Encuesta de DHL sobre IA generativa para mensajería MyChart
12 de diciembre de 2023 actualizado por: Duke University
Duke Health escucha la encuesta sobre inteligencia artificial (IA) generativa para MyChart Messaging
El propósito de este estudio es comprender cómo se sienten los pacientes acerca del uso de programas informáticos para crear respuestas cuando envían mensajes electrónicos a sus médicos.
Descripción general del estudio
Estado
Terminado
Condiciones
Intervención / Tratamiento
Descripción detallada
- Los investigadores crearán encuestas breves en línea para preguntar a los pacientes cómo se sienten acerca del uso de programas informáticos que crean mensajes en sus registros médicos.
- Las encuestas mostrarán situaciones ficticias en las que los pacientes hacen preguntas y obtienen respuestas de personas reales o de programas de computadora, con o sin información sobre cómo se escribió la respuesta.
- Los investigadores pedirán a las personas que respondan la encuesta que compartan lo que piensan sobre estas situaciones utilizando herramientas como escalas de calificación, escalas de comparación o respuestas escritas.
- Si los pacientes lo desean, pueden proporcionar su información de contacto para ser parte de futuros grupos de discusión. Los participantes no tienen que proporcionar ninguna información personal para completar la encuesta.
Tipo de estudio
Intervencionista
Inscripción (Actual)
1454
Fase
- No aplica
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
North Carolina
-
Durham, North Carolina, Estados Unidos, 27710
- Duke University Health System
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Sí
Descripción
Criterios de inclusión:
- Miembro de la comunidad de defensa de pacientes de Duke Health Listens
Criterio de exclusión:
- Edad < 18
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Otro
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Único
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Otro: Brazo A
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo A recibe AHN en el envío 1, BAIC en el envío 2 y CHH en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
|
Otro: Brazo B
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo B recibe BHC en el envío 1, CAIH en el envío 2 y AAIN en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
|
Otro: Brazo C
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo C recibe CHC en el envío 1, AHH en el envío 2 y BAIN en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
|
Otro: Brazo D
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo D recibe AAIH en el envío 1, BHN en el envío 2 y CAIC en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
|
Otro: Brazo E
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo E recibe BAIH en el envío 1, CHN en el envío 2 y AHC en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
|
Otro: Brazo F
Cada brazo recibirá 3 escenarios clínicos espaciados en el tiempo en 3 envíos. Los 6 grupos (Brazos A-F) se organizarán con convenciones de nomenclatura como las siguientes:
El brazo F recibe CAIN en el envío 1, AAIC en el envío 2 y BHH en el envío 3 |
Usaremos un modelo de lenguaje grande como GPT 3.5 para generar automáticamente respuestas a mensajes ficticios para un médico.
Divulgaremos si el mensaje se generó utilizando esta tecnología o no.
Hay 3 escenarios clínicos y 6 pares de respuesta humana/IA y divulgación humana/divulgación de IA/no divulgado que pondrán a prueba las actitudes de los pacientes hacia esta tecnología.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Satisfacción del paciente, medida por encuesta
Periodo de tiempo: Hasta 2 semanas
|
Respuestas en escala Likert a la pregunta de satisfacción: "Estoy satisfecho con esta interacción", en una escala de 1 a 5 con opciones de respuesta de Totalmente en desacuerdo (1), En desacuerdo (2), Ni de acuerdo ni en desacuerdo (3), De acuerdo (4 ), y Totalmente de acuerdo (5).
|
Hasta 2 semanas
|
|
Actitudes de los pacientes hacia la utilidad, medidas por encuesta
Periodo de tiempo: Hasta 2 semanas
|
Respuestas en escala Likert a la pregunta de utilidad: "La información es útil", en una escala de 1 a 5 con opciones de respuesta de Totalmente en desacuerdo (1), En desacuerdo (2), Ni de acuerdo ni en desacuerdo (3), De acuerdo (4), y Totalmente de acuerdo (5).
|
Hasta 2 semanas
|
|
Empatía del paciente, medida por encuesta
Periodo de tiempo: Hasta 2 semanas
|
Respuestas en escala Likert a la pregunta de empatía: "Me siento cuidado durante esta interacción", en una escala del 1 al 5 con opciones de respuesta de Totalmente en desacuerdo (1), En desacuerdo (2), Ni de acuerdo ni en desacuerdo (3), De acuerdo ( 4), y Totalmente de acuerdo (5).
|
Hasta 2 semanas
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Investigador principal: Anand Chowdhury, MD, MMCi, Duke University
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
31 de octubre de 2023
Finalización primaria (Actual)
11 de diciembre de 2023
Finalización del estudio (Actual)
11 de diciembre de 2023
Fechas de registro del estudio
Enviado por primera vez
23 de octubre de 2023
Primero enviado que cumplió con los criterios de control de calidad
26 de octubre de 2023
Publicado por primera vez (Actual)
30 de octubre de 2023
Actualizaciones de registros de estudio
Última actualización publicada (Estimado)
13 de diciembre de 2023
Última actualización enviada que cumplió con los criterios de control de calidad
12 de diciembre de 2023
Última verificación
1 de octubre de 2023
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- Pro00113587
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Descripción del plan IPD
Los investigadores no recopilarán identificadores de pacientes individuales y se informarán datos agregados.
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .