A Nagy Nyelvi Modellek Használata és Elfogadása a Rákbetegségek Közös Döntéshozatalában
A Nagy Nyelvi Modellek Használata és Elfogadása Onkológiai Közös Döntéshozatalban a Betegek, a Közvélemény és az Egészségügyi Szakemberek Körében
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
A közös döntéshozatal együttműködési folyamat, amelyben a klinikusok támogatják a betegeket a kezelési döntések meghozatalában. Annak ellenére, hogy ez fontos az onkológiában, a strukturált közös döntéshozatal továbbra is ritka a rutin klinikai gyakorlatban. A nagy nyelvi modellek új módot kínálnak a betegeknek az orvosi információk elérésére és megértésére, de keveset tudunk arról, hogy a kulcsfontosságú érdekelt felek hogyan érzékelik és használják ezeket az eszközöket egészségügyi döntésekhez.
Ez a megfigyelési tanulmány szekvenciális vegyes módszertani kialakítást alkalmazott, amely a Delphi konszenzus módszertanát kombinálta keresztmetszeti felmérési bevezetéssel. Egy 44 szakértőből álló panel nyolc területen (klinikai mesterséges intelligencia, technikai fejlesztés, onkológia, pszichológia, epidemiológia, betegjogvédelem, etika és jogi szakértelem) két Delphi körön keresztül fejlesztette ki és hitelesítette az értékelő eszközt, elérve a konszenzust 89 tételezésben. A végső eszköz 52 kvantitatív tételt és 8 kvalitatív kérdést tartalmazott, megkülönböztetve az általános és az egészségügy-specifikus nagy nyelvi modell használatot.
A tanulmány három kohorszban toborzott résztvevőket: 2316 önként jelentett diagnózissal rendelkező rákbeteget az elmúlt öt évből, 2000 általános lakossági tagot az Egyesült Államokból és az Egyesült Királyságból, valamint 2835 engedéllyel rendelkező egészségügyi szakembert. A minőségellenőrzés magában foglalta a figyelemellenőrzéseket, a kitöltési idő nyomon követését, a konzisztencia validálását és az ellenőrzési eljárásokat, ami 694 válasz (8,8%) kizárásához vezetett a kezdeti 7845-ből.
A fő elemzések magukban foglalták a khi-négyzet tesztelést és Bonferroni-korrekciós ANOVA-t, hierarchikus modellépítéssel készült többváltozós logisztikus regressziót az adaptációs prediktorok azonosításához, valamint a felhasználói szegmentálást kereszt-táblázatos elemzés és k-közép klaszterezés kombinációjával. A tanulmányt a Műszaki Egyetem München intézményi felülvizsgáló bizottsága hagyta jóvá (TUM2024-89-S-SB).
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
Bavaria
-
Munich, Bavaria, Németország, 81675
- Technical University Munich
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevonási kritériumok:
18 éves vagy idősebb Angol nyelvtudás Rendszeres internet-hozzáférés Regisztráció a Prolific kutatási platformon Rákbeteg kohorsz esetén: önbevalláson alapuló rákdiagnózis az elmúlt öt évben Egészségügyi szakember kohorsz esetén: engedéllyel rendelkező egészségügyi szakember aktív betegkapcsolattal Általános lakossági kohorsz esetén: az Egyesült Államok vagy az Egyesült Királyság lakója
Kizárási kritériumok:
Beágyazott figyelemellenőrző kérdések sikertelensége (4 ellenőrzés) A felmérés kitöltési ideje a megengedett tartományon kívül (kevesebb mint 5 perc vagy több mint 60 perc) Egyenesvonalas válaszminta, amelyet a konzisztencia-ellenőrző algoritmusok észleltek A kohorsz ellenőrzési eljárások sikertelensége
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
|---|
|
Rákbetegek
18 évnél idősebb felnőttek, akik önként jelentették, hogy az elmúlt öt évben rákos megbetegedést diagnosztizáltak náluk, a Prolific platformon keresztül toborozva, a diagnózis dátumára, a rák típusára és a kezelés állapotára vonatkozó szűrőkérdések ellenőrzésével.
n=2,316.
|
|
Általános lakosság
18 év vagy annál idősebb felnőttek az Egyesült Államokból és az Egyesült Királyságból, akiknek nincs konkrét egészségi állapotra vonatkozó követelménye, akiket a Prolific platformon keresztül toboroztak, kor, nem, etnikai hovatartozás és iskolai végzettség szerinti rétegzett mintavételi kvótákkal.
n=2,000.
|
|
Egészségügyi Szakemberek
A Prolific platformon keresztül az Egyesült Államokból, az Egyesült Királyságból és 28 további országból felvett, 18 éves vagy idősebb, aktív betegkapcsolattal rendelkező engedéllyel rendelkező egészségügyi szakemberek, beleértve orvosokat és ápoló személyzetet.
n=2,835.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Egészségügy-specifikus nagy nyelvi modell használati aránya
Időkeret: A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
A résztvevők aránya, akik jelentették, hogy nagy nyelvi modelleket használnak kifejezetten egészségügyi információkért, egy 5 pontos Likert-féle gyakorisági skálán mérve, és dichotomizálva használat és nem használat kategóriákba.
|
A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
|
A jövőbeni hit a nagy nyelvi modellek által megvalósított közös döntéshozatal fejlesztésében
Időkeret: A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
Az onkológiában a közös döntéshozatal minőségének javulását a nagy nyelvi modellek által elérhetőnek tartó résztvevők aránya, Likert-skálás válaszokon keresztül értékelve.
|
A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
|
Nagy nyelvi modellek elfogadásának akadályai
Időkeret: A felmérés kitöltésének időpontjában (egyszeri felmérés, 2025. március–május)
|
Az egészségügyi döntésekben való nagy nyelvi modellek használatával kapcsolatos aggodalmak gyakorisága, beleértve a megbízhatósági aggodalmakat, az adatvédelmi aggodalmakat és az emberi interakció iránti preferenciát, amelyek mindegyikét binárisan (jelenlét vagy hiány) értékelik.
|
A felmérés kitöltésének időpontjában (egyszeri felmérés, 2025. március–május)
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A nagy nyelvi modellek elfogadásának független prediktorai
Időkeret: A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március-május)
|
Hierarchikus többváltozós logisztikus regresszióból származó esélyhányadosok, amelyek az egészségügy-specifikus nagy nyelvi modellek elfogadásának demográfiai és egészséggel kapcsolatos prediktorait azonosítják, beleértve az életkort, a nemet, az etnikumot, az oktatási szintet, a digitális műveltséget és az egészségügyi információk megértésében való bizalmat.
|
A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március-május)
|
|
Felhasználói szegmentálás
Időkeret: A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
A résztvevők megoszlása az aktuális használat és az észlelt előny kereszt-táblázatából származó, adatvezérelt felhasználói szegmensekben, amelyeket k-átlag klaszterezéssel finomítottak: potenciális átvevők, hiszõ felhasználók, ellenálló nem felhasználók és szkeptikus felhasználók.
|
A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március–május)
|
|
Egészségügyi szakemberek ajánlási mintázatai
Időkeret: A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március-május)
|
Az egészségügyi szakemberek aránya, akik nagy nyelvi modelleket ajánlanak a betegeknek egészségügyi információkhoz, összehasonlítva személyes használati arányukkal.
|
A felmérés kitöltésének időpontjában (egyszeri értékelés, 2025. március-május)
|
Együttműködők és nyomozók
Szponzor
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
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
- LLM-SDM-2025
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
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. .