Tekoälyn integroidun sekoitetun todellisuuden perustavan korkean riskin lääkkeiden hallintasimulaatio-ohjelman tehokkuus (AIMR-HAM)
Tekoälyyn integroidun sekoitetun todellisuuden perustuvan korkean hälytysvalmiuden lääkkeiden hallintasimulaatio-ohjelman tehokkuus
Tämän kliinisen tutkimuksen tavoitteena on selvittää, auttaako tekoälyyn integroitu sekoitetun todellisuuden pohjainen korkean riskin lääkkeiden hallinnan simulaatio-ohjelma (AIMR-HAM) sairaalan hoitajia hallitsemaan korkean riskin lääkkeitä (HAM) turvallisemmin. Sekoitettu todellisuus yhdistää todellisia ja virtuaalisia elementtejä, jotta hoitajat voivat harjoitella realistisissa skenaarioissa.
Pääkysymykset ovat:
Parantaako AIMR-HAM hoitajien lääkkeiden turvallisuustaitoja? Vähentääkö AIMR-HAM lääkevirheitä ja parantaako se kliinistä suorituskykyä?
Tutkijat vertailevat kahta ryhmää vastatakseen näihin kysymyksiin:
Interventioryhmä: AIMR-HAM Kontrolliryhmä: vain perusopetus
Kuka voi osallistua:
Hoitajat, jotka työskentelevät suurissa sairaaloissa ja joilla on 1–6 vuoden kliininen kokemus.
Noin 60 hoitajaa osallistuu tutkimukseen.
Mikä osallistujien tehtävänä on:
Osallistua määrättyyn koulutukseen (AIMR-HAM tai vain perusopetus). Suorittaa lyhyitä testejä ja kyselyjä ennen ja jälkeen koulutuksen mitatakseen taitoja, viestintää ja kliinistä päättelykykyä.
Raportoida kaikki tutkimuksen aikana tapahtuvat lääkevirheet. Miksi tämä on tärkeää: Tutkimus osoittaa, voiko AIMR-HAM-koulutus parantaa hoitajien tapaa käsitellä HAM-lääkkeitä ja tehdä potilashoidosta turvallisempaa.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Tämä tutkimus arvioi, parantaako tekoälyyn integroitu sekoitetun todellisuuden perusteinen korkean riskin lääkkeiden hallinnan simulaatio-ohjelma (AIMR-HAM) sairaanhoitajien, joilla on 1–6 vuoden kliinistä kokemusta, korkean riskin lääkkeiden (HAM) hallintataitoja, kliinistä suorituskykyä (simulaatioon perustuvat havaittujen suoritusten arvioinnit), viestintää ja lääkevirheiden määrää. Tutkimuksen tavoitteena on arvioida AIMR-HAM:n tehokkuutta käytännön osaamisen ja potilasturvallisuuden parantamisessa todellisessa kliinisessä käytännössä.
Tutkimussuunnittelu ja satunnaistaminen Tutkimus on yksikeskuksinen, rinnakkaisryhmäinen, satunnaistettu kontrolloitu tutkimus, johon osallistuu noin 60 sairaanhoitajaa. Osallistujat satunnaistetaan 1:1 interventio- tai kontrolliryhmään tietokoneella generoidun satunnaistuskaavion avulla (esim. lohkosatunnaistus). Satunnaistuksen suorittaa itsenäinen datanhallinnan asiantuntija allokointikätkennän ylläpitämiseksi. Tulosten arvioijat ovat sokeutettuja ryhmäjakaumalle (arvioija-sokeutettu).
Interventio - AIMR-HAM (interventioryhmä)
Yleiskatsaus: Interventio yhdistää MR-lasipohjaista, skenaariovetoista käytännön harjoittelua.
Keskeiset osatekijät:
- Orientaatio
- Esikertaus
- AIMR-simulaatio
- Jälkikertaus
Tekninen huomio: MR-asetus integroi virtuaaliset elementit fyysiseen ympäristöön tarjoten visuaalisia ja auditiivisia vihjeitä; laitteen valmistaja/malli ja ohjelmistoversio voidaan määrittää protokollakentässä.
Kontrolliryhmä: Kontrolliryhmä saa sairaalan standardoidun lääkkeiden hallinnan koulutuksen (luennot, tapauskeskustelut ja työpajat). Aikataulu ja kokonaiskontaktiaika on sovitettu interventioryhmän kanssa ajan ja huomion kontrolloimiseksi.
Osallistujamenettelyt ja aikajana Tutkimuksen kulku on: seulonta → kirjallinen tietoon perustuva suostumus → perustaso (ennen interventiota) arviointi → satunnaistus → määrätty koulutus (MR + standardikoulutus tai vain standardikoulutus) → välitön koulutuksen jälkeinen arviointi → seuranta-arviointi (esim. 1 kuukausi koulutuksen jälkeen) → tutkimuksen päättyminen. Jokaisessa arviointipisteessä osallistujat suorittavat saman arviointisarjan, mikä mahdollistaa vertailun ajan kuluessa.
Datan keruumenetelmät
: Kliinistä suorituskykyä ja taitoja mitataan standardoiduilla suorituskykyluetteloilla ja havainnoijan arviointiasteikoilla simuloitujen arviointien aikana. Koulutetut arvioijat, jotka ovat sokeutettuja allokaatiolle, suorittavat nämä arvioinnit.
Itsearviointityökalut (luottamus, viestintä, kognitiivinen kuormitus) kerätään sähköisten tai paperisten kyselylomakkeiden kautta ja syötetään tutkimustietokantaan.
Lääkevirhetiedot kerätään sairaalan tapahtumaraportointijärjestelmästä ja osallistujien omista raporteista tutkimusjakson aikana; päällekkäiset raportit sovitetaan yhteen tarkistamalla ja luokittelemalla data.
MR-järjestelmä tallentaa automaattisesti osallistujien vuorovaikutuslokit (aikaleimat, toiminnot, päätöspisteet), joita voidaan käyttää täydentävinä analyysitietoina.
Analyysin yleiskatsaus
Ensisijaiset analyysit noudattavat aikomusten mukaan -periaatetta. Jatkuvia tuloksia (esim. osaamispisteet) verrataan t-testillä tai lineaariregressiolla; toistettuja mittauksia analysoidaan sekavaikutusmalleilla ottamaan huomioon osallistujakohtaiset korrelaatiot.
Binäärisiä tuloksia (esim. lääkevirheen esiintyminen) analysoidaan logistisella regressiolla tai riskiarvioilla.
Ennalta määritetyt kovariaatit (esim. perustasopisteet tai kliininen yksikkö) sisällytetään tarvittaessa säädeltyihin analyyseihin. Herkkyysanalyysit käsittelevät puuttuvaa dataa (esim. moninkertainen imputaatio) ja protokollapoikkeamia.
Turvallisuus ja eettisyys Tutkimus on saanut instituution eettisen toimikunnan (IRB) hyväksynnän. Kaikki osallistujat antavat kirjallisen tietoon perustuvan suostumuksen ennen osallistumista. Kaikki MR-käyttöön liittyvät epämukavuudet (kuten huimaus tai pahoinvointi) valvotaan ja hoidetaan protokollan mukaisesti; vakavat haittatapahtumat raportoidaan välittömästi IRB:lle ja sairaalan valvontaviranomaisille. Henkilötiedot anonymisoidaan tai salataan ja säilytetään rajoitetulla pääsyllä.
Laadunvarmistus ja luotettavuustoimenpiteet
Ohjaajat ja arvioijat saavat standardoidun koulutuksen varmistaakseen interventioiden johdonmukaisen toteutuksen ja tulosten pisteytyksen.
Satunnaistus, datan syöttö ja datan käsittely noudattavat vakiotoimintamenettelyjä. Dataa valvotaan säännöllisesti ja suoritetaan ajoittaisia laaduntarkistuksia; tarvittaessa voidaan suorittaa itsenäisiä datanlaatutarkastuksia.
Johtopäätös ja mahdollinen vaikutus Tämä tutkimus selvittää, johtaako AIMR-HAM mitattaviin parannuksiin sairaanhoitajien lääkkeiden hallinnan osaamisessa ja vähentääkö se lääkevirheitä verrattuna standardikoulutukseen. Tulokset voivat ohjata sairaaloiden koulutuskäytäntöjä ja tukea AIMR-HAM:n laajempaa käyttöönottoa kliinisten taitojen koulutuksessa.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Hwigon Jeon, Ph.D. student
- Puhelinnumero: +82-10-5121-0700
- Sähköposti: tjdans779@gmail.com
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällytyskriteerit:
Sairaanhoitajat, joilla on vähintään yksi kuuteen vuotta kliinistä kokemusta.
Ne, jotka ymmärtävät tämän tutkimuksen tarkoituksen ja menettelyt ja ovat antaneet kirjallisen suostumuksensa osallistua.
Ne, joilla ei ole fyysisiä tai kognitiivisia rajoituksia sekoitetun todellisuuden laitteiden käytössä.
③ Ne, jotka pystyvät kommunikoimaan koreaksi ja ymmärtävät ja vastaavat kysymyksiin.
Poissulkemiskriteerit:
Ne, jotka eivät halua osallistua tutkimukseen. ① Ne, jotka ovat osallistuneet korkean riskin lääkkeisiin liittyvään koulutukseen viimeisen kuuden kuukauden aikana.
Ne, jotka eivät pysty tai joilla on vaikeuksia osallistua sekoitetun todellisuuden koulutusohjelmaan näön, kuulon tai neurologisten vammojen tai haittavaikutusten, kuten huimauksen tai liikepahoinvoinnin, vuoksi.
- Ne, jotka vetäytyvät vapaaehtoisesti tutkimuksesta kesken kaiken.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Terveyspalvelututkimus
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Kolminkertaistaa
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Haara 1
Osallistujat saavat tekoälyyn integroidun, sekoitettua todellisuutta hyödyntävän korkean riskin lääkkeiden hallinnan simulaatio-ohjelman
|
Interventioryhmän osallistujat saavat tekoälyyn integroidun, sekoitettua todellisuutta hyödyntävän korkean riskin lääkkeiden hallintaohjelman simulaatio-ohjelman
|
|
Active Comparator: Ryhmä 2
Osallistujat saavat sairaalan standardimukaista lääkityksen hallinnan koulutusta
|
Osallistujat saavat sairaalan standardimukaista lääkityshoidon hallintaan liittyvää koulutusta (didaktisia luentoja, tapauskeskusteluja ja työpajoja)
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Korkean riskin lääkkeiden kliininen suorituskyky
Aikaikkuna: Alkutila, välittömästi interventiojärjestelyjen jälkeen
|
Korkean riskin lääkkeiden kliinisen suorituskyvyn kompetenssiarviointi käyttää tutkimusryhmämme kehittämää kyselylomaketta.
Työkalu koostuu 23 kysymyksestä, joista 4 vaihtelee simulaation etenemisen mukaan, jolloin lopullinen arviointi mittaa 19 kysymystä.
Jokainen kohde arvostellaan ohjaajan toimesta asteikolla 0 epäonnistumisesta tai virheellisestä suorituksesta, 1 riittämättömästä tai puutteellisesta suorituksesta ja 2 tarkasta suorituksesta.
Kehitetyt kohteet käyvät kuuden asiantuntijan arvioinnin ennen kuin niitä tarkistetaan ja täydennetään käyttöä varten.
Korkeammat pisteet osoittavat parempaa kliinistä suorituskykyä korkean riskin lääkkeiden kanssa.
|
Alkutila, välittömästi interventiojärjestelyjen jälkeen
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Globaali henkilökohtainen viestintäpätevyys
Aikaikkuna: Perustaso, välittömästi interventioiden jälkeen
|
Kommunikaatiokyvyn mittaamiseen käytetään Heo Kyung-hon (2003) kehittämää Globaalia interpersonaalisen kommunikaation kompetenssia (GICC) -mittaria, jota Lee Hyun-sook ja Kim Jong-gyeong (2010) ovat muokanneet ja täydentäneet.
Se koostuu 15 osiosta, joista jokainen arvioidaan 5-portaisella Likert-asteikolla (1 = ei lainkaan, 5 = erittäin paljon), jossa korkeammat pisteet osoittavat parempaa kommunikaatiokykyä.
Lee Hyun-sookin ja Kim Jong-gyeongin (2010) tutkimuksessa Cronbachin ⍺ oli .83.
|
Perustaso, välittömästi interventioiden jälkeen
|
|
Kliininen päättelyosaaminen
Aikaikkuna: Perustaso, välittömästi interventiojärjestelyiden jälkeen
|
Kliinistä päättelykykyä mitataan Bae et al. (2023) kehittämällä Clinical Reasoning Competency Scale (CRCS) -mittarilla.
Se koostuu 22:sta kohdasta, joista kukin arvioidaan 5-portaisella Likert-asteikolla vaihteluvälillä 1 (ei lainkaan) - 5 (erittäin paljon).
Korkeampi pistemäärä osoittaa parempaa kliinistä päättelykykyä.
Bae et al. (2023) tutkimuksessa Cronbachin ⍺ oli .92.
|
Perustaso, välittömästi interventiojärjestelyiden jälkeen
|
|
Lääkitysturvallisuuden osaaminen
Aikaikkuna: Alkutilanne, välittömästi interventioiden jälkeen
|
Lääkkeiden turvallisuuden osaamista mitataan Parkin ja Seomunin (2021) kehittämällä Lääkkeiden turvallisuuden osaamisasteikolla (MSCS).
Se koostuu 36 kohteesta ja kuudesta ala-asteikosta (potilaskeskeinen lääkehoidon hallinta, ongelmatilanteiden parantaminen, vaikuttavien tekijöiden hallinta, kriisitilanteiden hallinta, tieteenalojen välinen yhteistyö ja vastuu hoitoammattilaisena).
Jokainen kohde arvioidaan 5-portaisella Likert-asteikolla (1 = "ei lainkaan" - 5 = "erittäin paljon"), ja kokonaispistemäärä vaihtelee 36:sta enintään 180:een.
Korkeampi kokonaispistemäärä osoittaa korkeampaa lääkkeiden turvallisuuden osaamistasoa.
MSCS-asteikon luotettavuus oli Cronbachin α = .96.
|
Alkutilanne, välittömästi interventioiden jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Bae, J., Lee, J., Choi, M., Jang, Y., Park, C. G., & Lee, Y. J. (2023). Development of the clinical reasoning competency scale for nurses. BMC nursing, 22(1), 138. Elendu, C., Amaechi, D. C., Okatta, A. U., Amaechi, E. C., Elendu, T. C., Ezeh, C. P., & Elendu, I. D. (2024). The impact of simulation-based training in medical education: A review. Medicine, 103(27), e38813. Fernández-Alcántara, M., Escribano, S., Juliá-Sanchis, R., Castillo-López, A., Pérez-Manzano, A., Macur, M., Kalender-Smajlović, S., García-Sanjuán, S., & Cabañero-Martínez, M. J. (2025). Virtual Simulation Tools for Communication Skills Training in Health Care Professionals: Literature Review. JMIR Medical Education, 11(1), e63082. Frost, J., Delaney, L., & Fitzgerald, R. (2020). Exploring the application of mixed reality in nurse education. BMJ Simulation & Technology Enhanced Learning, 6(4), 214. Fu, Y., Hu, Y., & Sundstedt, V. (2022). A systematic literature review of virtual, augmented, and mixed reality game applications in healthcare. ACM Transactions on Computing for Healthcare (HEALTH), 3(2), 1-27. Gaffney, T. A., Hatcher, B. J., & Milligan, R. (2016). Nurses' role in medical error recovery: an integrative review. Journal of clinical nursing, 25(7-8), 906-917. Han, Y., Chen, J., Xu, Y., Huang, P., & Hou, L. (2024). Nurse-led medication management as a critical component of transitional care for preventing drug-related problems. Aging Clinical and Experimental Research, 36(1), 151. Hodkinson, A., Tyler, N., Ashcroft, D. M., Keers, R. N., Khan, K., Phipps, D., Abuzour, A., Bower, P., Avery, A., & Campbell, S. (2020). Preventable medication harm across health care settings: a systematic review and meta-analysis. BMC medicine, 18(1), 313. Jeon, H. G., & Jeong, H. W. (2025). Effectiveness of a Mixed Reality Simulation Program for Dyspnoea Care on New Nurses' Clinical Competency: A Mixed-Methods Study. Nurse Education in Practice, 104397. Mardani, A., Griffiths, P., & Vaismoradi, M. (202
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- CNUH-2025-435
- RS-2024-00345750 (Muu apuraha/rahoitusnumero: The National Research Foundation of Korea)
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .