte Informationen, die die Kommunikation komplexer Informationen verbessern, die Privatsphäre und Unterstützungsbedürfnisse der Nutzer fördern und Personalherausforderungen angehen.<\/p>

GARDE-Chat, eine Open-Source-Plattform, wurde für die Risikobewertung auf Gesundheitssystemebene und Gentests auf erblichen Krebs am HCI etabliert. GARDE-Chat unterstützt skriptbasierte, hybride und KI-Chatbots. Vor diesem Pilotversuch wird GARDE-Chat verwendet, um einen Chatbot zu erstellen, der Antworten auf finanzielle Toxizität basierend auf dem SAFE-Toolkit-Inhalt und verifizierten Ressourcen für die skriptbasierte Version des Chatbots liefern soll. Eine große Sprachmodellkomponente des Chatbots wird für die Hybridversion integriert, die es Nutzern ermöglicht, komplexere und offene Fragen zu stellen, verfeinert durch Input von Community-Stakeholdern.<\/p>

Dies ist eine randomisierte, zweiarmige, parallelgruppige Pilotstudie, die ein neues Chatbot-Tool untersucht, das Krebspatienten und Pflegepersonen, insbesondere in ländlichen Gemeinden, unterstützen soll. Etwa 60 Teilnehmer werden im Verhältnis 1:1 randomisiert, um entweder mit einem hybriden Chatbot oder einem KI-fähigen Chatbot zu interagieren. Teilnehmer werden ihren zugewiesenen Chatbot nutzen, um klare und hilfreiche Informationen zu Versicherung, Reisekosten und anderen finanziellen Aspekten der Krebsversorgung zu erhalten. Eingeschriebene Teilnehmer werden drei Umfragen (Vorher-, Nachher- und 2-Wochen-Follow-up) ausfüllen und vor der Nachher-Umfrage mit dem Chatbot interagieren. Teilnehmer können zwischen der Nachher-Umfrage und dem 2-Wochen-Follow-up nach Belieben mit dem Chatbot interagieren. Teilnehmer werden Feedback zur Nützlichkeit, Benutzerfreundlichkeit und Gesamterfahrung mit dem Chatbot teilen und Vorher-Nachher-Messungen zur Bewertung der vorläufigen Wirksamkeit für sekundäre Ergebnisparameter abschließen. Alle Forschungsaktivitäten werden online durchgeführt.<\/p>

Studientyp

Interventionell

Einschreibung (Geschätzt)

60

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

  • Vereinigte Staaten
    • Utah
      • Salt Lake City, Utah, Vereinigte Staaten, 84112
        • Huntsman Cancer Institute/ University of Utah
        • Kontakt:
        • Hauptermittler:
          • Djin Tay, PhD, RN

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

Nein

Beschreibung

Einschlusskriterien:

  • Erwachsene (18 Jahre und älter)
  • Krebspatienten oder finanziell verantwortliche Betreuer von Krebspatienten, die:
  • Im Einzugsgebiet von fünf Bundesstaaten des Huntsman Cancer Institute leben (Utah, Idaho, Wyoming, Montana und Nevada),
  • In der Lage sind, Englisch zu lesen und zu schreiben, und
  • In einem ländlichen Gebiet leben, definiert durch die Angabe einer Postleitzahl, die als nicht-metropolitan (RUCA-Codes 4-10) gemäß den USDA Rural-Urban Commuting Area Codes klassifiziert ist.

Ausschlusskriterien:

  • Teilnehmer, die nicht in dieser 5-Bundesstaaten-Region leben – Das SAFE-Toolkit-Material wurde für die Patientenpopulation des Huntsman Cancer Institute entwickelt, das UT, ID, MT, WY und NV bedient
  • Teilnehmer, die nur Spanisch oder andere ausschließlich nicht-englischsprachige Gruppen sprechen – Das große Sprachmodell für den Chatbot wird in englischer Sprache entwickelt. Da das Training des Chatbots in nicht-englischen Sprachen nicht Teil des Umfangs dieser Studie ist, könnten Teilnehmer, die nicht in der Lage sind, Englisch zu lesen und zu schreiben, möglicherweise nicht geeignet sein. Daher werden wir keine Teilnehmer rekrutieren, die nur Spanisch oder andere ausschließlich nicht-englischsprachige Gruppen sprechen. Zukünftige Studien werden die Anpassung des Chatbots an andere Sprachen umfassen.
  • Betreuer, die nicht primär für die finanziellen Aspekte der Krebsversorgung der Patienten verantwortlich sind – Das Thema der finanziellen Belastung durch die Krebsversorgung könnte für Betreuer, die finanziell nicht in die Versorgung involviert sind, weniger relevant sein.
  • Nicht in ländlichen Gebieten lebend

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Unterstützende Pflege
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Sonstiges: Regelbasierter Chatbot
Die Teilnehmer, die diesem Arm randomisiert werden, werden gebeten, den regelbasierten Chatbot zu verwenden.
Sonstiges: Regelbasierter Chatbot

Der regelbasierte (skriptbasierte) SAFE.ai-Chatbot ist ein geführtes Konversationstool, das entwickelt wurde, um strukturierte, genaue und konsistente Informationen für ländliche Krebspatienten und Betreuer zu liefern, die unter krebsbedingter finanzieller Toxizität leiden.

Dieser Chatbot basiert auf dem Self-Advocacy for Financial Empowerment (SAFE)-Ressourcen-Toolkit, das gemeinsam mit einem Community Advisory Board (CAB) entwickelt wurde, das sich aus ländlichen Patienten, Betreuern, Pflegekräften und Finanznavigations-Experten aus dem Fünf-Staaten-Einzugsgebiet von HCI zusammensetzt. Alle skriptbasierten Antworten spiegeln Prioritäten wider, die während qualitativer Bedarfsanalyse-Sitzungen identifiziert wurden, und stellen sicher, dass die Inhalte kulturell mit den Erfahrungen ländlicher Patienten und realen finanziellen Herausforderungen übereinstimmen.

Der Chatbot folgt einem regelbasierten Entscheidungsbaum. Benutzer schreiten durch die Konversation voran, indem sie eine Antwort aus einer Reihe fester Optionen auswählen, die auf dem Bildschirm angezeigt werden. Dies stellt sicher, dass alle Inhalte klinisch geprüft, sicher, konsistent und mit evidenzbasierten Praktiken in Einklang sind.
Sonstiges: Hybrid-Chatbot
Die Teilnehmer, die dieser Gruppe randomisiert werden, werden gebeten, den hybriden Chatbot zu verwenden
Sonstiges: Hybrid-Chatbot

Der hybride SAFE.ai-Chatbot baut auf dem bestehenden regelbasierten System auf, indem er eine Large Language Model (LLM)-Schicht integriert, um flexiblere, offenere und konversationsorientiertere Interaktionen zu ermöglichen. Während der regelbasierte Chatbot strukturierte Gespräche über vordefinierte Inhalte führt, ermöglicht der hybride Ansatz Benutzern, komplexe oder personalisierte Fragen zur finanziellen Toxizität zu stellen.

Um Sicherheit und Genauigkeit zu gewährleisten, ist es dem hybriden Chatbot nicht gestattet, Antworten aus dem offenen Internet zu generieren.

Durch die Kombination der Konsistenz regelbasierter Logik mit der Anpassungsfähigkeit eines LLM ermöglicht der hybride Chatbot Benutzern, Folgefragen zu stellen, nuancierte finanzielle Situationen zu beschreiben, in ihren eigenen Worten um Klärung zu bitten und maßgeschneidertere Anleitungen zu erhalten, während gleichzeitig die Einhaltung der SAFE-Inhalte sichergestellt wird.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Bewertung der Hilfreichkeit eines einzelnen Artikels
Zeitfenster: bis zu 2 Wochen
Die Hilfreichkeit wird anhand eines 5-stufigen Likert-Skala-Items bewertet, dessen Antwortoptionen von Sehr unhilfreich (1) bis Sehr hilfreich (5) reichen. Die Gesamtpunktzahl liegt zwischen einem Minimum von 1 und einem Maximum von 5, wobei niedrigere Werte eine geringere wahrgenommene Hilfreichkeit und höhere Werte eine größere wahrgenommene Hilfreichkeit anzeigen.
bis zu 2 Wochen
System Usability Scale (SUS)
Zeitfenster: bis zu 2 Wochen
Die SUS ist eine 10-Punkte-Skala mit einem 5-stufigen Likert-Format (0 = stimme überhaupt nicht zu, 5 = stimme voll und ganz zu). Die Gesamtpunktzahl reicht von einem Minimum von 0 bis zu einem Maximum von 100, wobei niedrigere Werte auf eine geringere Benutzerfreundlichkeit und höhere Werte auf eine höhere Benutzerfreundlichkeit hindeuten.
bis zu 2 Wochen
Akzeptabilität der Interventionsmaßnahme (AIM)
Zeitfenster: bis zu 2 Wochen
Der AIM ist eine 4-Item-Skala mit 5-stufiger Likert-Skala (1 = stimme überhaupt nicht zu, 5 = stimme voll und ganz zu).
Die Gesamtpunktzahl reicht von einem Minimum von 4 bis zu einem Maximum von 20, wobei niedrigere Werte auf eine geringere Akzeptanz und höhere Werte auf eine höhere Akzeptanz hindeuten.
bis zu 2 Wochen
Chatbot-Benutzerzufriedenheit (CUS) - Zufriedenheits-Subskala
Zeitfenster: bis zu 2 Wochen
Die Zufriedenheits-Subskala des CUS-Maßes ist eine 5-Punkte-Likert-Skala (1 = stimme überhaupt nicht zu, 5 = stimme voll zu). Die Gesamtwerte liegen zwischen einem Minimum von 5 und einem Maximum von 25, wobei niedrigere Werte eine geringere Benutzerzufriedenheit und höhere Werte eine höhere Zufriedenheit anzeigen.
bis zu 2 Wochen
Test zum Vertrauen in automatisierte Systeme (TOAST)
Zeitfenster: bis zu 2 Wochen
Der TOAST ist eine 9-Item-7-Punkte-Likert-Skala (1 = stimme überhaupt nicht zu, 7 = stimme voll und ganz zu).
Die Gesamtpunktzahl liegt zwischen einem Minimum von 9 und einem Maximum von 63, wobei niedrigere Werte auf geringeres Vertrauen und höhere Werte auf höheres Vertrauen hinweisen.
bis zu 2 Wochen

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Selbstberichtete finanzielle Sorgen
Zeitfenster: bis zu 2 Wochen

Finanzielle Sorgen werden durch die COST-Bewertung (Comprehensive Score for Financial Toxicity) ermittelt. COST ist eine 12-Punkte-Skala mit 5-stufiger Likert-Skala (0=Überhaupt nicht bis 4=Sehr stark). Die Gesamtpunktzahl reicht von einem Minimum von 0 bis zu einem Maximum von 44, wobei niedrigere Werte auf eine schlechtere finanzielle Gesundheit und höhere Werte auf eine bessere finanzielle Gesundheit hinweisen.

Dieses Ergebnis wird den durchschnittlichen COST-Wert angeben.
bis zu 2 Wochen
Gesundheitsbezogene Lebensqualität (QOL)
Zeitfenster: bis zu 2 Wochen

Die gesundheitsbezogene Lebensqualität wird mit dem 36-Item Short-Form Health Survey (SF-36) bewertet. Der SF-36 verfügt über zwei Subskalen: die Physical Component Summary (PCS) und die Mental Component Summary (MCS). Jede Subskala reicht von 0 bis 100, wobei niedrigere Werte auf eine schlechtere Lebensqualität und höhere Werte auf eine bessere Lebensqualität hinweisen.

Dieses Ergebnis wird die durchschnittlichen PCS- und MCS-Werte berichten.
bis zu 2 Wochen
Selbstwirksamkeit bei der Bewältigung von Krebs
Zeitfenster: bis zu 2 Wochen

Die Selbstwirksamkeit im Umgang mit Krebs wird mit dem Cancer Behavior Inventory-Brief Version (CBI-B) Fragebogen bewertet. CBI-B ist ein 12-Punkte-Fragebogen mit einer 9-stufigen Likert-Skala (1=Überhaupt nicht selbstsicher bis 9=Völlig selbstsicher).

Die Gesamtpunktzahl des CBI-B reicht von 9 bis 108, wobei niedrigere Werte auf eine schlechtere Selbstwirksamkeit und höhere Werte auf eine bessere Selbstwirksamkeit hindeuten.
bis zu 2 Wochen
Psychosoziale Belastung
Zeitfenster: bis zu 2 Wochen

Psychosozialer Distress wird mit dem Patient Health Questionnaire-4 (PHQ-4) gemessen. Der PHQ-4 ist eine 4-Item, 4-Punkt-Likert-Skala (0 = Überhaupt nicht bis 3 = Fast jeden Tag).

Die Gesamtpunktzahl des PHQ-4 reicht von 0 bis 12, wobei niedrigere Werte weniger psychosozialen Distress und höhere Werte schwereren psychosozialen Distress anzeigen.
bis zu 2 Wochen
Nutzerengagement mit SAFE.AI
Zeitfenster: bis zu 2 Wochen
Die Nutzerbindung mit SAFE.AI wird mithilfe eines für die Bewertung von KI-Chatbots entwickelten Bindungsinstruments in einer Nachtest-Umfrage bewertet.
bis zu 2 Wochen

Mitarbeiter und Ermittler

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

Sponsor

University of Utah

Mitarbeiter

Huntsman Cancer Institute

Ermittler

  • Hauptermittler: Djin Tay, PhD, RN, Huntsman Cancer Institute/ University of Utah

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 (Geschätzt)

1. Juni 2026

Primärer Abschluss (Geschätzt)

1. Dezember 2027

Studienabschluss (Geschätzt)

1. Dezember 2027

Studienanmeldedaten

Zuerst eingereicht

31. Dezember 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

12. Februar 2026

Zuerst gepostet (Tatsächlich)

13. Februar 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

5. Juni 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

4. Juni 2026

Zuletzt verifiziert

1. Mai 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 193501

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 .

Abonnieren