Effetto degli Interventi Basati sulla Percezione sull'Accettazione Pubblica dell'Utilizzo dei Modelli Linguistici di Grande Dimensione in Medicina
Gli Interventi Basati sulla Percezione Influenzano l'Accettazione Pubblica dell'Uso dei Grandi Modelli Linguistici in Medicina: Studio Controllato Randomizzato
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Intervento / Trattamento
Intervento / Trattamento
Descrizione dettagliata
Tipo di studio
Tipo di studio
Iscrizione (Stimato)
Iscrizione
Fase
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Cina, 100191
- Jue Liu
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criteri di inclusione:
- ≥18 anni
- Capace di completare un sondaggio online
- Accetta di firmare un modulo di consenso informato
Criteri di esclusione:
- Incapace di rispondere alle domande o comunicare
- Non disposto a partecipare a questo studio
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Altro
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Separare
Numero di armi
Armi e interventi
Gruppo di partecipanti / ArmGruppo di partecipanti / Arm |
Intervento / TrattamentoIntervento / Trattamento |
|---|---|
|
Nessun intervento: Controllo
Nessun intervento
|
|
|
Sperimentale: Vantaggi percepiti dei modelli linguistici di grandi dimensioni in medicina
Ai partecipanti è stato chiesto di leggere "Ad aprile 2023, il Massachusetts General Hospital ha avviato un programma pilota che utilizza LLM medici per assistere nel triage del pronto soccorso e nella diagnosi iniziale, osservando una riduzione dei tempi di attesa dei pazienti e un miglioramento dell'efficienza clinica."
|
I partecipanti assegnati al gruppo di intervento hanno ricevuto interventi basati sulla percezione.
Gli interventi per i Gruppi 1-3 riguardavano rispettivamente i benefici percepiti degli LLM in medicina, il bias razziale percepito negli LLM in medicina e i conflitti etici percepiti negli LLM in medicina.
|
|
Sperimentale: Percezione di pregiudizio razziale nei grandi modelli linguistici in medicina
Ai partecipanti è stato chiesto di leggere "Nel novembre 2022, un team di ricerca dell'Università della California, San Francisco ha scoperto che i modelli linguistici medici all'avanguardia mostravano pregiudizi razziali quando raccomandavano piani di trattamento."
|
I partecipanti assegnati al gruppo di intervento hanno ricevuto interventi basati sulla percezione.
Gli interventi per i Gruppi 1-3 riguardavano rispettivamente i benefici percepiti degli LLM in medicina, il bias razziale percepito negli LLM in medicina e i conflitti etici percepiti negli LLM in medicina.
|
|
Sperimentale: Conflitti etici percepiti nei modelli linguistici di grandi dimensioni in medicina
Ai partecipanti è stato richiesto di leggere "Nel febbraio 2023, una importante rete ospedaliera europea ha inavvertitamente diffuso dati parzialmente anonimizzati ma comunque sensibili dei pazienti durante il test di LLM medici a causa di un errore di configurazione del sistema.
Sebbene non si siano verificati danni diretti ai pazienti, questo ha aumentato le preoccupazioni pubbliche riguardanti la privacy e la sicurezza dei dati e ha costretto le istituzioni pertinenti a condurre urgenti revisioni delle loro misure di protezione dei dati."
|
I partecipanti assegnati al gruppo di intervento hanno ricevuto interventi basati sulla percezione.
Gli interventi per i Gruppi 1-3 riguardavano rispettivamente i benefici percepiti degli LLM in medicina, il bias razziale percepito negli LLM in medicina e i conflitti etici percepiti negli LLM in medicina.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Numero di partecipanti che cambieranno il proprio atteggiamento verso le applicazioni mediche dei modelli linguistici di grandi dimensioni
Lasso di tempo: Fino al completamento dello studio, in media 1 anno
|
L'accettazione pubblica dell'applicazione di grandi modelli linguistici alla medicina sarà categorizzata in sì, non sicuro e no, che saranno raccolti prima degli interventi basati sulla percezione e dopo gli interventi.
|
Fino al completamento dello studio, in media 1 anno
|
Collaboratori e investigatori
Sponsor
Sponsor
Collaboratori
Collaboratori
Investigatori
Investigatori
- Investigatore principale: Jue Liu, Peking University
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Stimato)
Completamento primario
Completamento dello studio (Stimato)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- NNSF72474005
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .