看護師と人工知能（ChatGPT-5）の間の一貫性の評価：冠動脈バイパス移植術患者へのシナリオベース退院指導における方法論的研究 (CABG-AI-EDU)

この方法論的研究は、冠動脈バイパス移植（CABG）手術を受けた患者に対するシナリオベースの退院教育において、専門看護師と人工知能（AI）システム（ChatGPT-5）の間の一致度を明らかにすることを目的としています。 本研究の目的は、ChatGPT-5が、経験豊富な心臓血管外科看護師が作成した退院教育コンテンツと同等の正確性、完全性、臨床的適切性を備えたコンテンツを生成できるかどうかを評価することです。

多様な人口統計学的、社会経済的、心理社会的、および臨床的特徴を有する幅広いCABG症例を代表する30の標準化された患者シナリオが作成されます。 各シナリオは、潜在的な合併症（せん妄、創傷感染、出血、不整脈など）、併存疾患（糖尿病、高血圧、COPDなど）、および不安レベル、家族構成、社会的支援などの心理社会的変数を含む、現実的な術後状態をシミュレートします。 すべてのシナリオは、心臓血管外科医および学術看護専門家を含む多分野の専門家パネルによってレビューおよび検証され、臨床的現実性と内容の妥当性が確保されます。

退院教育は、国内外のガイドラインおよびエビデンスに基づく文献から導き出された6つの主要領域と24のサブトピックに基づいて構成されます。 これらの領域には以下が含まれます：（1）医療管理とフォローアップ、（2）日常生活と機能的回復、（3）心理社会的および社会的支援、（4）危険因子と予防医療、（5）生活の質と特定の状態、（6）宗教的慣行。 各シナリオについて、専門看護師とChatGPT-5の両方が、この標準化された枠組みを使用して、独立して書面による退院教育資料を作成します。

教育資料は匿名化され、科学的正確性、内容の完全性、言語的明瞭性、および臨床基準への適合性の観点から、2名の盲検レビューアによって評価されます。 意見が一致しない場合、第三者の独立したレビューアが客観性を確保するために最終決定を下します。 統計分析には、評価者間一致度を測定するためのコーエンのカッパ係数と、カテゴリカル比較のためのフィッシャーの正確確率検定が含まれます。 感度、特異度、陽性予測値（PPV）、陰性予測値（NPV）、F1スコアなどの診断性能指標も計算されます。

データはSPSS v25（IBM Corp.、アーモンク、ニューヨーク、米国）を使用して分析されます。 記述統計（頻度、パーセンテージ、平均値、標準偏差）は、シナリオと評価の特性を要約するために報告されます。 一致レベルは、LandisとKochの分類に従って解釈されます。 p値<0.05は統計的に有意とみなされます。

本研究の結果は、心臓血管外科看護における個別化された退院教育資料を作成するための革新的かつ支援的なツールとしてのChatGPT-5の信頼性、妥当性、および有用性に関するエビデンスを提供することが期待されます。 結果は、看護師の業務負荷を軽減し、退院教育の標準化を改善し、術後期間における患者の理解と満足度を高めることができる、新しい技術支援教育モデルの開発に貢献する可能性があります。