Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

ECR du chatbot CBT-I

10 février 2025 mis à jour par: Tim M. H. Li, Chinese University of Hong Kong

Efficacité d'un chatbot pour fournir une thérapie cognitivo-comportementale pour l'insomnie chez les jeunes : un essai contrôlé randomisé

L'insomnie est répandue chez les jeunes et elle est associée à la dépression et à d'autres troubles psychiatriques, ce qui entraîne un fardeau accru pour la santé mentale. La thérapie cognitivo-comportementale pour l'insomnie (TCC-I) est recommandée comme traitement de première intention de l'insomnie. Des outils numériques ont été utilisés pour automatiser les interventions en santé mentale, afin de lutter contre les facteurs dissuasifs tels que la pénurie de cliniciens, la disponibilité limitée des rendez-vous, le coût élevé et la stigmatisation de la recherche d'aide. La TCC-I numérique s'est avérée efficace dans le traitement de l'insomnie. La future intervention numérique intégrera une conception centrée sur le patient, la contribution des principales parties prenantes et de nouvelles compréhensions du changement de comportement. Les chatbots alimentés par l'intelligence artificielle (IA) sont utilisés dans différentes industries pour une meilleure expérience client. Le chatbot IA est également utilisé dans l'industrie de la santé mentale pour étendre les limites des interventions numériques, allant de l'hébergement de contenu didactique et informatif à la fourniture d'agents conversationnels interactifs, intelligents et, surtout, centrés sur le patient. Certains chatbots de santé mentale IA célèbres dans les sociétés occidentales ont été développés pour donner des commentaires personnalisés, répondre aux émotions exprimées par un utilisateur et encourager les utilisateurs à effectuer une intervention. Cette étude examinera l'effet d'un chatbot CBT-I sur l'insomnie afin de fournir des preuves supplémentaires sur le chatbot de santé mentale.

Aperçu de l'étude

Type d'étude

Interventionnel

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans à 35 ans (Adulte)

Accepte les volontaires sains

Oui

La description

Critère d'intégration:

  • obtenir un score de 8 ou plus sur l'indice de gravité de l'insomnie (ISI)
  • entre 18 et 35 ans
  • lire et taper le chinois
  • posséder un smartphone
  • avoir un accès Internet constant à leur smartphone

Critère d'exclusion:

  • avoir un diagnostic autodéclaré de tout trouble psychiatrique
  • ont pris des médicaments réguliers au cours du dernier mois
  • n'ont pas d'application(s) de messagerie instantanée seront exclus.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Traitement
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Seul

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Expérimental: Groupe d'intervention
Les interventions numériques peuvent alléger le fardeau mondial des troubles mentaux. Les faibles coûts d'installation et les barrières des plateformes en ligne rendent les interventions numériques très rentables. En utilisant Internet comme moyen de diffusion, de nombreuses personnes peuvent bénéficier d'un accès illimité à des informations d'auto-assistance. Contrairement aux interventions traditionnelles en face à face, les effets des interventions d'auto-assistance numérique sont évolutifs. L'étude actuelle tente d'étendre la frontière des interventions numériques, allant de l'hébergement de contenu didactique et informatif à la fourniture d'agents conversationnels interactifs, intelligents et, surtout, centrés sur le patient. Les chatbots IA peuvent fournir des recommandations et du matériel de formation appropriés aux utilisateurs en fonction de leur état de préparation comportemental, mental et motivationnel. Étant donné que les chatbots d'IA existants sont développés pour les sociétés occidentales, un chatbot chinois spécifique à la culture comblera les lacunes en matière de recherche et de service.
Aucune intervention: Groupe de contrôle
Contrôle de la liste d'attente

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
L'indice de gravité de l'insomnie (ISI)
Délai: 10-20 minutes
L'indice de gravité de l'insomnie (ISI) sera utilisé pour mesurer les symptômes d'insomnie le mois précédent. ISI comprend 7 éléments avec un format Likert à cinq points (0 = pas du tout à 4 = beaucoup). Le score total varie de 0 à 28. Un score ≥ 8 indique une insomnie cliniquement significative chez les adolescents chinois (sensibilité = 87%, spécificité = 75%). L'alpha de Cronbach et la fiabilité test-retest de l'ISI étaient respectivement de 0,83 et 0,79.
10-20 minutes

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Le questionnaire réduit Horne et Östberg Morningness and Eveningness (rMEQ)
Délai: 10-20 minutes
Le questionnaire réduit de Horne et Östberg Morningness and Eveningness (rMEQ) a été utilisé pour mesurer la préférence de chronotype. Le rMEQ se compose de 5 items où les 4 premiers items ont été notés de 1 à 5 tandis que le dernier item a été noté de 0 à 6. Le score total variait de 4 à 25. Trois types classés de chronotype étaient le soir (score < 12), le type intermédiaire (score 12-17) et le matin (score > 17). L'alpha de Cronbach et la fiabilité test-retest du rMEQ étaient respectivement de 0,70 et 0,77.
10-20 minutes
Le questionnaire de santé du patient-9 (PHQ-9)
Délai: 10-20 minutes
Le Patient Health Questionnaire-9 (PHQ-9) sera utilisé pour mesurer les symptômes de dépression au cours des deux dernières semaines. PHQ-9 comprend 9 items avec un format Likert à quatre points (0 = pas du tout à 3 = presque tous les jours). Le score total varie de 0 à 27. Un score ≥ 10 indique une dépression cliniquement significative dans la population chinoise (sensibilité = 88 %, spécificité = 88 %). L'alpha de Cronbach et la fiabilité test-retest du PHQ-9 étaient respectivement de 0,86 et 0,84.
10-20 minutes
Échelle des croyances et attitudes dysfonctionnelles à propos du sommeil (DBAS-16)
Délai: 10-20 minutes
L'échelle Dysfunctional Beliefs and Attitudes about Sleep (DBAS-16) est une version abrégée de l'échelle DBAS originale, elle évaluera les cognitions perturbatrices du sommeil. DBAS-16 comprend 16 items avec un format Likert en dix points (0 = fortement en désaccord à 10 = fortement en accord). Le score total est basé sur le score moyen de tous les items. Un score plus élevé reflète de plus grandes croyances dysfonctionnelles sur le sommeil. Un coefficient de corrélation de Pearson calculé entre les scores totaux a montré une corrélation significative, r(72) = 0,83, P <0,0001, suggérant une stabilité temporelle adéquate. Un test t apparié a révélé que le score total du DBAS-16 diminuait significativement de la première (moyenne = 4,95, SD = 1,35) à la seconde (moyenne = 4,57, SD = 1,48) administration. Les valeurs alpha de Cronbach de 0,77 (clinique) et 0,79 (recherche) indiquent une cohérence interne adéquate.
10-20 minutes
Indice d'hygiène du sommeil (SHI)
Délai: 10-20 minutes
L'indice d'hygiène du sommeil (SHI) est utilisé pour évaluer l'hygiène du sommeil. Chaque item est noté sur une échelle en cinq points allant de 0 (jamais) à 4 (toujours). Les scores totaux vont de 0 à 52, un score plus élevé représentant une mauvaise hygiène du sommeil. Alpha de Cronbach = 0,66 et fidélité test-retest (r = 0,71). La version chinoise de SHI montre une cohérence interne (α = 0,62, ω = 0,63) et une stabilité (fiabilité test-retest = 0,90).
10-20 minutes

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Estimé)

6 mars 2023

Achèvement primaire (Estimé)

31 décembre 2024

Achèvement de l'étude (Estimé)

31 janvier 2025

Dates d'inscription aux études

Première soumission

3 mars 2023

Première soumission répondant aux critères de contrôle qualité

3 mars 2023

Première publication (Réel)

15 mars 2023

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

25 mars 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

10 février 2025

Dernière vérification

1 février 2025

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

produit fabriqué et exporté des États-Unis.

Non

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 .

S'abonner