Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Progettazione di Chatbot Persona per la diffusione dello screening del cancro al seno tra le donne di colore

13 maggio 2023 aggiornato da: Leah Marcotte, University of Washington

Approccio Human Centered Design per eliminare le disparità nello screening del cancro al seno

Le disparità di screening del cancro al seno tra le donne di colore persistono nonostante il riconoscimento e la sensibilizzazione del sistema sanitario. Tuttavia, le prove attuali su come adattare e ottimizzare le strategie di implementazione per la diffusione dello screening del cancro al seno sono limitate. Lo studio proposto fa parte di un progetto più ampio per progettare un chatbot per la diffusione dello screening del cancro al seno alle donne di colore e si concentrerà sull'ottimizzazione del personaggio del chatbot. Utilizzando il framework Multiphase Optimization Strategy (MOST), i ricercatori condurranno un esperimento fattoriale randomizzato per valutare i singoli componenti del personaggio chatbot per lo screening del cancro al seno e identificare quali componenti hanno il maggiore effetto sulla fiducia e sul coinvolgimento per le donne nere. Queste informazioni guideranno la progettazione di un intervento di chatbot ottimizzato che raggiunga i risultati primari.

Panoramica dello studio

Descrizione dettagliata

L'obiettivo di questo studio è determinare la consegna ottimale dei messaggi iniziali di chatbot per la sensibilizzazione dello screening del cancro al seno su misura culturale. La sfiducia nei confronti del sistema medico è stata identificata come un ostacolo significativo allo screening mammografico tra le donne di colore. Tuttavia, sebbene esistano interventi su misura per lo screening del cancro al seno, la progettazione ottimale di un intervento su misura per generare fiducia è sconosciuta. È stato dimostrato che i chatbot aumentano i livelli di fiducia nelle informazioni basate sul Web, sebbene l'adozione dei chatbot possa dipendere dalle caratteristiche del chatbot. I ricercatori propongono di utilizzare la strategia di ottimizzazione multifase (MOST), un framework per lo sviluppo di interventi efficaci, efficienti, scalabili ed economici, per valutare le prestazioni dei componenti di intervento del chatbot e le loro interazioni.

La consegna del messaggio chatbot sarà sistematicamente variata attraverso due componenti, ognuno dei quali è rappresentato da un fattore separato nel disegno dello studio fattoriale 2x2x1 con un braccio di controllo. Nello specifico, ogni partecipante verrà assegnato in modo casuale a una delle cinque condizioni sperimentali separate. Le condizioni includono: (1) chatbot con persona medico di base e stile di comunicazione diretto; (2) chatbot con una persona sopravvissuta al cancro al seno e stile di comunicazione diretto; (3) chatbot con persona medico di base e stile di comunicazione indiretta; e (4) chatbot con una persona sopravvissuta al cancro al seno e stile di comunicazione indiretta. Tutti i partecipanti completeranno un sondaggio riguardante le loro percezioni sui messaggi di sensibilizzazione iniziali dal chatbot.

Saranno stimati gli effetti principali dei due fattori sperimentali e delle loro interazioni sui risultati primari dello studio: fiducia nel sistema di chatbot da utilizzare per l'educazione e la programmazione dello screening del cancro al seno e intenzione di utilizzarlo. Queste informazioni guideranno la progettazione di un personaggio chatbot ottimizzato che raggiunge i risultati primari.

I partecipanti saranno iscritti se sono individui neri che si qualificano per lo screening del cancro al seno residenti negli Stati Uniti e di età compresa tra 40 e 74 anni. Il reclutamento sarà condotto su Prolific, una piattaforma di pooling di partecipanti online, e Amazon Mechanical Turk (MTurk), una piattaforma di crowdsourcing utilizzata per il reclutamento della ricerca. Verrà utilizzato Prolific data la capacità della piattaforma di selezionare la popolazione dei partecipanti. Tuttavia, a causa del numero limitato di persone all'interno dei criteri di inclusione su Prolific, e se necessario i partecipanti saranno reclutati anche su MTurk. Ai partecipanti verrà chiesto di visualizzare i messaggi del chatbot e di rispondere alle domande per valutare la fiducia, il coinvolgimento e l'immediatezza del chatbot.

Tipo di studio

Osservativo

Iscrizione (Effettivo)

550

Fase

  • Non applicabile

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Luoghi di studio

    • Washington
      • Seattle, Washington, Stati Uniti, 98105
        • University of Washington Medical Center

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

Da 36 anni a 70 anni (Adulto, Adulto più anziano)

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Donne nere o afroamericane di età compresa tra 40 e 74 anni e residenti negli Stati Uniti.

Descrizione

Criterio di inclusione:

Tutte le donne di età compresa tra 40 e 74 anni:

  • che si identificano come neri

Criteri di esclusione:

  • Partecipanti che non completano il sondaggio
  • Partecipanti che completano il sondaggio in meno della metà del normale tempo medio
  • Partecipanti che non superano il controllo dell'attenzione

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Gruppo 1
Persona di medico di base con messaggi diretti
Il personaggio del chatbot è una donna di colore che è un medico di base.
I messaggi del chatbot sono caratterizzati da comandi e indirizzi diretti ("tu").
Gruppo 2
Persona sopravvissuta al cancro al seno con messaggi diretti
I messaggi del chatbot sono caratterizzati da comandi e indirizzi diretti ("tu").
Il personaggio del chatbot è una donna nera sopravvissuta al cancro al seno.
Gruppo 3
Medico di base con messaggi indiretti
Il personaggio del chatbot è una donna di colore che è un medico di base.
I messaggi del chatbot sono caratterizzati da forme verbali modali congiuntive (''vorrei'') e indirizzi cooperativi (''noi'', "let's").
Gruppo 4
Persona sopravvissuta al cancro al seno con messaggi indiretti
Il personaggio del chatbot è una donna nera sopravvissuta al cancro al seno.
I messaggi del chatbot sono caratterizzati da forme verbali modali congiuntive (''vorrei'') e indirizzi cooperativi (''noi'', "let's").
Gruppo 5
Controllo

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Fiducia
Lasso di tempo: Giorno 1
La scala di fiducia uomo-computer valuta la fiducia degli utenti, che si basa su costrutti di fiducia simili (benevolenza, competenza, reciprocità, rischio percepito). Sono stati selezionati 7 dei 12 item che utilizzano una scala Likert a 5 punti da "Fortemente in disaccordo" a "Fortemente d'accordo".
Giorno 1
Intenzione d'uso
Lasso di tempo: Giorno 1
Questa misura valuta la probabilità di utilizzare questo sistema per programmare una mammografia in futuro e viene valutata su una scala Likert a 5 punti da "Molto improbabile" a "Molto probabile".
Giorno 1

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Fidanzamento
Lasso di tempo: Giorno 1
Questa misura consiste in 4 scale differenziali semantiche che valutano i tratti (importanti, interessanti, rilevanti, calorosi) su una scala a 7 punti.
Giorno 1
Direttività
Lasso di tempo: Giorno 1
Questa misura consiste in 7 scale differenziali semantiche che valutano i tratti (diretto, amichevole, premuroso, schietto, esigente, rispettoso, educato) su una scala a 7 punti.
Giorno 1
Competenza e omofilia
Lasso di tempo: Giorno 1
Questi 4 item misurano l'esperienza percepita e l'atteggiamento del sistema su una scala Likert a 5 punti da "Fortemente in disaccordo" a "Fortemente d'accordo".
Giorno 1
Connessione con il proprio marchio
Lasso di tempo: Giorno 1
Questa misura è composta da 3 elementi per valutare la connessione del proprio marchio su una scala Likert a 5 punti da "Fortemente in disaccordo" a "Fortemente d'accordo".
Giorno 1

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Investigatori

  • Investigatore principale: Leah Marcotte, MD, University of Washington

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Effettivo)

22 agosto 2022

Completamento primario (Effettivo)

27 dicembre 2022

Completamento dello studio (Effettivo)

27 dicembre 2022

Date di iscrizione allo studio

Primo inviato

10 giugno 2022

Primo inviato che soddisfa i criteri di controllo qualità

20 luglio 2022

Primo Inserito (Effettivo)

25 luglio 2022

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

16 maggio 2023

Ultimo aggiornamento inviato che soddisfa i criteri QC

13 maggio 2023

Ultimo verificato

1 maggio 2023

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • STUDY00011606
  • 5P50CA244432 (Sovvenzione/contratto NIH degli Stati Uniti)

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 .

Sottoscrivi