Determinazione della Coerenza tra Infermieri e Intelligenza Artificiale (ChatGPT-5) nell'Offrire Educazione alla Dimissione Basata su Scenari a Pazienti Sottoposti a Bypass Aortocoronarico: Uno Studio Metodologico (CABG-AI-EDU)

Questo studio metodologico mira a determinare la concordanza tra infermieri esperti e un sistema di intelligenza artificiale (IA) (ChatGPT-5) nel fornire educazione alla dimissione basata su scenari per pazienti che hanno subito un intervento di bypass aorto-coronarico (CABG). Lo scopo dello studio è valutare se ChatGPT-5 possa generare contenuti educativi per la dimissione comparabili in termini di accuratezza, completezza e appropriatezza clinica a quelli preparati da infermieri esperti di chirurgia cardiovascolare.

Verranno sviluppati trenta scenari paziente standardizzati per rappresentare un'ampia gamma di casi CABG con caratteristiche demografiche, socioeconomiche, psicosociali e cliniche diverse. Ogni scenario simulerà condizioni postoperatorie realistiche, includendo potenziali complicanze (ad esempio, delirium, infezione della ferita, sanguinamento, aritmia), comorbidità (ad esempio, diabete, ipertensione, BPCO) e variabili psicosociali come livello di ansia, struttura familiare e supporto sociale. Tutti gli scenari saranno revisionati e validati da un panel multidisciplinare di esperti, inclusi chirurghi cardiovascolari e infermieri specializzati accademici, per garantire realismo clinico e validità dei contenuti.

L'educazione alla dimissione sarà strutturata attorno a sei domini principali e ventiquattro sottotemi derivati da linee guida nazionali e internazionali e letteratura basata su evidenze. Questi domini includono: (1) gestione medica e follow-up, (2) vita quotidiana e recupero funzionale, (3) supporto psicosociale e sociale, (4) fattori di rischio e prevenzione sanitaria, (5) qualità della vita e condizioni specifiche, e (6) pratiche religiose. Per ogni scenario, sia gli infermieri esperti che ChatGPT-5 prepareranno indipendentemente materiali educativi scritti per la dimissione utilizzando questo framework standardizzato.

I materiali educativi saranno anonimizzati e valutati da due revisori in cieco in termini di accuratezza scientifica, completezza dei contenuti, chiarezza linguistica e allineamento con gli standard clinici. In caso di disaccordo, un terzo revisore indipendente fornirà una decisione finale per garantire l'oggettività. Le analisi statistiche includeranno il coefficiente Kappa di Cohen per misurare la concordanza tra valutatori e il test esatto di Fisher per confronti categoriali. Verranno inoltre calcolate misure di performance diagnostica come sensibilità, specificità, valore predittivo positivo (VPP), valore predittivo negativo (VPN) e punteggio F1.

I dati saranno analizzati utilizzando SPSS v25 (IBM Corp., Armonk, NY, USA). Le statistiche descrittive (frequenze, percentuali, medie e deviazioni standard) saranno riportate per riassumere le caratteristiche degli scenari e delle valutazioni. I livelli di concordanza saranno interpretati secondo la classificazione di Landis e Koch. Un valore p di <0,05 sarà considerato statisticamente significativo.

I risultati di questo studio dovrebbero fornire evidenze riguardo l'affidabilità, la validità e l'usabilità di ChatGPT-5 come strumento innovativo e di supporto per preparare materiali educativi individualizzati per la dimissione nell'assistenza infermieristica di chirurgia cardiovascolare. I risultati potrebbero contribuire a sviluppare nuovi modelli educativi assistiti dalla tecnologia che possano ridurre il carico di lavoro infermieristico, migliorare la standardizzazione dell'educazione alla dimissione e aumentare la comprensione e la soddisfazione del paziente nel periodo postoperatorio.