Educazione Mobile Integrata all'Intelligenza Artificiale e Autogestione nell'Emodialisi (AI-MOBI-HEMODI)

Questo studio controllato randomizzato mira a valutare l'efficacia di un'applicazione mobile di educazione supportata dall'Intelligenza Artificiale, progettata per migliorare i comportamenti di autocura, le pratiche di cura della fistola arterovenosa (FAV) e i parametri biochimici chiave tra i pazienti adulti in emodialisi (HD). La Malattia Renale Cronica (MRC) e la sua terapia sostitutiva renale più comune, l'emodialisi, impongono un carico fisico, psicologico e socioeconomico sostanziale ai pazienti. I pazienti in HD sperimentano frequentemente affaticamento, dolore, crampi, disturbi del sonno, sfide legate alla sete e alla restrizione dei liquidi, limitazioni dietetiche, complicanze legate alla FAV e disagio emotivo. Queste difficoltà sottolineano l'importanza di rafforzare le capacità di autocura dei pazienti e di promuovere un coinvolgimento attivo nella gestione della malattia.

Nonostante la diffusione delle tecnologie di salute mobile (mHealth) nella gestione delle malattie croniche, le applicazioni esistenti per i pazienti in HD rimangono limitate e nessuna ha integrato un supporto educativo personalizzato basato sull'intelligenza artificiale. L'assenza di un'educazione del paziente guidata dall'IA rappresenta una lacuna significativa nella scienza infermieristica e nell'innovazione digitale in ambito sanitario. Questo progetto affronta tale lacuna sviluppando e testando un programma mobile di educazione strutturato e basato su evidenze, supportato dall'intelligenza artificiale, progettato specificamente per i pazienti in HD.

Lo studio arruolerà 76 pazienti in emodialisi idonei provenienti dal Bitlis State Hospital e dal Bitlis Tatvan State Hospital. I partecipanti saranno assegnati casualmente al gruppo di intervento o al gruppo di controllo utilizzando una randomizzazione semplice. Il gruppo di intervento avrà accesso all'applicazione mobile supportata dall'IA per sei settimane, che include moduli sulla funzione renale, sulla MRC e sulle opzioni di trattamento, sulla gestione dei sintomi, sull'aderenza dietetica, sulla gestione dei liquidi, sull'aderenza al trattamento e sulla cura della FAV. Ogni modulo incorpora contenuti scritti, video, elementi visivi, funzionalità di lettura con supporto vocale e una funzione integrata "Fai una domanda" che consente ai pazienti di comunicare direttamente con il team di ricerca. Il gruppo di controllo riceverà l'assistenza clinica di routine senza interventi aggiuntivi.

La componente di intelligenza artificiale aiuterà nella personalizzazione dei contenuti, nel monitoraggio del coinvolgimento dei pazienti, nell'archiviazione dei dati, nei promemoria automatizzati per gli utenti non attivi e nel feedback di supporto basato sui progressi nell'apprendimento e sulle tendenze biochimiche. Lo sviluppo dell'applicazione mobile sarà guidato dalle opinioni di esperti specialisti in nefrologia, infermieri di dialisi, accademici e dietisti. La leggibilità dei materiali educativi sarà valutata utilizzando la Formula di Leggibilità di Ateşman. Uno studio pilota sarà condotto prima della sperimentazione per valutarne l'usabilità utilizzando il Web Analysis and Measurement Inventory (WAMMI).

La raccolta dati includerà un Modulo di Identificazione del Paziente, la Scala dei Comportamenti di Autocura della Fistola Arterovenosa in Emodialisi, la Scala di Autogestione dell'Emodialisi e un Modulo di Monitoraggio dei Parametri Biochimici. I dati pre-test saranno raccolti prima dell'intervento; i dati post-test saranno raccolti alla fine del periodo di intervento di sei settimane. I parametri biochimici includeranno BUN, creatinina, albumina, potassio, fosforo, emoglobina, livelli di acido urico, Kt/V e peso secco, ottenuti dalle registrazioni cliniche di routine senza ulteriori prelievi di sangue.

Gli esiti primari valuteranno i cambiamenti nei comportamenti di autocura e autogestione basati su scale validate. Gli esiti secondari esamineranno i cambiamenti nei parametri biochimici tra il gruppo di intervento e quello di controllo. L'analisi dei dati sarà eseguita utilizzando SPSS, impiegando statistiche descrittive, test di normalità e appropriati test statistici di confronto, con significatività fissata a p < 0,05.

L'approvazione etica sarà ottenuta dal comitato etico istituzionale appropriato e il consenso informato scritto sarà ottenuto da tutti i partecipanti. La riservatezza dei dati sarà garantita utilizzando sistemi di accesso crittografati e processi di archiviazione sicuri.

Si prevede che questa sperimentazione contribuirà in modo significativo alla letteratura scientifica essendo il primo intervento di educazione mobile supportato dall'IA personalizzato per pazienti in emodialisi. I benefici attesi includono migliori comportamenti di autocura, maggiore autonomia del paziente, riduzione delle complicanze della FAV, migliore aderenza alle restrizioni dietetiche e dei liquidi e migliori esiti biochimici. Gli impatti più ampi del progetto includono la potenziale riduzione dei tassi di ospedalizzazione, la diminuzione dei costi sanitari, l'aumento della qualità della vita per i pazienti in HD e l'istituzione di un modello digitale che può essere adattato per altre popolazioni con malattie croniche.

In definitiva, questo studio mira a dimostrare che l'integrazione dell'intelligenza artificiale con l'educazione sanitaria mobile può creare un approccio trasformativo all'empowerment del paziente, all'assistenza clinica e alla gestione delle malattie croniche nell'ambito della nefrologia e dell'infermieristica.