- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06621134
Comparaison de l'efficacité du chatbot IA avec celle de la hotline téléphonique (AI chatbot)
Comparaison de l'efficacité d'un chatbot IA avec celle d'une hotline téléphonique pour répondre aux problèmes liés au COVID-19
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La pandémie de COVID-19 a eu un impact sans précédent sur le bien-être des habitants de Hong Kong depuis son apparition en décembre 2019. Le gouvernement a adopté des politiques de distanciation sociale pour minimiser le risque d'infection. Ceux-ci incluent, sans toutefois s'y limiter : fermeture des écoles, travail à distance et interdiction des rassemblements de groupe. Ces mesures anti-infectieuses ont conduit à un changement de modèle dans l’utilisation des services de santé et dans les activités de recherche d’aide. Des études ont également montré qu’un manque de socialisation entraîne des niveaux de stress plus élevés tant pour les parents que pour les enfants.
Alors que les mesures de fermeture des écoles et de travail à distance se poursuivent, les enfants et les parents sont soumis à une forte pression. L'UNESCO (2020) a rapporté qu'à la mi-avril 2020, plus de 1,58 milliard d'enfants et de jeunes dans 200 pays étaient touchés par la fermeture des écoles. Bien que l'effet à long terme de la COVID-19 sur la santé mentale des enfants et des parents soit inconnu, les cas de maltraitance, de négligence et d'exploitation d'enfants ont augmenté face à cette période sans précédent. Les familles à faible revenu ou les familles avec des enfants ayant des besoins éducatifs spéciaux (SEN) sont susceptibles de voir leurs enfants maltraités et/ou avoir des crises de santé mentale. Les parents qui travaillent à domicile sont confrontés au défi de remplir un triple rôle : travail, garde d’enfants et soins à domicile. Pire encore, le manque d'intérêt et de motivation des enfants pour l'apprentissage ajoute une charge supplémentaire aux parents lorsqu'ils assument le rôle d'enseignants. Les parents sont enclins à souffrir d'épuisement parental, caractérisé par un épuisement mental et physique, accompagné d'un sentiment de désespoir. Il est donc clair qu’il existe de forts besoins sociétaux en matière de recherche sur la santé physique et mentale sur la COVID-19. Il est impératif de prévenir les problèmes potentiels et d’atténuer les problèmes existants concernant la relation parent-enfant, le stress parental et le fonctionnement familial causés par la COVID-19.
Par conséquent, l’exploration de moyens plus facilement accessibles et efficaces de traiter les problèmes de santé potentiels et existants (à la fois physiques et mentaux) devrait être une priorité. L'intelligence artificielle (IA) dans les services de santé a le potentiel de réduire la charge de travail des travailleurs de la santé en répondant aux questions fréquemment posées via le système d'IA, le tout dans le confort du domicile du sujet. Compte tenu de l’effet potentiellement néfaste du COVID-19 sur les enfants et les parents, il est important de combler les lacunes de la recherche sur la manière dont l’IA peut servir de plateforme pour rechercher de l’aide, en particulier en période de distanciation sociale.
L’IA a été largement adoptée dans les services de santé au cours de la dernière décennie. L'utilisation de chatbots, en particulier, a renforcé l'engagement du public dans les services de santé, depuis le confort de son foyer. Les chatbots IA ont utilisé le traitement du langage naturel (NLP) pour faciliter l'interaction avec les utilisateurs dans les conversations, rendant ainsi les conseils médicaux appropriés accessibles au public. Les algorithmes intelligents de l’IA permettent un diagnostic précoce des maladies et proposent des techniques de traitement à ceux qui autrement auraient pu être diagnostiqués trop tard. Par exemple, les Centers for Disease Control and Prevention (CDC) des États-Unis ont lancé un chatbot nommé Clara pour aider les utilisateurs à accéder aux informations sur les symptômes potentiels du coronavirus et leur permettre de prendre des décisions sur la nécessité de consulter un médecin. Ceci est particulièrement utile car il identifie les groupes à haut risque nécessitant des soins médicaux en triant les patients en fonction de leurs symptômes, réduisant ainsi les visites à l'hôpital pour les cas mineurs. Il fournit également un soutien aux membres des familles des groupes à haut risque quant aux mesures à prendre pour prévenir l'infection et aux moyens de réduire la pression liée à la prise en charge des patients au sein de leur famille.
Les chatbots IA méritent l'attention car ils répondent rapidement aux questions des utilisateurs, car ils fournissent un service 24 heures sur 24. De plus, les réponses fournies par l’IA sont considérées comme plus précises que celles des moteurs de recherche, sous réserve de la maîtrise des méthodes d’exploration de données. Ces fonctionnalités sont importantes car les utilisateurs peuvent demander des conseils psychomédicaux tout en pratiquant la distanciation sociale, sans rendez-vous en face-à-face avec des cliniciens.
Les chatbots IA peuvent servir d’outil d’auto-assistance pour obtenir des informations sur la gestion des conditions mentales et physiques, mais ils sont loin d’être parfaits. L’espoir est que cette étude puisse contribuer à faire des chatbots IA une partie intégrée des services de santé.
Type d'étude
Inscription (Réel)
Contacts et emplacements
Lieux d'étude
-
-
-
Hong Kong, Hong Kong, 0000
- Department of Paediatrics and Adolescent Medicine, The University of Hong Kong
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'intégration :
- Sujets qui consentent à participer à l'étude.
Critères d'exclusion :
- Sujets qui ne consentent pas à participer à l'étude.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Groupe de contrôle
Les participants seront invités à consentir à la randomisation lors de leur premier accès à notre système.
Les utilisateurs posent des questions couvertes par la banque de questions et des questions spécifiques non couvertes par la question via une hotline téléphonique.
|
Les participants seront invités à consentir à la randomisation lors de leur premier accès à notre système.
Les utilisateurs posent des questions couvertes par la banque de questions et des questions spécifiques non couvertes par la question via une hotline téléphonique.
|
|
Groupe d'intervention
Les participants devront donner leur consentement pour la randomisation lors de leur premier accès à notre système.
Les utilisateurs peuvent poser des questions couvertes par la banque de questions, ainsi que des questions spécifiques non couvertes par la banque, via une boîte de discussion IA.
|
Les participants devront donner leur consentement pour la randomisation lors de leur premier accès à notre système.
Les utilisateurs peuvent poser des questions couvertes par la banque de questions, ainsi que des questions spécifiques non couvertes par la banque, via une boîte de discussion IA.
L'objectif est de comprendre la différence significative entre l'utilisation de chatbots IA et de lignes d'assistance téléphonique pour aider les parents, ainsi que l'efficacité des chatbots IA par rapport aux lignes d'assistance téléphonique.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Trouble d'anxiété générale (TAG - 7)
Délai: 1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
Le questionnaire en 7 éléments sur le trouble d'anxiété généralisée (GAD-7) est un outil de dépistage autodéclaré utilisé pour évaluer la gravité des symptômes du trouble d'anxiété généralisée chez les adultes.
Il se compose de sept questions qui portent sur divers symptômes couramment associés au trouble d'anxiété généralisée, tels que le sentiment de nervosité, d'anxiété ou de nervosité. Trouble d'anxiété générale (TAG - 7)
|
1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
|
Questionnaire sur la santé des patients-9
Délai: 1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
Le Patient Health Questionnaire-9 (PHQ-9) est un questionnaire auto-administré utilisé pour dépister et évaluer la gravité de la dépression chez les patients.
Il se compose de neuf questions basées sur les critères de diagnostic du trouble dépressif majeur du Manuel diagnostique et statistique des troubles mentaux (DSM-5).
Les patients sont invités à évaluer la fréquence à laquelle ils ont ressenti certains symptômes de dépression au cours des deux dernières semaines, avec des options de réponse allant de « pas du tout » à « presque tous les jours ».
Le score total au PHQ-9 peut aider les prestataires de soins de santé à déterminer la présence et la gravité de la dépression chez un patient, ainsi qu'à surveiller sa réponse au traitement au fil du temps.
|
1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Enquête de satisfaction sur les services
Délai: 1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
Une enquête de satisfaction du service est une méthode utilisée par les organisations pour recueillir les commentaires des clients concernant leur satisfaction à l'égard des services fournis.
Ces enquêtes comprennent généralement des questions qui évaluent divers aspects de l'expérience de service, tels que la qualité, la réactivité, le professionnalisme et la satisfaction globale.
Les commentaires recueillis à partir de ces enquêtes peuvent aider les organisations à identifier les domaines à améliorer et à prendre des décisions éclairées pour améliorer leurs services.
|
1 semaine pendant le pré-test, 1 semaine pendant le post-test
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Naseem M, Akhund R, Arshad H, Ibrahim MT. Exploring the Potential of Artificial Intelligence and Machine Learning to Combat COVID-19 and Existing Opportunities for LMIC: A Scoping Review. J Prim Care Community Health. 2020 Jan-Dec;11:2150132720963634. doi: 10.1177/2150132720963634.
- Kretzschmar K, Tyroll H, Pavarini G, Manzini A, Singh I; NeurOx Young People's Advisory Group. Can Your Phone Be Your Therapist? Young People's Ethical Perspectives on the Use of Fully Automated Conversational Agents (Chatbots) in Mental Health Support. Biomed Inform Insights. 2019 Mar 5;11:1178222619829083. doi: 10.1177/1178222619829083. eCollection 2019.
- Tso WWY, Wong RS, Tung KTS, Rao N, Fu KW, Yam JCS, Chua GT, Chen EYH, Lee TMC, Chan SKW, Wong WHS, Xiong X, Chui CS, Li X, Wong K, Leung C, Tsang SKM, Chan GCF, Tam PKH, Chan KL, Kwan MYW, Ho MHK, Chow CB, Wong ICK, Lp P. Vulnerability and resilience in children during the COVID-19 pandemic. Eur Child Adolesc Psychiatry. 2022 Jan;31(1):161-176. doi: 10.1007/s00787-020-01680-8. Epub 2020 Nov 17.
- Russell BS, Hutchison M, Tambling R, Tomkunas AJ, Horton AL. Initial Challenges of Caregiving During COVID-19: Caregiver Burden, Mental Health, and the Parent-Child Relationship. Child Psychiatry Hum Dev. 2020 Oct;51(5):671-682. doi: 10.1007/s10578-020-01037-x.
- Lee J. Mental health effects of school closures during COVID-19. Lancet Child Adolesc Health. 2020 Jun;4(6):421. doi: 10.1016/S2352-4642(20)30109-7. Epub 2020 Apr 14. No abstract available. Erratum In: Lancet Child Adolesc Health. 2020 Jun;4(6):e16. doi: 10.1016/S2352-4642(20)30128-0.
- Garrido S, Millington C, Cheers D, Boydell K, Schubert E, Meade T, Nguyen QV. What Works and What Doesn't Work? A Systematic Review of Digital Mental Health Interventions for Depression and Anxiety in Young People. Front Psychiatry. 2019 Nov 13;10:759. doi: 10.3389/fpsyt.2019.00759. eCollection 2019.
- Cluver L, Lachman JM, Sherr L, Wessels I, Krug E, Rakotomalala S, Blight S, Hillis S, Bachman G, Green O, Butchart A, Tomlinson M, Ward CL, Doubt J, McDonald K. Parenting in a time of COVID-19. Lancet. 2020 Apr 11;395(10231):e64. doi: 10.1016/S0140-6736(20)30736-4. Epub 2020 Mar 25. No abstract available. Erratum In: Lancet. 2020 Apr 11;395(10231):1194. doi: 10.1016/S0140-6736(20)30790-X.
- Chew AMK, Ong R, Lei HH, Rajendram M, K V G, Verma SK, Fung DSS, Leong JJ, Gunasekeran DV. Digital Health Solutions for Mental Health Disorders During COVID-19. Front Psychiatry. 2020 Sep 9;11:582007. doi: 10.3389/fpsyt.2020.582007. eCollection 2020. No abstract available.
Liens utiles
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
Autres numéros d'identification d'étude
- UW21-344
- Collaborative Research Fund (Autre subvention/numéro de financement: University Grants Committee)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
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
produit fabriqué et exporté des États-Unis.
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 .