Educación Móvil Integrada con IA y Autogestión en Hemodiálisis (AI-MOBI-HEMODI)

Este ensayo controlado aleatorizado tiene como objetivo evaluar la eficacia de una aplicación móvil educativa con soporte de Inteligencia Artificial diseñada para mejorar los comportamientos de autocuidado, las prácticas de cuidado de la fístula arteriovenosa (FAV) y los parámetros bioquímicos clave entre pacientes adultos en hemodiálisis (HD). La Enfermedad Renal Crónica (ERC) y su terapia de reemplazo renal más común, la hemodiálisis, imponen una carga física, psicológica y socioeconómica sustancial a los pacientes. Los pacientes en HD experimentan frecuentemente fatiga, dolor, calambres, alteraciones del sueño, desafíos de sed y restricción de líquidos, limitaciones dietéticas, complicaciones relacionadas con la FAV y angustia emocional. Estas dificultades destacan la importancia de fortalecer las capacidades de autocuidado de los pacientes y promover la participación activa en el manejo de la enfermedad.

A pesar de la prevalencia de las tecnologías de salud móvil (mHealth) en el manejo de enfermedades crónicas, las aplicaciones existentes para pacientes en HD siguen siendo limitadas, y ninguna ha integrado un soporte educativo personalizado basado en inteligencia artificial. La ausencia de educación al paciente impulsada por IA representa una brecha significativa en la ciencia de enfermería y la innovación en salud digital. Este proyecto aborda esa brecha mediante el desarrollo y prueba de un programa educativo móvil estructurado y basado en evidencia, apoyado por inteligencia artificial, diseñado específicamente para pacientes en HD.

El estudio incluirá a 76 pacientes elegibles en hemodiálisis del Hospital Estatal de Bitlis y del Hospital Estatal de Tatvan en Bitlis. Los participantes serán asignados aleatoriamente al grupo de intervención o al grupo de control mediante aleatorización simple. El grupo de intervención tendrá acceso a la aplicación móvil con soporte de IA durante seis semanas, que incluye módulos sobre función renal, ERC y opciones de tratamiento, manejo de síntomas, adherencia dietética, manejo de líquidos, adherencia al tratamiento y cuidado de la FAV. Cada módulo incorpora contenido escrito, videos, elementos visuales, funciones de lectura con soporte de voz y una función integrada "Hacer una Pregunta" que permite a los pacientes comunicarse directamente con el equipo de investigación. El grupo de control recibirá la atención clínica de rutina sin intervención adicional.

El componente de inteligencia artificial ayudará con la personalización del contenido, el seguimiento de la participación del paciente, el almacenamiento de datos, los recordatorios automatizados para usuarios no activos y la retroalimentación de apoyo basada en el progreso de aprendizaje y las tendencias bioquímicas. El desarrollo de la aplicación móvil será guiado por las opiniones de expertos de especialistas en nefrología, enfermeras de diálisis, académicos y dietistas. La legibilidad de los materiales educativos se evaluará utilizando la Fórmula de Legibilidad de Ateşman. Se realizará un estudio piloto previo al ensayo para evaluar la usabilidad utilizando el Inventario de Análisis y Medición Web (WAMMI).

La recolección de datos incluirá un Formulario de Identificación del Paciente, la Escala de Comportamiento de Autocuidado de la Fístula Arteriovenosa en Hemodiálisis, la Escala de Autogestión en Hemodiálisis y un Formulario de Seguimiento de Parámetros Bioquímicos. Los datos del pre-test se recopilarán antes de la intervención; los datos del post-test se recopilarán al final del período de intervención de seis semanas. Los parámetros bioquímicos incluirán BUN, creatinina, albúmina, potasio, fósforo, hemoglobina, niveles de ácido úrico, Kt/V y peso seco, obtenidos de los registros clínicos de rutina sin muestreo de sangre adicional.

Los resultados primarios evaluarán los cambios en los comportamientos de autocuidado y autogestión basados en escalas validadas. Los resultados secundarios examinarán los cambios en los parámetros bioquímicos entre los grupos de intervención y control. El análisis de datos se realizará utilizando SPSS, empleando estadísticas descriptivas, pruebas de normalidad y pruebas de comparación estadística apropiadas, con significancia establecida en p < 0,05.

Se obtendrá la aprobación ética del comité de ética institucional correspondiente, y se obtendrá el consentimiento informado por escrito de todos los participantes. La confidencialidad de los datos se garantizará mediante sistemas de inicio de sesión cifrados y procesos de almacenamiento seguros.

Se espera que este ensayo contribuya significativamente a la literatura científica al ser la primera intervención educativa móvil con soporte de IA adaptada para pacientes en hemodiálisis. Los beneficios anticipados incluyen la mejora de los comportamientos de autocuidado, el aumento de la autonomía del paciente, la reducción de complicaciones de la FAV, una mejor adherencia a las restricciones dietéticas y de líquidos, y la mejora de los resultados bioquímicos. Los impactos más amplios del proyecto incluyen la posible reducción de las tasas de hospitalización, la disminución de los costos sanitarios, el aumento de la calidad de vida de los pacientes en HD y el establecimiento de un modelo digital que pueda adaptarse para otras poblaciones con enfermedades crónicas.

En última instancia, este estudio tiene como objetivo demostrar que la integración de la inteligencia artificial con la educación en salud móvil puede crear un enfoque transformador para el empoderamiento del paciente, la atención clínica y el manejo de enfermedades crónicas dentro del campo de la nefrología y la enfermería.