Nagy nyelvi modell a fizikoterápiás hallgatók klinikai reakciójára
A nagy mesterséges intelligencia-alapú nyelvi modellek randomizált, ellenőrzött vizsgálatának megvalósíthatósága a fizikoterápiás hallgatók klinikai érvelési képzésére. Egy randomizált kontrollos vizsgálat
A klinikai érvelés alapvető készség a fizikoterápiás hallgatók számára, lehetővé téve számukra a beteginformációk gyűjtését és értelmezését a pontos diagnózisok és a kezelési döntések meghozatalához. A hagyományos képzési módszerek gyakran korlátozzák a hallgatóknak a klinikai esetek sokféleségének való kitettségét, ami korlátozhatja ezen készségek fejlődését. A nagy nyelvi modellek (LLMS), például a CHATGPT integrálása a fizikoterápiás oktatásba új megközelítést kínál a klinikai érvelés fokozására az interaktív és reális beteg forgatókönyvek szimulálásával.
Ez a randomizált, ellenőrzött vizsgálat célja az LLM-alapú oktatási beavatkozás hatékonyságának felmérése a fizikoterápiás hallgatók klinikai érvelési készségeinek javítása érdekében. A tanulmány összesen 200 harmadik éves fizioterápiás hallgatót toboroz több egyetemi intézményből. A résztvevőket véletlenszerűen osztják ki a két csoport egyikéhez:
- Kísérleti csoport-A hallgatók LLM-alapú képzést kapnak, és részt vesznek egy beszélgető mesterséges intelligencia modelljével a klinikai esetek 8 hetes időszak alatt történő megoldására. A modell valós idejű válaszokat fog adni kérdéseire, lehetővé téve számukra, hogy finomítsák diagnosztikai és kezelési érvelésüket.
- Kontrollcsoport-A hallgatók követik a szokásos tantervet, részt vesznek a hagyományos eset-alapú tanulási és felügyelt klinikai érvelési gyakorlatokban AI-alapú segítség nélkül.
A vizsgálat elsődleges eredménye a klinikai érvelési készségek javítása, amelyet szabványosított írásbeli esetek értékelése és strukturált gyakorlati vizsgálatok révén értékelnek. A másodlagos eredmények között szerepel a digitális kompetencia, a hallgatói elkötelezettség szintje, az oktatási megközelítés általános elégedettsége és a beavatkozás költséghatékonysága.
Az LLM-ek klinikai érvelési képzésre gyakorolt hatásainak felmérésével ez a tanulmány annak meghatározására törekszik, hogy az AI-vezérelt oktatási eszközök hatékonyan képesek-e kiegészíteni a hagyományos fizioterápiás oktatást, és javíthatják-e a hallgatók felkészültségét a valós klinikai gyakorlatra.
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
A klinikai érvelés kulcsfontosságú kompetencia a fizikoterápiás hallgatók számára, lehetővé téve számukra a beteginformációk alapján kezelési tervek felmérését, diagnosztizálását és elkészítését. Fontossága ellenére a hagyományos oktatási megközelítések gyakran korlátozzák a hallgatóknak a klinikai esetek széles skálájának való kitettségét, korlátozva az átfogó érvelési készségek fejlesztésének képességét. A mesterséges intelligencia, különösen a nagy nyelvi modellek (LLM), például a CHATGPT fejlődése ígéretes megoldást kínál a reális és interaktív klinikai forgatókönyvek szimulálásával.
Ennek a randomizált kontrollos vizsgálatnak (RCT) célja az LLM-alapú beavatkozás hatékonyságának felmérése, összehasonlítva a hagyományos képzési módszerekkel a klinikai érvelési készségek javításában a fizikoterápiás hallgatók körében. A harmadik éves hallgatókat véletlenszerűen osztják ki a kísérleti csoportba, amely AI-vezérelt eset-alapú képzést kap, vagy a kontrollcsoportot, a hagyományos tanterv-alapú esetbeszélgetéseket követően.
A beavatkozás 8 hétig tart, amelynek során a kísérleti csoport hallgatói kölcsönhatásba lépnek egy LLM-mel a heti klinikai esetek megoldására, a valós betegek találkozásainak utánozására. A modell virtuális betegként fog működni, reagálva a hallgatók kérdéseire, és lehetővé teszi számukra, hogy finomítsák a diagnosztikai érvelésüket és a kezelés tervezését. Ezzel szemben a kontrollcsoport részt vesz a hagyományos írásbeli és oktatóvezérelt esetbeszélgetésekben.
Statisztikai elemzési terv
Az adatokat az SPSS 29.0 verzió (SPSS Inc., Chicago, IL, USA) segítségével elemezzük. A leíró statisztikákat a résztvevők kiindulási jellemzőinek összefoglalására használják, a folyamatos változókkal átlag ± szórás (SD) vagy medián [interkvartilis tartomány], a normalitástól függően, valamint a frekvencia (n) és százalékos (%) kategorikus változók. Az eloszlások normalitását a Kolmogorov-Smirnov teszt és a Shapiro-Wilk teszt segítségével értékelik. A csoportok közötti összehasonlításokat a; Független t-tesztek vagy Mann-Whitney U tesztek folyamatos változókra; Chi-négyzet tesztek vagy Fisher pontos tesztje a kategorikus változókra; Ismételt mértékű ANOVA vagy lineáris vegyes modelleket fognak használni a klinikai érvelési pontszámok, a digitális kompetencia és az elégedettségi szintek időbeli változásainak értékelésére.
A logisztikus regressziós modelleket alkalmazzák az LLM-alapú beavatkozással való elkötelezettség előrejelzőinek feltárására. A hatásméreteket (Cohen D, Rosenthal R) kiszámítják a megfigyelt különbségek nagyságának mérésére. A költséghatékonysági elemzést az LLM-alapú beavatkozás végrehajtásának költségeinek összehasonlításával és a klinikai érvelési pontszámok és a hallgatói elkötelezettség szintjének javításával.
A statisztikai szignifikanciát P <0,05-re állítják be, és az összes elemzést kétirányú megközelítéssel végezzük.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- 2. fázis
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Alfredo Lerín Calvo, Professor
- Telefonszám: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
Tanulmányi helyek
-
-
Madrid
-
Madrid, Madrid, Spanyolország, 28023
- Toborzás
- Centro Superior de Estudios Universitarios La Salle
-
Kapcsolatba lépni:
- Alfredo Lerín Calvo, Professor
- Telefonszám: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
-
Kutatásvezető:
- Raúl Ferrer Peña, PhD
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
Egészséges önkénteseket fogad
Leírás
Befogadási kritériumok:
- A hallgatók beiratkoztak a La Salle Központi Tanulmányok Központjában (LCHUS) a La Salle Center Fizioterápiás Programjának harmadik évében.
- A résztvevőknek 18 és 30 év között kell lenniük.
- A hallgatóknak beleegyeznek abban, hogy részt vesznek a tanulmányban egy tájékozott hozzájárulási űrlap aláírásával, miután tájékoztatták a tanulmány céljait, eljárásait és a lehetséges kockázatait.
- A résztvevőknek hajlandóak lesznek kapcsolatba lépni az LLM-alapú platformon (a kísérleti csoport számára), vagy részt kell venniük a hagyományos tanulási tevékenységekben (a kontrollcsoport számára) a tanulmány időtartama alatt.
Kizárási kritériumok:
- A korábbi klinikai tapasztalatokkal rendelkező hallgatók a fizioterápiás oktatás harmadik éve után.
- Fizikai vagy kognitív fogyatékosság, amely zavarhatja a beavatkozásban való részvétel vagy az előnyöket (például látás, hallás vagy motoros károsodás).
- Azok a hallgatók, akik nem nyújtanak tájékozott hozzájárulást a tanulmányban való részvételhez.
- Azok a hallgatók, akik nem rendelkeznek elegendő jártassággal spanyolul vagy angolul, hogy megértsék az anyagokat és a beavatkozást.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Kezelés
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Kettős
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: LLM csoport
A kísérleti csoport résztvevői egy 8 hetes beavatkozást végeznek, amely magában foglalja a nagy nyelvi modell (LLM) alapú képzést a klinikai érvelési oktatásukba. A hallgatók heti klinikai eset-szimulációkban vesznek részt egy LLM-alapú platformon (CHATGPT), ahol kölcsönhatásba lépnek a modellel a beteginformációk megszerzése, a diagnózisok megfogalmazása és a kezelési tervek javaslata. Az LLM valós idejű válaszokat fog adni, szimulálva a virtuális beteg találkozását. A képzés kiegészíti a szokásos tantervet, lehetővé téve a hallgatók számára, hogy a klinikai érvelési készségeket strukturált és interaktív AI-támogatott környezetben gyakorolják. A beavatkozás végén a résztvevők végleges eset-alapú értékelést készítenek a klinikai érvelés, a digitális kompetencia és a technológiával való kapcsolattartás javítása érdekében. |
A kísérleti csoport beavatkozását egy nagy nyelvi modell (LLM) alapú interaktív platform (CHATGPT) integrációja különbözteti meg a fizikoterápiás hallgatók klinikai érvelési képzéséhez.
A hagyományos oktatási megközelítésektől eltérően ez a beavatkozás valós idejű, AI által generált beteg interakciókat biztosít, lehetővé téve a hallgatók számára, hogy aktívan részt vegyenek a virtuális klinikai esetek szimulációjában.
|
|
Aktív összehasonlító: Hagyományos tanulási csoport
A kontrollcsoport résztvevői 8 hetes időszak alatt követik a klinikai érvelési képzés standard tantervét, anélkül, hogy az LLM-alapú beavatkozásnak kitettek volna. A hallgatók heti eset-alapú megbeszéléseken vesznek részt a hagyományos tanulási módszerekkel, ideértve az írásbeli elemzéseket és az oktatókkal folytatott felügyelt megbeszéléseket. Ezek az ülések a fizikoterápiás képzési programokban alkalmazott szokásos oktatási keretet fogják követni, hangsúlyozva a diagnosztikai érvelést és a kezelési tervezést oktató által irányított útmutatások révén. A képzési időszak végén a résztvevők végleges eset-alapú értékelést készítenek klinikai érvelési képességeik, digitális kompetenciájuk és a tanulási folyamat iránti általános elkötelezettség értékelése érdekében. |
A kontrollcsoport beavatkozása egy hagyományos eset-alapú tanulási megközelítést követ, amelyet általában a fizikoterápiás oktatásban használnak.
A kísérleti csoporttal ellentétben ez az edzési módszer kizárólag az ember által vezetett oktatásra és az írásbeli esettanulmányokra támaszkodik, a mesterséges intelligencia vagy az interaktív digitális eszközök integrálása nélkül.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Klinikai érvelési teljesítmény
Időkeret: A 8 hetes beavatkozás elején és végén értékelést és gyakorlati értékelések révén értékelik.
|
Ez az eredmény méri a hallgatók klinikai érvelési képességeinek javulását a beavatkozás után.
A hallgatókat a betegek adatainak összegyűjtésére, értelmezésére és elemzésére, valamint pontos diagnózisok és kezelési tervek megfogalmazására való képességük alapján kell értékelni.
Ezt mind írásbeli esettanulmányok, mind a Lasater Rubric segítségével végzett gyakorlati vizsgák révén értékelik, mivel ez a skála az eszköz az eredmény értékeléséhez használt eszköz.
|
A 8 hetes beavatkozás elején és végén értékelést és gyakorlati értékelések révén értékelik.
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Hallgatói elkötelezettség a beavatkozással
Időkeret: A nyolchetes intervenciós időszak alatt megfigyelték a hallgatói interakciók heti nyomon követésével és az esetek befejezésével.
|
Ez az eredmény méri a hallgatók aktív elkötelezettségét az LLM-alapú platformon (kísérleti csoport) és a hagyományos eset-alapú tanulást (kontrollcsoport).
Az elkötelezettséget az interakciók gyakorisága, a felhasználás időtartama és a kijelölt esetek teljesítési aránya alapján kell értékelni.
|
A nyolchetes intervenciós időszak alatt megfigyelték a hallgatói interakciók heti nyomon követésével és az esetek befejezésével.
|
|
Elégedettség az oktatási megközelítéssel
Időkeret: Az intervenciós időszak végén kiszámítva, az LLM-alapú platformhoz való hozzáférés biztosításához kapcsolódó költségek felhasználásával, és összehasonlítva azt a többi eredményben megfigyelt javulásokkal.
|
Ez az eredmény felméri a hallgatók általános elégedettségét tanulási tapasztalataikkal, a beavatkozás hatékonyságára, használhatóságára és észlelt értékére összpontosítva.
Az elégedettséget egy vizuális analóg skála (VAS) alkalmazásával kell mérni, ahol a hallgatók értékelik az elégedettség szintjét az edzési módszerrel.
|
Az intervenciós időszak végén kiszámítva, az LLM-alapú platformhoz való hozzáférés biztosításához kapcsolódó költségek felhasználásával, és összehasonlítva azt a többi eredményben megfigyelt javulásokkal.
|
|
Digitális kompetenciák
Időkeret: A 8 hetes beavatkozás kezdetén és végén értékelték az Ad hoc Digital Compeinek kérdőív segítségével.
|
Ez az eredmény értékeli a hallgatók azon képességét, hogy hatékonyan használják a digitális eszközöket, különösen az AI-vezérelt platformokat, mint például a CHATGPT, a klinikai érvelés összefüggésében.
A hallgatók kitöltik a digitális kompetencia -kérdőívet, amely több területen értékeli képességeiket, például az adatkezelést, az egészségügyi kommunikációt és a digitális tartalom létrehozását.
Ezt a Montero-Delgado et al. (2020)
|
A 8 hetes beavatkozás kezdetén és végén értékelték az Ad hoc Digital Compeinek kérdőív segítségével.
|
Együttműködők és nyomozók
Szponzor
Publikációk és hasznos linkek
Általános kiadványok
- 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.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Becsült)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- ALC001NR005
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
Ebben a tanulmányban az egyes résztvevők adatait (IPD) nem osztják meg nyilvánosan. Az összegyűjtött adatokat, ideértve a klinikai érvelési értékeléseket, a digitális kompetencia -értékeléseket és az elégedettségi pontszámokat, kizárólag e kutatási tanulmány céljaira kerül felhasználásra. A résztvevői adatokhoz való hozzáférés a kutatócsoportra korlátozódik, és nem lesz elérhetővé a külső felekkel való megosztáshoz.
A résztvevők magánéletét és titkosságát szigorúan fenntartják a tanulmány során. Az összes adat anonimizálódik, és minden azonosítható információt biztonságosan tárolunk és védett, az alkalmazandó adatvédelmi előírásoknak megfelelően. Ezenkívül a tanulmány eredményeit összesített formában osztják meg, biztosítva, hogy az egyén adatait egyetlen nyilvános jelentésben vagy kiadványban sem lehet azonosítani.
A résztvevők magánéletének védelme iránti etikai elkötelezettség részeként az IPD -hez való hozzáférés iránti kérelmeket nem nyújtják be.
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .