El Gran Desconocido: Un Viaje Hacia el Efecto Transformador de la IA Generativa en las Profesiones Médicas
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Este estudio es un ensayo controlado aleatorio de grupos paralelos en varios países diseñado para evaluar si el acceso a un modelo de lenguaje grande (LLM) mejora la toma de decisiones clínicas de los médicos. El ensayo utiliza un marco de superioridad y compara médicos asignados aleatoriamente para completar viñetas clínicas estandarizadas con acceso a GPT-4o o sin ninguna asistencia de IA.
Las viñetas clínicas simulan condiciones comunes de atención primaria como enfermedades cardiovasculares, respiratorias, musculoesqueléticas, relacionadas con la fatiga e infecciosas. Cada viñeta incluye múltiples pasos en el proceso de razonamiento clínico, desde la toma inicial de historial hasta el diagnóstico, tratamiento y seguimiento. Las respuestas de los médicos se califican utilizando rúbricas desarrolladas a partir de guías de mejores prácticas específicas del contexto y basadas en evidencia.
El estudio se lleva a cabo en tres países: Indonesia, Kenia y los Países Bajos, que representan diferentes niveles de ingresos y contextos del sistema de salud. El resultado principal es el desempeño en las viñetas clínicas, definido como la adherencia a las guías de mejores prácticas. Los objetivos secundarios incluyen examinar la variación en el desempeño de los médicos entre países, la variación en las distribuciones de desempeño y el papel de la interacción con el LLM en la configuración de los resultados.
Tipo de estudio
Inscripción (Actual)
Fase
- No aplica
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
-
Jakarta, Indonesia
- Universitas Indonesia
-
-
-
-
-
Nairobi, Kenia
- Aga Khan University Hospital
-
-
-
-
-
Maastricht, Países Bajos
- Maastricht University
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Descripción
Criterios de inclusión:
- Médicos colegiados
- Formación en medicina interna o de familia
Criterios de exclusión:
- No ejerciendo actualmente en la práctica clínica
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Diagnóstico
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Único
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Sin intervención: Propio Conocimiento
El grupo no tendrá acceso a GPT-4 u otros recursos en línea
|
|
|
Comparador activo: GPT-4o
Grupo con acceso a GPT-4o
|
GPT-4o proporcionado a través de un iFrame en el entorno en línea de Qualtrics
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Puntuación de Porcentaje Correcto
Periodo de tiempo: Durante la Evaluación
|
Siguiendo a Peabody et al (2000), el resultado principal es un puntaje de porcentaje correcto en todos los pasos de una viñeta.
Esto se genera dividiendo la suma total ponderada de los elementos de la rúbrica evaluados como presentes por el número total de elementos de la rúbrica posibles en una viñeta.
Los elementos de la rúbrica serán ponderados en función de su relevancia por nuestro panel de expertos.
|
Durante la Evaluación
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Calidad Por Respuesta
Periodo de tiempo: Durante la Evaluación
|
Este resultado se genera como el peso promedio de los elementos de la rúbrica evaluados como presentes en las viñetas.
Como a cada elemento se le asigna un peso (0,33, 0,5, 1), el peso promedio es la suma de los pesos dividida por el número de respuestas marcadas como presentes.
|
Durante la Evaluación
|
|
Número de Respuestas
Periodo de tiempo: Durante la evaluación
|
Este resultado se genera como el recuento del número total de respuestas evaluadas como presentes por los revisores por viñeta
|
Durante la evaluación
|
|
Respuestas menos obvias
Periodo de tiempo: Durante la evaluación
|
Este resultado se genera como el número de respuestas dadas que son menos obvias, es decir, mencionadas con menor frecuencia por el grupo de control.
Si la respuesta es mencionada por el 25% o menos del grupo de control, se considera menos obvia.
|
Durante la evaluación
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Mark Levels, PhD, Maastricht University
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- ERCIC_572_25_04_2024
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
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. .