Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Gen AI -pohjaisen ravitsemuskäyttöliittymärobotin käytettävyyden arviointi raskaana oleville naisille

keskiviikko 4. maaliskuuta 2026 päivittänyt: Dr Bronya LUK Hi Kwan, Hong Kong Metropolitan University

Raskausikäisten naisten Gen AI -pohjaisen ravintoneuvontachatbotin käytettävyyden arviointi: Pilottitutkimus kvasi-eksperimentaalisella menetelmällä

Tausta: Raskaus asettaa merkittäviä fyysisiä vaatimuksia, ja komplikaatiot kuten raskausdiabetes (GDM) ja pre-eklampsia aiheuttavat vakavia riskejä. Ravinto on ratkaisevan tärkeää lievittämiseen, mutta luotettavan ohjauksen saaminen on edelleen haastavaa. Tämä tutkimus arvioi tekoälychatbotin käytettävyyttä ravinto-ohjauksen tarjoajana näiden tilojen hallinnassa.

Menetelmät: Kvasikokeellisessa suunnittelussa 100 raskaana olevaa naista valitsee itse joko interventioryhmään (n=50, käyttäen tekoälychatbotia) tai kontrolliryhmään (n=50, saaden standardihoidon). Ensisijainen lopputulos on käytettävyys, mitattuna System Usability Scale (SUS) -asteikolla 12 viikon kohdalla, odotetulla keskiarvon erolla ≥13 pistettä. Toissijaisia lopputuloksia ovat teknologian hyväksyntä (Technology Acceptance Model), käyttäjien sitoutuminen, tiedon tarkkuus sekä muutokset ravintotiedossa/käyttäytymisessä. Kvantitatiivista dataa analysoidaan käyttäen intention-to-treat -periaatetta ja t-testejä. Puolistrukturoituja haastatteluja 20 osallistujan kanssa tutkii käyttäjäkokemuksia teema-analyysin kautta.

Odotetut tulokset: Tekoälychatbotin odotetaan osoittavan parempaa käytettävyyttä ja korkeaa käyttäjähyväksyntää (TAM >5.0/7), parannuksineen ravintotiedossa ja käyttäytymisessä. Laadulliset havainnot tarjoavat näkemyksiä hyödyistä, esteistä ja sitoutumistekijöistä.

Päätelmä: Tämä tutkimus luo todistusaineistoa tekoälychatbotin käytettävyydestä ja hyväksynnästä ennen synnytystä tapahtuvassa ravitsemusohjauksessa, ohjaten työkalun optimointia ja tulevia laajamittaisia kokeita.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Tavoitteet: Tämän tutkimuksen ensisijainen tavoite on arvioida ravitsemus-älytekoäly-chatbotin käytettävyyttä raskaana oleville naisille vertaamalla System Usability Scale (SUS) -pisteitä interventio- ja kontrolliryhmien välillä. Toissijaisia tavoitteita ovat teknologian hyväksynnän arviointi (Technology Acceptance Model), sitoutumismallit, tiedon laatu (tarkkuus, ymmärrettävyys, johdonmukaisuus) ja ravitsemustiedon muutokset.

Suunnittelu: Käytetään kaksirinnakkaista kvasi-eksperimentaalista suunnittelua (kumpikin ryhmä n=50). Itsevalinnalla osallistujat valitsevat joko interventioryhmään (pääsy älytekoäly-chatbotiin plus rutiinihuolto) tai kontrolliryhmään (pääsy standardoituun WeChat-informaatioon plus rutiinihuolto). Kaikkien osallistujien rutiinihuolto sisältää tavanomaiset ennen synnytystä tapahtuvat klinikkakäynnit ja painetut ravitsemusmateriaalit.

Kontrolliryhmän WeChat-palvelua hoitaa koulutettu tutkimusavustaja käyttäen ennalta määriteltyä käsikirjoitusta kahden päivittäisen aikavälin aikana, tarjoten tietoa virallisten ravitsemuslehtisten lainauksista. Tämä eristää tiedonjakotavan (älytekoäly vs. ihmisen helpottama viestintä) pääasialliseksi muuttujaksi.

Osallistujat: Sisällyttämiskriteerit: raskaana olevat naiset ikä ≥18 vuotta, kyky suostumukseen, älypuhelimen omistus internet-yhteydellä. Pois sulkemiskriteerit: osallistuminen muihin ravitsemusinterventioihin tai vakavat mielenterveyden häiriöt, jotka haittaavat teknologian käyttöä. Tarkoituksenmukainen aliosuus 20 osallistujasta (10 per ryhmä) suorittaa laadulliset haastattelut.

Otoskoko: Perustuen odotettuun keskimääräiseen SUS-pisteeseen 78 (SD=12) interventioryhmässä ja 65 (SD=15) kontrolliryhmässä (Cohenin d=0,95), tarvitaan 23 osallistujaa per ryhmä 90 %:n testivoimalle alfa=0,05. Ottaen huomioon 50 %:n luopumisen, rekrytoidaan 50 osallistujaa per ryhmä. Taipumuspistemallinnusta sovelletaan vähentämään valintaharhaa käyttäen muuttujia kuten ikä, raskauden kesto, synnytysten määrä, koulutus ja teknologian peruskäyttö.

Mittaaminen: Ensisijainen lopputulos, käytettävyys, mitataan System Usability Scale (SUS) ja Chatbot Usability Questionnaire (CUQ) -työkaluilla 12 viikon kohdalla. Teknologian hyväksyntä arvioidaan Technology Acceptance Model (TAM) -mallilla. Ravitsemustieto arvioidaan alussa ja 12 viikon kohdalla käyttäen 15-kysymyksistä kyselylomaketta ja FIGO Nutrition Checklist -työkalua. Tiedon tarkkuus ja johdonmukaisuus arvioidaan asiantuntijaryhmän arvioimalla 150 chatbot-vastausta ja toistamalla 20 testikysymyksen lähettäminen. Sitoutuminen analysoidaan sovelluksen käyttölokeista mittaamalla sitoutumista, intensiteettiä ja jatkuvuutta. Puolistrukturoiduilla haastatteluilla tutkitaan käyttäjäkokemuksia syvällisesti.

Datan analysointi: Kvantitatiivista dataa analysoidaan intention-to-treat -periaatteella. Ensisijainen analyysi vertaa ryhmien keskiarvoisia SUS-pisteitä käyttäen riippumattomia näytteitä t-testejä, vaikutuskoot laskettuna Cohenin d:llä. Toissijaisia lopputuloksia analysoidaan vastaavilla menetelmillä, suhteille käyttäen khiin neliö -testejä ja ravitsemustiedon muutospisteille lineaarisia sekamalleja. Puuttuvaa dataa käsitellään moninkertaisella imputaatiolla. Laadulliset haastattelunauhoitteet analysoidaan temaattisella analyysillä kaksoisriippumattomalla koodauksella.

Tutkimusaikataulu: Osallistujat rekrytoidaan 6 kuukauden aikana, ja jokainen osallistuja suorittaa 12 viikon interventio- ja seurantajakson.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

100

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

  • Nimi: Bronya Luk, DHSc
  • Puhelinnumero: +852 39708758 +852 39708758
  • Sähköposti: bluk@hkmu.edu.hk

Opiskelupaikat

  • Hong Kong
      • Hong Kong, Hong Kong
        • Hong Kong Metropolitan University
        • Ottaa yhteyttä:

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Kuvaus

Osallistumiskriteerit:

  • Raskaana olevat naiset, jotka ovat 18-vuotiaita tai vanhempia
  • Kyky antaa tietoon perustuva suostumus tutkimuksen kielellä
  • Omistaa älypuhelimen internet-yhteydellä ja WeChat-sovelluksella

Poissulkemiskriteerit:

  • Nykyinen osallistuminen muihin ravitsemusinterventiotutkimuksiin
  • Vakavat mielenterveyden häiriöt, jotka voivat heikentää teknologian käyttöä tai kykyä antaa tietoon perustuva suostumus

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Tukevaa hoitoa
  • Jako: Ei satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Interventioryhmä
Interventioryhmä pääsee käsiksi ravitsemus-tekoälychattiin.
Käyttäytyminen: kulttuurisesti räätälöity ravitsemustekninen tekoälychatbot raskaana oleville naisille
Raskauden aikana kulttuurillisesti räätälöity ravitsemus-AI-chatbot naisille, ja AI-chatbot-tuki on saatavilla 24/7
Ei väliintuloa: Kontrolliryhmä
Kontrolliryhmä saa rutiinihoidon lisäksi pääsyn standardoituun WeChat-tietopalveluun. Reilun vertailun varmistamiseksi kontrolliryhmän WeChat-palvelua hallinnoi koulutettu tutkimusavustaja käyttäen ennalta määriteltyä skriptiä ja protokollaa. Avustaja vastaa kyselyihin kahdessa ennalta sovitussa ikkunassa päivässä (esim. 10:00-12:00 ja 14:00-16:00) tarjoamalla tietoja suoraan lainaten tai parafraasaamalla virallisista ravintoesitteistä.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
System Usability Scale (SUS)
Aikaikkuna: 12 viikkoa
Käytettävyyttä arvioidaan käyttöjärjestelmän käytettävyysasteikolla (SUS), joka on 10 kohdan kysely viisiportaisilla Likert-vastauksilla. SUS tuottaa kokonaisarvon, joka vaihtelee välillä 0–100, ja korkeammat pisteet osoittavat parempaa koettua käytettävyyttä. Pisteitä verrataan ryhmien välillä 12 viikon kohdalla.
12 viikkoa

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Keskimääräinen pistemäärä Teknologian Hyväksymismallin (TAM) kyselylomakkeella
Aikaikkuna: 12 viikkoa
Teknologian hyväksyntä arvioidaan käyttäen Teknologian Hyväksymismallin (TAM) kyselylomaketta. Tämä 12-kohdainen mittari mittaa kahta osa-aluetta: koetun hyödyn (6 kohdetta) ja koetun helppokäyttöisyyden (6 kohdetta). Jokainen kohde arvioidaan 7-pisteisellä Likert-asteikolla, joka vaihtelee arvosta 1 (täysin eri mieltä) arvoon 7 (täysin samaa mieltä). Osa-alueiden pisteet lasketaan kunkin osa-alueen kohteiden keskiarvona, jossa korkeammat pisteet osoittavat suurempaa koettua hyötyä tai helppokäyttöisyyttä.
12 viikkoa
Osallistujien osuus, jotka saavuttavat riittävän sitoutumisen ja noudattamisen
Aikaikkuna: 12 viikkoa
Osallistumisen sitoutumista mitataan sovelluksen käyttölokeista. Riittävä sitoutuminen määritellään käyttämällä alustaa vähintään 3 päivää viikossa vähintään 10 viikon ajan 12 viikon interventiojakson aikana. Tämän kynnyksen täyttävien osallistujien osuus raportoidaan.
12 viikkoa
Keskimääräinen määrä alustalle kirjautumisia viikossa
Aikaikkuna: 12 viikkoa
Osallistumisen intensiteettiä mitataan sovelluksen käyttölokeja hyödyntäen. Kunkin osallistujan keskimääräinen kirjautumismäärä viikossa lasketaan 12 viikon interventiojakson ajalta ja raportoidaan ryhmän keskiarvona.
12 viikkoa
Keskimääräinen kyselyjen määrä osallistujaa kohden
Aikaikkuna: 12 viikkoa
Osallistumisen intensiteettiä arvioidaan myös kunkin osallistujan 12 viikon interventiojakson aikana alustalle lähettämien kyselyjen (kysymysten tai pyyntöjen) kokonaismäärän perusteella, joka ilmoitetaan ryhmän keskiarvona.
12 viikkoa
Kliinisen asiantuntijapaneelin tarkkuutena arvioimien chatbot-vastausten osuus
Aikaikkuna: 12 viikkoa
Klinisten asiantuntijoiden paneeli arvioi 150 chatbot-vastauksen näytteen tarkkuuden. Vastaukset luokitellaan tarkoiksi tai epätarkoiksi nykyisten kliinisten suositusten mukaisesti. Tarkkoina arvioitujen vastausten osuus raportoidaan.
12 viikkoa

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Hong Kong Metropolitan University

Tutkijat

  • Päätutkija: Bronya Luk, DHSc, School of Nursing and Health Sciences, Hong Kong Metropolitan University

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Hyödyllisiä linkkejä

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Arvioitu)

Maanantai 1. kesäkuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Sunnuntai 31. tammikuuta 2027

Opintojen valmistuminen (Arvioitu)

Sunnuntai 31. tammikuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 24. helmikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 4. maaliskuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Maanantai 9. maaliskuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 9. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 4. maaliskuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muita asiaankuuluvia MeSH-ehtoja

Muut tutkimustunnusnumerot

  • HE-RD/2025/2.34 (Muu tunniste: Hong Kong Metropolitan University)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Osallistujien allekirjoittama tietoon perustuva suostumuslomake ei sisältänyt määräyksiä yksilötason tietojen julkisesta jakamisesta. Lisäksi [Eettisen toimikuntasi/IRB:n nimi] myöntämä eettinen hyväksyntä asettaa rajoituksia tietojen levittämiselle osallistujien luottamuksellisuuden suojelemiseksi. Siksi julkaistaan vain yhdistettyjä ja anonymisoituja tuloksia.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

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 .

Kliiniset tutkimukset Diabetes, raskausaika

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Saudi Arabia

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

Tilaa