Valutazione dell'usabilità del chatbot nutrizionale basato su Intelligenza Artificiale Generativa per donne in gravidanza

Obiettivi: Questo studio mira principalmente a valutare l'usabilità di un chatbot di intelligenza artificiale nutrizionale per donne in gravidanza confrontando i punteggi della System Usability Scale (SUS) tra i gruppi di intervento e di controllo. Gli obiettivi secondari includono la valutazione dell'accettazione della tecnologia (Modello di Accettazione della Tecnologia), i modelli di coinvolgimento, la qualità dell'informazione (accuratezza, comprensibilità, coerenza) e i cambiamenti nella conoscenza nutrizionale.

Design: Verrà impiegato un disegno quasi-sperimentale con due gruppi paralleli (n=50 ciascuno). Attraverso l'autoselezione, le partecipanti potranno scegliere di iscriversi al gruppo di intervento (accesso a un chatbot AI più cure di routine) o al gruppo di controllo (accesso a un servizio informativo standardizzato WeChat più cure di routine). Le cure di routine per tutte le partecipanti includono visite prenatali standard e materiali nutrizionali stampati.

Il servizio WeChat per il gruppo di controllo sarà gestito da un assistente di ricerca formato utilizzando uno script predefinito durante due finestre programmate giornaliere, fornendo informazioni citate dai volantini nutrizionali ufficiali. Ciò isola la modalità di fornitura delle informazioni (messaggistica AI versus facilitata da umano) come variabile primaria.

Partecipanti: Criteri di inclusione: donne in gravidanza di età ≥18 anni, in grado di dare il consenso, proprietarie di uno smartphone con accesso a internet. Criteri di esclusione: iscrizione ad altri interventi nutrizionali o condizioni di salute mentale gravi che compromettono l'uso della tecnologia. Un sottocampione mirato di 20 partecipanti (10 per gruppo) completerà interviste qualitative.

Dimensione del campione: Basandosi su un punteggio medio atteso della SUS di 78 (DS=12) nel gruppo di intervento e 65 (DS=15) nel gruppo di controllo (d di Cohen=0,95), sono necessarie 23 partecipanti per gruppo per una potenza del 90% con alfa=0,05. Considerando un tasso di abbandono del 50%, verranno reclutate 50 partecipanti per gruppo. Il propensity score matching verrà applicato per ridurre il bias di selezione utilizzando variabili tra cui età, età gestazionale, parità, istruzione e uso della tecnologia basale.

Misurazioni: L'esito primario, l'usabilità, sarà misurato utilizzando la System Usability Scale (SUS) e il Chatbot Usability Questionnaire (CUQ) a 12 settimane. L'accettazione della tecnologia sarà valutata utilizzando il Technology Acceptance Model (TAM). La conoscenza nutrizionale sarà valutata al basale e a 12 settimane utilizzando un questionario di 15 item e la FIGO Nutrition Checklist. L'accuratezza e la coerenza delle informazioni saranno valutate da un panel di esperti che valuterà 150 risposte del chatbot e la ripetuta presentazione di 20 domande di prova. Il coinvolgimento sarà analizzato tramite i log di utilizzo dell'applicazione misurando aderenza, intensità e persistenza. Interviste semi-strutturate esploreranno in profondità le esperienze degli utenti.

Analisi dei dati: I dati quantitativi saranno analizzati utilizzando i principi intention-to-treat. L'analisi primaria confronterà i punteggi medi della SUS tra i gruppi utilizzando test t per campioni indipendenti, con le dimensioni dell'effetto calcolate come d di Cohen. Gli esiti secondari saranno analizzati utilizzando approcci simili, con test del chi-quadro per le proporzioni e modelli lineari misti per i punteggi di cambiamento della conoscenza nutrizionale. I dati mancanti saranno gestiti tramite imputazione multipla. Le trascrizioni delle interviste qualitative saranno analizzate utilizzando l'analisi tematica con doppia codifica indipendente.

Cronologia dello studio: Le partecipanti saranno arruolate in un periodo di 6 mesi, con ciascuna partecipante che completerà un periodo di intervento e follow-up di 12 settimane.