- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06456853
Comparaison des visuels de notation de la douleur générés par l'IA avec l'échelle visuelle analogique (EVA) pour l'évaluation de la douleur
Cette étude prospective sera menée dans les services de chirurgie, évaluant les patients postopératoires. Dans un premier temps, les patients seront évalués à l'aide de la méthode VAS. Par la suite, ils verront cinq images générées par l’IA illustrant différents niveaux de douleur et sélectionneront l’image qui représente le mieux leur douleur. Une enquête de suivi évaluera l'efficacité de chaque méthode.
À l'aide de ChatGPT-4/DALL-E, des images correspondant aux scores VAS de 1-2, 3-4, 5-6, 7-8 et 9-10 seront créées. Les patients choisiront l'image qui décrit le mieux leur douleur, dans le but de déterminer si les visuels basés sur l'IA offrent une alternative plus précise à l'EVA pour l'évaluation de la douleur.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Objectif de l'étude L'objectif principal de cette étude est de comparer et d'évaluer l'efficacité des visuels de douleur générés par l'IA pour aider les patients à exprimer leurs niveaux de douleur avec l'échelle visuelle analogique (EVA). En permettant aux patients de décrire plus précisément leur douleur grâce à des visuels basés sur l'IA, l'étude vise à améliorer les pratiques de gestion de la douleur en milieu clinique.
Importance de l'étude La gestion de la douleur est un élément essentiel des soins de santé, ayant un impact direct sur le bien-être des patients et la réussite du traitement. L'EVA est un outil largement utilisé pour l'évaluation subjective de la douleur, mais peut s'avérer difficile pour certains patients en raison de sa nature abstraite. Les visuels générés par l’IA offrent aux patients un moyen potentiellement plus précis et compréhensible de communiquer leur douleur, conduisant potentiellement à des évaluations et à une gestion plus précises et personnalisées de la douleur.
Cette étude vise à mesurer la contribution des visuels de la douleur générés par l'IA à une évaluation plus précise de la douleur et à explorer les applications potentielles de cette technologie. De plus, l'étude cherche à comprendre les avantages et les limites de cette approche par rapport aux méthodes traditionnelles comme le VAS, renforçant ainsi le rôle de l'IA dans les pratiques de gestion de la douleur.
Avantages et risques attendus
Bénéfices attendus:
Expression améliorée de la douleur : les visuels générés par l’IA peuvent aider les patients à exprimer leur douleur plus clairement, conduisant ainsi à une meilleure gestion de la douleur en milieu clinique.
Approches de traitement personnalisées : Une expression améliorée de la douleur peut offrir aux prestataires de soins de santé la possibilité de créer des plans de traitement plus personnalisés, particulièrement bénéfiques pour les patients souffrant de douleur chronique.
Prise de décision clinique améliorée : l'utilisation de visuels d'IA peut faciliter des évaluations de la douleur plus objectives et reproductibles, améliorant ainsi les stratégies globales de gestion de la douleur.
Riques potentiels:
Risque de mauvaise interprétation : les visuels générés par l'IA peuvent mal interpréter la douleur du patient dans certains cas, en particulier si les visuels sont trompeurs ou complexes.
Dépendance à l’égard de la technologie : Une dépendance excessive à l’égard des outils d’IA peut négliger l’importance du jugement humain et la nature subjective de l’évaluation de la douleur.
Conception de l'étude Cette étude prospective sera menée dans des services de chirurgie, évaluant les patients postopératoires. Dans un premier temps, les patients seront évalués à l'aide de la méthode conventionnelle VAS, qui consiste à noter leur douleur sur une échelle de 0 à 10. Par la suite, les patients verront cinq images générées par l'IA illustrant différents niveaux de douleur et seront invités à sélectionner l'image qui représente le mieux leur douleur. Une enquête de suivi évaluera quelle méthode les patients ont trouvée la plus efficace pour exprimer leur douleur.
Notation VAS :
Les patients marqueront leur niveau de douleur sur une ligne allant de 0 (aucune douleur) à 10 (pire douleur).
Visuels générés par l'IA :
À l'aide de ChatGPT-4/DALL-E, des images correspondant aux scores VAS de 1-2, 3-4, 5-6, 7-8 et 9-10 seront créées. Ces images représenteront spécifiquement des expressions faciales reflétant les niveaux de douleur respectifs. Les patients choisiront l’image qui décrit le mieux leur douleur.
Cette étude vise à déterminer si les visuels pris en charge par l'IA offrent une alternative plus précise et plus conviviale à la notation EVA traditionnelle pour l'évaluation de la douleur.
Descriptions des scores VAS Score VAS 1-2 : Un homme d'âge moyen montrant des signes de léger inconfort.
Score VAS 3-4 : Une jeune athlète féminine sur un terrain de football exprimant une douleur modérée.
Score VAS 5-6 : un homme dans une cuisine présentant une douleur intense due à une coupure.
Score VAS 7-8 : Un jeune homme ressent une douleur intense à l’épaule.
Score VAS 9-10 : Une jeune femme ressentant une douleur intense.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Istanbul, Turquie, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- 18 ans et plus
- A subi une intervention chirurgicale pour quelque raison que ce soit
- Consenti à participer à l'étude et signé le formulaire de consentement éclairé
Critère d'exclusion:
- Patients de moins de 18 ans
- Patients n'ayant pas signé le formulaire de consentement éclairé
- Patients ayant une déficience visuelle
- Patients dont le niveau de conscience n'est pas suffisant pour répondre à l'enquête
- Patients ayant des antécédents de troubles psychiatriques
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Score sur l'échelle visuelle analogique
Le score de douleur sur l'échelle visuelle analogique (EVA) est une méthode simple et efficace utilisée pour mesurer les niveaux de douleur des patients.
Cette méthode est généralement représentée par une ligne allant de 0 à 10, où 0 indique l’absence de douleur et 10 indique la douleur la plus intense.
Il est demandé aux patients de marquer un point sur la ligne qui correspond à leur niveau de douleur.
|
Nous interrogerons les patients sur leur douleur et essaierons d'évaluer leurs scores de douleur.
Ensuite, nous leur demanderons quelle méthode est la plus adaptée à l'évaluation.
|
|
Images réalisées par l'Intelligence Artificielle
Évaluation de la douleur réalisée à partir d'images créées à partir de ChatGPT/DALLE
|
Nous interrogerons les patients sur leur douleur et essaierons d'évaluer leurs scores de douleur.
Ensuite, nous leur demanderons quelle méthode est la plus adaptée à l'évaluation.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Évaluation de la douleur
Délai: 10 minutes
|
Le principal résultat de cette recherche est de comparer l'efficacité des visuels d'évaluation de la douleur générés par l'IA avec l'échelle visuelle analogique (EVA) traditionnelle pour évaluer et exprimer avec précision les niveaux de douleur des patients.
Cela sera mesuré par la facilité d'utilisation, la clarté et l'utilité des deux méthodes, ainsi que par la préférence du patient pour l'une ou l'autre méthode d'évaluation de la douleur.
|
10 minutes
|
Collaborateurs et enquêteurs
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- AI Images
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
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 .