Conception de Chatbot Persona pour la sensibilisation au dépistage du cancer du sein chez les femmes noires
Approche de conception centrée sur l'humain pour éliminer les disparités dans le dépistage du cancer du sein
Aperçu de l'étude
Statut
Les conditions
Description détaillée
L'objectif de cette étude est de déterminer la livraison optimale des messages initiaux du chatbot pour une sensibilisation culturellement adaptée au dépistage du cancer du sein. La méfiance à l'égard du système médical a été identifiée comme un obstacle important au dépistage par mammographie chez les femmes noires. Pourtant, bien qu'il existe des interventions sur mesure pour le dépistage du cancer du sein, la conception optimale d'une intervention sur mesure pour engendrer la confiance est inconnue. Il a été démontré que les chatbots augmentent les niveaux de confiance dans les informations Web, bien que l'adoption des chatbots puisse dépendre des caractéristiques des chatbots. Les chercheurs proposent d'utiliser la stratégie d'optimisation multiphase (MOST), un cadre pour développer des interventions efficaces, efficientes, évolutives et rentables, pour évaluer la performance des composants d'intervention du chatbot et leurs interactions.
La livraison du message chatbot sera systématiquement variée sur deux composants, chacun étant représenté par un facteur distinct dans la conception de l'étude factorielle 2x2x1 avec un bras de contrôle. Plus précisément, chaque participant sera assigné au hasard à l'une des cinq conditions expérimentales distinctes. Les conditions incluent : (1) chatbot avec un personnage de médecin de soins primaires et un style de communication directe ; (2) chatbot avec un personnage de survivante du cancer du sein et un style de communication directe ; (3) chatbot avec un personnage de médecin de soins primaires et un style de communication indirecte ; et (4) chatbot avec un personnage de survivante du cancer du sein et un style de communication indirecte. Tous les participants répondront à une enquête concernant leurs perceptions des messages de sensibilisation initiaux du chatbot.
Les principaux effets seront estimés des deux facteurs expérimentaux et de leurs interactions sur les principaux résultats de l'étude - la confiance dans le système de chatbot à utiliser pour l'éducation et la planification du dépistage du cancer du sein, et l'intention d'utilisation. Ces informations guideront la conception d'un personnage de chatbot optimisé qui atteint les principaux résultats.
Les participants seront inscrits s'ils sont des personnes noires éligibles au dépistage du cancer du sein résidant aux États-Unis et âgées de 40 à 74 ans. Le recrutement sera effectué sur Prolific, une plateforme de regroupement de participants en ligne, et Amazon Mechanical Turk (MTurk), une plateforme de crowdsourcing utilisée pour le recrutement de la recherche. Prolific sera utilisé compte tenu de la capacité de la plateforme à sélectionner la population de participants. Cependant, en raison du nombre limité d'individus dans les critères d'inclusion sur Prolific, et si nécessaire, des participants seront également recrutés sur MTurk. Les participants seront invités à consulter les messages du chatbot et à répondre aux questions pour évaluer la confiance, l'engagement et la franchise du chatbot.
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
Washington
-
Seattle, Washington, États-Unis, 98105
- University of Washington Medical Center
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
Toutes les femmes âgées de 40 à 74 ans :
- qui s'identifient comme noirs
Critère d'exclusion:
- Participants qui ne répondent pas au sondage
- Participants qui répondent à l'enquête en moins de la moitié du temps moyen normal
- Participants qui ne réussissent pas le test d'attention
Plan d'étude
Comment l'étude est-elle conçue ?
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Groupe 1
Personnalité du médecin de premier recours avec messages directs
|
Le personnage du chatbot est une femme noire qui est médecin de premier recours.
Les messages du chatbot sont caractérisés par des commandes et des adresses directes (''vous'').
|
|
Groupe 2
Persona de survivante du cancer du sein avec messages directs
|
Les messages du chatbot sont caractérisés par des commandes et des adresses directes (''vous'').
Le personnage du chatbot est une femme noire qui a survécu au cancer du sein.
|
|
Groupe 3
Médecin de premier recours avec messages indirects
|
Le personnage du chatbot est une femme noire qui est médecin de premier recours.
Les messages du chatbot sont caractérisés par des formes verbales modales subjonctives (''would like'') et des adresses coopératives (''we", "let's").
|
|
Groupe 4
Persona de survivante du cancer du sein avec messages indirects
|
Le personnage du chatbot est une femme noire qui a survécu au cancer du sein.
Les messages du chatbot sont caractérisés par des formes verbales modales subjonctives (''would like'') et des adresses coopératives (''we", "let's").
|
|
Groupe 5
Contrôle
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Confiance
Délai: Jour 1
|
L'échelle de confiance homme-machine évalue la confiance des utilisateurs, qui repose sur des construits de confiance similaires (bienveillance, compétence, réciprocité, risque perçu).
7 des 12 items ont été sélectionnés sur une échelle de Likert en 5 points allant de « Fortement en désaccord » à « Fortement en accord ».
|
Jour 1
|
|
Intention d'utilisation
Délai: Jour 1
|
Cette mesure évalue la probabilité d'utiliser ce système pour programmer une mammographie à l'avenir, et est notée sur une échelle de Likert à 5 points allant de « Très peu probable » à « Très probable ».
|
Jour 1
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Engagement
Délai: Jour 1
|
Cette mesure se compose de 4 échelles sémantiques différentielles évaluant les traits (important, intéressant, pertinent, chaleureux) sur une échelle de 7 points.
|
Jour 1
|
|
Franchise
Délai: Jour 1
|
Cette mesure se compose de 7 échelles sémantiques différentielles évaluant les traits (direct, amical, attentionné, direct, exigeant, respectueux, poli) sur une échelle de 7 points.
|
Jour 1
|
|
Expertise et homophilie
Délai: Jour 1
|
Ces 4 items mesurent l'expertise perçue et l'attitude du système sur une échelle de Likert en 5 points allant de « Fortement en désaccord » à « Fortement en accord ».
|
Jour 1
|
|
Connexion à la marque propre
Délai: Jour 1
|
Cette mesure se compose de 3 éléments pour évaluer la connexion à la marque de soi sur une échelle de Likert à 5 points allant de « Fortement en désaccord » à « Fortement en accord ».
|
Jour 1
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Leah Marcotte, MD, University of Washington
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- STUDY00011606
- 5P50CA244432 (Subvention/contrat des NIH des États-Unis)
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .