Grand modèle linguistique pour la réaction clinique des étudiants en physiothérapie
Faisabilité d'un essai contrôlé randomisé de grands modèles linguistiques basés sur l'intelligence artificielle pour la formation de raisonnement clinique des étudiants en physiothérapie. Un essai contrôlé randomisé
Le raisonnement clinique est une compétence fondamentale pour les étudiants en physiothérapie, leur permettant de collecter et d'interpréter les informations des patients pour faire des diagnostics et des décisions de traitement précis. Les méthodes de formation traditionnelles limitent souvent l'exposition des étudiants à un éventail diversifié de cas cliniques, ce qui peut restreindre le développement de ces compétences. L'intégration de modèles de grands langues (LLM), tels que Chatgpt, dans l'éducation en physiothérapie, offre une nouvelle approche pour améliorer le raisonnement clinique en simulant des scénarios de patients interactifs et réalistes.
Cet essai contrôlé randomisé vise à évaluer l'efficacité d'une intervention éducative basée sur la LLM dans l'amélioration des compétences de raisonnement clinique chez les étudiants en physiothérapie. L'étude recrutera un total de 200 étudiants en physiothérapie de troisième année de plusieurs établissements universitaires. Les participants seront assignés au hasard à l'un des deux groupes:
- Groupe expérimental - Les étudiants recevront une formation basée sur LLM, s'engageant avec un modèle d'intelligence artificielle conversationnelle pour résoudre les cas cliniques sur une période de 8 semaines. Le modèle fournira des réponses en temps réel à leurs questions, leur permettant d'affiner leur raisonnement diagnostique et de traitement.
- Groupe témoin - Les étudiants suivront le programme d'études standard, participant à des exercices conventionnels basés sur des cas et à un raisonnement clinique supervisé sans assistance basée sur l'IA.
Le principal résultat de l'étude est l'amélioration des compétences de raisonnement clinique, évaluée par des évaluations de cas écrites standardisées et des examens pratiques structurés. Les résultats secondaires comprennent les changements dans la compétence numérique, les niveaux d'engagement des étudiants, la satisfaction globale à l'égard de l'approche éducative et la rentabilité de l'intervention.
En évaluant l'impact des LLM sur la formation de raisonnement clinique, cette étude cherche à déterminer si les outils éducatifs axés sur l'IA peuvent compléter efficacement l'éducation traditionnelle de la physiothérapie et améliorer la préparation des étudiants pour la pratique clinique du monde réel.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Le raisonnement clinique est une compétence clé pour les étudiants en physiothérapie, ce qui leur permet d'évaluer, de diagnostiquer et de créer des plans de traitement en fonction des informations sur les patients. Malgré son importance, les approches éducatives traditionnelles limitent souvent l'exposition des étudiants à une grande variété de cas cliniques, restreignant leur capacité à développer des compétences de raisonnement complètes. Les progrès de l'intelligence artificielle, en particulier les modèles de langage (LLM) tels que le chatppt, offrent une solution prometteuse en simulant des scénarios cliniques réalistes et interactifs.
Cet essai contrôlé randomisé (ECR) vise à évaluer l'efficacité d'une intervention basée sur la LLM par rapport aux méthodes de formation traditionnelles pour améliorer les compétences de raisonnement clinique chez les étudiants en physiothérapie. Les étudiants de troisième année seront assignés au hasard au groupe expérimental, recevant une formation basée sur les cas basée sur l'IA, soit le groupe témoin, à la suite de discussions de cas conventionnelles basées sur le curriculum.
L'intervention durera 8 semaines, au cours desquelles les étudiants du groupe expérimental interagiront avec un LLM pour résoudre les cas cliniques hebdomadaires, imitant les rencontres de patients du monde réel. Le modèle fonctionnera comme un patient virtuel, répondant aux demandes des étudiants et leur permettant d'affiner leur raisonnement diagnostique et leur planification du traitement. En revanche, le groupe de contrôle participera à des discussions de cas traditionnelles écrites et dirigées par des tuteurs.
Plan d'analyse statistique
Les données seront analysées à l'aide de SPSS version 29.0 (SPSS Inc., Chicago, IL, USA). Des statistiques descriptives seront utilisées pour résumer les caractéristiques de base des participants, avec des variables continues exprimées en moyenne ± écart-type (SD) ou médian [intervalle interquartile], en fonction de la normalité et des variables catégoriques présentées en fréquence (n) et en pourcentage (%). La normalité des distributions sera évaluée à l'aide du test de Kolmogorov-Smirnov et du test de Shapiro-Wilk. Des comparaisons entre les groupes seront effectuées en utilisant; Tests t indépendants ou tests de Mann-Whitney U pour les variables continues; Tests du chi carré ou test exact de Fisher pour les variables catégorielles; Les modèles ANOVA ou mixtes linéaires à mesures répétées seront utilisées pour évaluer les changements au fil du temps dans les scores de raisonnement clinique, les compétences numériques et les niveaux de satisfaction.
Des modèles de régression logistique seront appliqués pour explorer les prédicteurs de l'engagement avec l'intervention basée sur LLM. Les tailles d'effet (Rohen's D, Rosenthal's R) seront calculées pour mesurer l'ampleur des différences observées. Une analyse de rentabilité sera effectuée en comparant le coût de la mise en œuvre de l'intervention basée sur la LLM avec l'amélioration des scores de raisonnement clinique et des niveaux d'engagement des étudiants.
La signification statistique sera définie à P <0,05, et toutes les analyses seront effectuées en utilisant une approche bilatérale.
Type d'étude
Inscription (Estimé)
Phase
- Phase 2
Contacts et emplacements
Coordonnées de l'étude
- Nom: Alfredo Lerín Calvo, Professor
- Numéro de téléphone: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
Lieux d'étude
-
-
Madrid
-
Madrid, Madrid, Espagne, 28023
- Recrutement
- Centro Superior de Estudios Universitarios La Salle
-
Contact:
- Alfredo Lerín Calvo, Professor
- Numéro de téléphone: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
-
Chercheur principal:
- Raúl Ferrer Peña, PhD
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
Accepte les volontaires sains
La description
Critères d'inclusion:
- Les étudiants inscrits à la troisième année du programme de physiothérapie du Centre de la Salle pour les études universitaires supérieures (LCHU)
- Les participants doivent avoir entre 18 et 30 ans.
- Les étudiants doivent accepter de participer à l'étude en signant un formulaire de consentement éclairé après avoir été informé des objectifs, des procédures et des risques potentiels de l'étude.
- Les participants doivent être disposés à s'engager avec la plate-forme basée sur LLM (pour le groupe expérimental) ou à participer à des activités d'apprentissage traditionnelles (pour le groupe témoin) pendant la durée de l'étude.
Critères d'exclusion:
- Étudiants ayant une expérience clinique antérieure au-delà de la troisième année de formation de la physiothérapie.
- Des handicaps physiques ou cognitifs qui peuvent interférer avec la capacité de participer ou de bénéficier de l'intervention (par exemple, vision, audition ou déficiences motrices).
- Les étudiants qui ne donnent pas le consentement éclairé pour participer à l'étude.
- Les étudiants qui ne possèdent pas suffisamment de compétence en espagnol ou en anglais pour comprendre le matériel et l'intervention.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Traitement
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Double
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Groupe LLM
Les participants du groupe expérimental subiront une intervention de 8 semaines incorporant une formation basée sur un modèle de grande langue (LLM) dans leur éducation clinique. Les étudiants s'engageront dans des simulations de cas cliniques hebdomadaires à l'aide d'une plate-forme alimentée par LLM (ChatGPT), où ils interagiront avec le modèle pour obtenir des informations sur les patients, formuler des diagnostics et proposeront des plans de traitement. Le LLM fournira des réponses en temps réel, simulant une rencontre virtuelle de patient. La formation complétera le programme d'études standard, permettant aux étudiants de pratiquer les compétences de raisonnement clinique dans un environnement structuré et interactif assisté par l'IA. À la fin de l'intervention, les participants effectueront une évaluation finale basée sur le cas pour évaluer les améliorations du raisonnement clinique, de la compétence numérique et de l'engagement avec la technologie. |
L'intervention dans le groupe expérimental se distingue par l'intégration d'une plate-forme interactive basée sur un modèle grand langage (LLM) (CHATGPT) en formation de raisonnement clinique pour les étudiants en physiothérapie.
Contrairement aux approches éducatives traditionnelles, cette intervention fournit des interactions de patients en temps réel et générées par l'IA, permettant aux étudiants de s'engager activement dans des simulations de cas cliniques virtuels.
|
|
Comparateur actif: Groupe d'apprentissage conventionnel
Les participants du groupe témoin suivront le programme d'études standard pour la formation de raisonnement clinique sur une période de 8 semaines, sans exposition à l'intervention basée sur la LLM. Les étudiants s'engageront dans des discussions hebdomadaires basées sur des cas en utilisant des méthodes d'apprentissage traditionnelles, y compris des analyses de cas écrites et des discussions supervisées avec des instructeurs. Ces séances suivront le cadre éducatif habituel utilisé dans les programmes de formation en physiothérapie, mettant l'accent sur le raisonnement diagnostique et la planification du traitement par le biais de conseils dirigés par l'instructeur. À la fin de la période de formation, les participants termineront une évaluation finale basée sur le cas pour évaluer leurs compétences de raisonnement clinique, leurs compétences numériques et l'engagement global avec le processus d'apprentissage. |
L'intervention dans le groupe témoin suit une approche d'apprentissage basée sur des cas traditionnelles, qui est couramment utilisée dans l'éducation en physiothérapie.
Contrairement au groupe expérimental, cette méthode de formation repose uniquement sur l'instruction dirigée par l'homme et l'analyse de cas écrite, sans l'intégration de l'intelligence artificielle ou des outils numériques interactifs.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Performance de raisonnement clinique
Délai: Évalué au début et à la fin de l'intervention de 8 semaines à travers des évaluations basées sur les cas et des évaluations pratiques.
|
Ce résultat mesure l'amélioration des compétences de raisonnement clinique des étudiants après l'intervention.
Les étudiants seront évalués en fonction de leur capacité à collecter, interpréter et analyser les informations des patients et formuler des diagnostics et des plans de traitement précis.
Ceci sera évalué à la fois par le biais d'études de cas écrites et d'examens pratiques en utilisant la rubrique Lasater, étant cette échelle de l'instrument utilisé pour évaluer ce résultat.
|
Évalué au début et à la fin de l'intervention de 8 semaines à travers des évaluations basées sur les cas et des évaluations pratiques.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Engagement des étudiants avec l'intervention
Délai: Suivi tout au long de la période d'intervention de 8 semaines avec le suivi hebdomadaire des interactions des étudiants et des compléments de cas.
|
Ce résultat mesure le niveau d'engagement actif des étudiants avec la plate-forme basée sur LLM (groupe expérimental) et l'apprentissage basé sur les cas traditionnels (groupe de contrôle).
L'engagement sera évalué en fonction de la fréquence des interactions, de la durée d'utilisation et des taux d'achèvement des cas attribués.
|
Suivi tout au long de la période d'intervention de 8 semaines avec le suivi hebdomadaire des interactions des étudiants et des compléments de cas.
|
|
Satisfaction à l'égard de l'approche éducative
Délai: Calculé à la fin de la période d'intervention, en utilisant les coûts associés à l'accès à la plate-forme basée sur LLM et en la comparant aux améliorations observées dans d'autres résultats.
|
Ce résultat évalue la satisfaction globale des étudiants à l'égard de leur expérience d'apprentissage, en se concentrant sur l'efficacité, la convivialité et la valeur perçue de l'intervention.
La satisfaction sera mesurée à l'aide d'une échelle visuelle analogique (EVA), où les élèves évaluent leur niveau de satisfaction à l'égard de la méthode de formation.
|
Calculé à la fin de la période d'intervention, en utilisant les coûts associés à l'accès à la plate-forme basée sur LLM et en la comparant aux améliorations observées dans d'autres résultats.
|
|
Compétences numériques
Délai: Évalué au début et à la fin de l'intervention de 8 semaines via le questionnaire de compétence numérique ad hoc.
|
Ce résultat évalue la capacité des étudiants à utiliser efficacement les outils numériques, en particulier les plates-formes axées sur l'IA comme Chatgpt, dans le contexte du raisonnement clinique.
Les étudiants rempliront un questionnaire sur les compétences numériques évaluant leurs compétences dans plusieurs domaines, tels que la gestion des données, la communication pour la santé et la création de contenu numérique.
Il sera évalué avec le questionnaire de compétences numériques développé par Montero-Delgado et al. (2020)
|
Évalué au début et à la fin de l'intervention de 8 semaines via le questionnaire de compétence numérique ad hoc.
|
Collaborateurs et enquêteurs
Parrainer
Publications et liens utiles
Publications générales
- Lasater K. Clinical judgment development: using simulation to create an assessment rubric. J Nurs Educ. 2007 Nov;46(11):496-503. doi: 10.3928/01484834-20071101-04.
- Milad D, Antaki F, Milad J, Farah A, Khairy T, Mikhail D, Giguere CE, Touma S, Bernstein A, Szigiato AA, Nayman T, Mullie GA, Duval R. Assessing the medical reasoning skills of GPT-4 in complex ophthalmology cases. Br J Ophthalmol. 2024 Sep 20;108(10):1398-1405. doi: 10.1136/bjo-2023-325053.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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 (Estimé)
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
- ALC001NR005
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Dans cette étude, les données individuelles des participants (IPD) ne seront pas partagées publiquement. Les données recueillies, y compris les évaluations du raisonnement clinique, les évaluations des compétences numériques et les scores de satisfaction, seront utilisées uniquement aux fins de cette étude de recherche. L'accès aux données des participants sera limité à l'équipe de recherche et ne sera pas mis à disposition pour le partage avec des parties externes.
La vie privée et la confidentialité des participants seront strictement maintenues tout au long de l'étude. Toutes les données seront anonymisées et toute information identifiable sera stockée en toute sécurité et protégé conformément aux réglementations de protection des données applicables. De plus, les résultats de l'étude seront partagés sous forme globale, garantissant qu'aucune donnée de l'individu n'est divulguée ou identifiable dans les rapports ou publications publics.
Dans le cadre de l'engagement éthique à protéger la vie privée des participants, toute demande d'accès à l'IPD ne sera pas accordé.
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 .