Évaluation des résumés de la langue claire générés par l'IA sur la compréhension des patients des notes d'ophtalmologie chez les patients anglophones

Cette étude utilise un essai contrôlé randomisé à deux bras pour évaluer si les résumés du langage clair généré par l'intelligence artificielle (IA) peuvent améliorer la compréhension des patients des notes en ophtalmologie. Les participants éligibles sont recrutés lors de leurs visites de routine au Jules Stein Eye Institute, et une fois dépisté en utilisant des critères cliniques standardisés, ils sont assignés au hasard pour recevoir la note d'ophtalmologie standard (SON) ou le fils complété par un PLS généré par l'AI. Le processus de randomisation utilise une séquence générée par ordinateur avec une allocation dissimulée pour assurer une affectation de groupe impartiale.

Le système d'IA utilisé dans cette étude est déployé localement sur un intranet UCLA sécurisé. Il tire parti d'un modèle de langue large (LLM) qui a été personnalisé et validé pour générer des explications en langage clair des informations ophtalmologiques complexes. Tout le traitement se produit sur des appareils cryptés approuvés par l'UCLA, et aucune donnée n'est transmise en externe. Avant que le PLS ne soit fourni aux participants, chaque résumé est examiné par un ophtalmologiste pour vérifier la précision et s'assurer que les détails cliniques essentiels sont correctement et clairement communiqués.

La collecte de données est effectuée à l'aide d'instruments d'enquête. L'enquête comprend une série d'articles à l'échelle de Likert à 5 points, de questions ouvertes et de sections de réponse structurées conçues pour évaluer la compréhension du diagnostic, des plans de traitement et des instructions de suivi. Les participants ont rempli l'enquête immédiatement après leur visite en clinique, et un entretien téléphonique de suivi est mené environ sept jours plus tard par le personnel de recherche qualifié pour saisir des commentaires supplémentaires sur la clarté et la rétention des informations fournies. L'étude n'utilise pas d'enregistrement audio ou vidéo; Toutes les réponses sont soit directement enregistrées par le personnel de recherche ou entrées électroniquement dans une base de données sécurisée.

Des analyses statistiques seront effectuées à l'aide de packages logiciels standard pour comparer les résultats entre les groupes d'intervention et de contrôle. Les analyses primaires comprennent des tests t indépendants ou des tests de Mann-Whitney U pour les variables continues, des tests du chi carré pour les variables catégorielles et des modèles de régression multivariable pour s'adapter à la confusion de variables telles que l'âge, le niveau d'éducation et la littératie de base en santé. La taille de l'échantillon a été calculée pour détecter les différences cliniquement significatives dans les scores de compréhension, les analyses de puissance indiquant un besoin entre 460 et 2030 participants en fonction de la taille de l'effet.

La sécurité des données est maintenue par des mesures rigoureuses. Les données électroniques sont stockées sur des ordinateurs portables cryptés, sécurisés par l'UCLA et dans un référentiel de boîtes sécurisé. Toute le traitement des données suit les politiques de l'UCLA et les directives de la CISR pour la rétention et la destruction des données, avec des informations identifiables détruites à l'aide de méthodes sécurisées une fois qu'elles ne sont plus nécessaires.

Les procédures de contrôle de la qualité comprennent des audits périodiques de la saisie des données, des réunions régulières d'examen avec le personnel de l'étude et des vérifications croisées des réponses à l'enquête par rapport aux dossiers cliniques le cas échéant. Un processus de surveillance indépendant est en place pour garantir le respect du protocole d'étude et pour résoudre les écarts rapidement.

Dans l'ensemble, cette étude est conçue pour fournir des preuves solides sur la faisabilité et l'efficacité des PLS générés par l'IA dans l'amélioration de la compréhension des patients des informations médicales complexes. En intégrant des garanties techniques, des méthodes statistiques rigoureuses et un processus de collecte de données rationalisés, la recherche vise à fournir des informations qui peuvent conduire à une amélioration des stratégies de communication des patients et à une prestation de soins de santé plus efficace sur plusieurs spécialités.