LINEベースのGPTアシスタントによるオンデマンドAIサポートで臨床看護師の精神的回復力を高め、燃え尽き症候群を軽減する (Nurse-AI-CARE)

1. 研究デザインとランダム化メカニズム 本研究は前後比較並行介入デザインを採用しています。 内的妥当性を高め、選択バイアスを最小限に抑え、ユニットレベルの特性を考慮するために、層別クラスターランダム化法を採用しています。 臨床ユニットは、評価された業務強度に基づいて3つの階層に層別化されます：高強度（例：ICU、救急）、中強度（例：内科・外科病棟）、低強度（例：精神科・リハビリテーション病棟）。 各階層内では、看護単位または病棟がクラスターとして機能します。 クラスターはその後、介入群または対照群に（1：1の比率で）ランダムに割り付けられ、単一ユニット内のすべての看護師が同じ研究群に属することを保証します。 計画された総サンプルサイズはN=120で、約18のクラスターに分散されます。 2. 介入プロトコル（4週間期間） 介入期間は4週間（28日間）にわたります。 中核となるツールは、対象集団に広く使用されているLINE公式アカウント（LINE OA）プラットフォームと統合されたカスタマイズGPT対話モデルです。 介入群（双方向AIサポート） 参加者は、毎日2つの部分からなる介入を受けます：デイリープッシュメッセージと双方向AIインタラクションへのアクセスです。 参加者は、LINE GPTアシスタントとの自由形式の心理的サポート対話に積極的に参加することが奨励されます。 AIの応答ロジックは、臨床業務ストレス、感情コーピング、レジリエンス促進戦略に焦点を当てるために、プロンプトエンジニアリングを通じて厳密に定義されています。 重要な点として、AIは倫理的ガードレールがプログラムされており、ユーザーが業務に関連しない話題やセンシティブな話題に逸脱した場合には、優しく臨床ストレスの軸に戻すように促し、いかなる医学的、診断的、治療的アドバイスの提供も厳格に禁止しています。 対照群（静的メッセージ対照） 対照群の参加者は、毎日静的なテキストメッセージを受け取ります。 内容のテーマは介入群が受け取るプッシュメッセージと同一ですが、チャネルには双方向AI応答機能が一切ありません。 3. 研究手順とデータ収集タイムライン 研究全体は最低6週間にわたり、3つの異なる段階に構成されています。 プロセスは第1-2週目の募集とベースライン評価から始まります。 インフォームドコンセントの後、参加者は研究プラットフォーム（LINE OA）のオリエンテーションを受け、事前テスト質問票を完了します。 このベースライン評価（約25-30分）では、すべての人口統計学的・職業的変数と、すべての主要・副次評価尺度（ProQOL、GSE、PSS-10、BRS）の初期スコアが収集されます。 ベースライン評価直後、約第3週から第6週にかけての4週間の介入期間が開始されます。 この期間中、介入群と対照群の両方が、それぞれのデイリーメッセージを受け取ります。 主観的エンゲージメントと経験を追跡するため、すべての参加者は毎週、約5分かかる簡易な「AI利用フィードバック簡易フォーム」の記入が求められます。 4週間の介入終了後、研究は第6週末に事後テスト段階に入ります。 すべての参加者が同じ一連の評価尺度（ProQOL、GSE、PSS-10、BRSの再測定）とAI利用満足度質問票を完了します。 介入群はさらに、GPTアシスタントとの経験に関する豊富な質的データを提供するための自由記述式フィードバック質問票の記入が追加で求められます。 4. 統計解析計画 データは解析前に固有の研究IDを使用して匿名化されます。 層別クラスターランダム化が採用されているため、解析ではクラスター内相関（ICC）を考慮するために、クラスターデータ構造に適した手法を採用します。 主解析では、一般化推定方程式（GEE）を用いて、経時的なアウトカムの変化をモデル化し、特に「時間×群」の交互作用を検定して介入効果を評価します。 看護単位／病棟は、GEEモデル内でクラスター変数として指定されます。 線形混合効果モデル（LMM）は、補助的または感度分析に使用される場合があります。 看護職歴やベースラインストレスレベルなどの共変量は、調整および探索的解析のためにモデルに含められます。 自由記述式フィードバックからの質的データは、内容分析を用いて分析され、新たに出現するテーマを分類します。