Soporte de IA Bajo Demanda Mediante Asistente GPT Basado en LINE para Mejorar la Resiliencia Emocional y Reducir el Desgaste Profesional Entre Enfermeras Clínicas (Nurse-AI-CARE)

1. Diseño del Estudio y Mecanismo de Aleatorización Este estudio utiliza un Diseño de Intervención Paralelo Pre-Post. Para mejorar la validez interna, minimizar el sesgo de selección y tener en cuenta las características a nivel de unidad, se emplea un enfoque de Aleatorización por Conglomerados Estratificados. Las unidades clínicas se estratifican en tres niveles según la intensidad de trabajo evaluada: Alta Intensidad (por ejemplo, UCI y Urgencias), Intensidad Media (por ejemplo, salas médicas y quirúrgicas) y Baja Intensidad (por ejemplo, salas psiquiátricas y de rehabilitación). Dentro de cada estrato, la unidad de enfermería o sala sirve como conglomerado. Los conglomerados se asignan aleatoriamente (proporción 1:1) al Grupo de Intervención o al Grupo de Control, asegurando que todas las enfermeras dentro de una sola unidad pertenezcan al mismo brazo del estudio. El tamaño total de la muestra planificada es N=120, distribuido en aproximadamente 18 conglomerados. 2. Protocolo de Intervención (Período de 4 Semanas) El período de intervención abarca cuatro semanas (28 días). La herramienta principal es un modelo de diálogo GPT personalizado integrado con la plataforma de Cuenta Oficial LINE (LINE OA), ampliamente utilizada por la población objetivo. Grupo de Intervención (Soporte de IA Interactivo) Los participantes reciben una intervención diaria de dos partes: un mensaje push diario y acceso a una interacción bidireccional con IA. Se les anima a participar activamente en un diálogo de apoyo psicológico de forma libre con el asistente GPT de LINE. La lógica de respuesta de la IA se define rigurosamente mediante la Ingeniería de Prompt para centrarse en el estrés laboral clínico, el afrontamiento emocional y las estrategias de promoción de la resiliencia. Crucialmente, la IA está programada con barreras éticas para redirigir suavemente a los usuarios al eje del estrés clínico si se desvían a temas no relacionados con el trabajo o sensibles, y prohibir estrictamente la provisión de cualquier consejo médico, diagnóstico o terapéutico. Grupo de Control (Control de Mensajes Estáticos) Los participantes en el grupo de control reciben mensajes de texto estáticos diarios. Los temas del contenido son idénticos a los mensajes push recibidos por el grupo de intervención, pero el canal carece de cualquier capacidad de respuesta de IA interactiva. 3. Procedimientos del Estudio y Cronología de la Recopilación de Datos Todo el estudio abarca un mínimo de seis semanas, estructurado en tres fases distintas. El proceso comienza en las Semanas 1-2 con el reclutamiento y la evaluación basal. Tras el consentimiento informado, los participantes se orientan a la plataforma del estudio (LINE OA) y completan el Cuestionario Pre-Test. Esta evaluación basal, que toma aproximadamente 25-30 minutos, captura todas las variables demográficas/ocupacionales y las puntuaciones iniciales de todas las escalas de resultados primarias y secundarias (ProQOL, GSE, PSS-10, BRS). Inmediatamente después de la evaluación basal, comienza el período de intervención de 4 semanas, que abarca aproximadamente desde la Semana 3 hasta la Semana 6. A lo largo de este período, tanto el grupo de intervención como el de control reciben sus respectivos mensajes diarios. Para rastrear la participación y experiencia subjetiva, todos los participantes deben completar semanalmente un breve "Formulario Simple de Retroalimentación del Uso de IA", que toma aproximadamente 5 minutos. Al completar las cuatro semanas, el estudio entra en la fase Post-Test al final de la Semana 6. Todos los participantes completan la misma batería de escalas de resultados (nueva medición de ProQOL, GSE, PSS-10, BRS) y el Cuestionario de Satisfacción del Uso de IA. Al Grupo de Intervención se le solicita adicionalmente completar un Cuestionario de Retroalimentación Abierta para proporcionar datos cualitativos ricos sobre su experiencia con el asistente GPT. 4. Plan de Análisis Estadístico Los datos se anonimizarán utilizando ID de estudio únicos antes del análisis. Debido a la aleatorización por conglomerados estratificados, el análisis empleará métodos adecuados para estructuras de datos agrupados para tener en cuenta la Correlación Intracluster (ICC). El Análisis Primario utilizará Ecuaciones de Estimación Generalizadas (GEE) para modelar el cambio en los resultados a lo largo del tiempo, probando específicamente la interacción "Tiempo $\times$ Grupo" para evaluar el efecto de la intervención. La unidad de enfermería/sala se especificará como la variable de conglomerado en el modelo GEE. Los Modelos Lineales de Efectos Mixtos (LMM) pueden usarse para análisis complementarios o de sensibilidad. Covariables como la antigüedad en enfermería y los niveles de estrés basal se incluirán en los modelos para ajuste y análisis exploratorio. Los datos cualitativos de la retroalimentación abierta se analizarán mediante Análisis de Contenido para categorizar los temas emergentes.