妊娠女性向けGen AIベース栄養チャットボットの使用性評価
妊娠女性向けGen AIベース栄養チャットボットの使用性評価：パイロット準実験研究
背景：妊娠は重要な身体的負担を課し、妊娠糖尿病（GDM）や子癇前症などの合併症は重大なリスクをもたらします。 栄養は緩和に不可欠ですが、信頼できる指導へのアクセスは依然として困難です。 本研究は、これらの状態を管理するための栄養指導を提供するAIチャットボットの実現可能性を評価します。
方法：準実験デザインにおいて、100人の妊婦が介入群（n=50、AIチャットボットを使用）または対照群（n=50、標準ケアを受ける）のいずれかに自己選択します。 主要アウトカムは、12週間後のシステム使用性尺度（SUS）で測定される使用性であり、期待される平均差は±13ポイントです。 副次アウトカムには、技術受容（技術受容モデル）、ユーザーエンゲージメント、情報の正確性、および食事知識/行動の変化が含まれます。 量的データは、ITT（intention-to-treat）解析とt検定を用いて分析されます。 20人の参加者への半構造化インタビューにより、テーマ分析を通じてユーザー体験を探ります。
期待される結果：AIチャットボットは、優れた使用性と高いユーザー受容性（TAM >5.0/7）を示し、食事知識と行動の改善が期待されます。 質的知見は、利点、障壁、およびエンゲージメント要因についての洞察を提供します。
結論：本研究は、出生前栄養におけるAIチャットボットの実現可能性と受容性に関するエビデンスベースを確立し、ツールの最適化と将来の大規模試験に情報を提供します。
調査の概要
詳細な説明
目的：本研究は主に、介入群と対照群のシステム使用性尺度（SUS）スコアを比較することにより、妊婦向け栄養AIチャットボットの使用性を評価することを目的としています。 二次的な目的には、技術受容モデル（TAM）による技術受容性、エンゲージメントパターン、情報品質（正確性、理解しやすさ、一貫性）、および栄養知識の変化の評価が含まれます。
デザイン：2つの並行群（各群n=50）を用いた準実験デザインを採用します。 自己選択により、参加者は介入群（AIチャットボットへのアクセスと通常ケア）または対照群（標準化されたWeChat情報サービスへのアクセスと通常ケア）のいずれかに登録を選択します。 すべての参加者に対する通常ケアには、標準的な妊婦健診と印刷された栄養資料が含まれます。
対照群向けのWeChatサービスは、訓練を受けた研究アシスタントが事前に定義されたスクリプトを使用し、1日2回の予定された時間帯に、公式の栄養リーフレットから引用した情報を提供して運営されます。 これにより、情報提供の方法（AI対人間によるメッセージング）が主要な変数として分離されます。
参加者：参加基準：18歳以上の妊婦、同意能力を有する、インターネット接続可能なスマートフォンを所有している。 除外基準：他の栄養介入プログラムに参加している、または技術使用を妨げる重度の精神的健康状態にある。 目的に沿った20名のサブサンプル（各群10名）が質的インタビューを完了します。
サンプルサイズ：介入群の期待平均SUSスコア78（SD=12）、対照群65（SD=15）（Cohen's d=0.95）に基づき、90%の検出力、α=0.05で各群23名が必要です。 50%の離脱を考慮し、各群50名を募集します。 年齢、妊娠週数、経産回数、教育レベル、ベースラインの技術使用状況などの変数を用いた傾向スコアマッチングを適用し、選択バイアスを軽減します。
測定：主要アウトカムである使用性は、12週目にシステム使用性尺度（SUS）とチャットボット使用性質問票（CUQ）を使用して測定します。 技術受容性は技術受容モデル（TAM）を用いて評価します。 栄養知識は、ベースライン時および12週目に、15項目の質問票とFIGO栄養チェックリストを用いて評価します。 情報の正確性と一貫性は、専門家パネルによる150のチャットボット応答の評価と、20のテスト質問の繰り返し提出により評価されます。 エンゲージメントは、遵守度、強度、持続性を測定するアプリケーション使用ログを介して分析されます。 半構造化インタビューにより、ユーザーエクスペリエンスを詳細に探ります。
データ分析：量的データは、ITT（intention-to-treat）原則に基づいて分析されます。 主要分析では、独立標本t検定を用いて群間の平均SUSスコアを比較し、効果量はCohen's dとして計算します。 二次的アウトカムは同様のアプローチで分析され、割合にはカイ二乗検定、栄養知識変化スコアには線形混合モデルを使用します。 欠損データは多重代入法により対応します。 質的インタビューの書き起こしは、二重独立コーディングによるテーマ分析を用いて分析されます。
研究タイムライン：参加者は6か月間にわたって登録され、各参加者は12週間の介入と追跡期間を完了します。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前：Bronya Luk, DHSc
- 電話番号：+852 39708758 +852 39708758
- メール：bluk@hkmu.edu.hk
研究場所
-
-
-
Hong Kong、香港
- Hong Kong Metropolitan University
-
コンタクト：
- Bronya Luk, DHSc
- 電話番号：+852 39708758
- メール：bluk@hkmu.edu.hk
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
説明
参加基準：
- 18歳以上の妊婦
- 研究言語でインフォームド・コンセントを提供できる
- インターネット接続とWeChatアプリケーションが利用可能なスマートフォンを所有している
除外基準：
- 他の栄養介入研究に現在参加している
- 技術の使用やインフォームド・コンセントの提供能力を損なう可能性のある重度の精神疾患
研究計画
研究はどのように設計されていますか？
デザインの詳細
- 主な目的：支持療法
- 割り当て：非ランダム化
- 介入モデル：並列代入
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的：介入群
介入群は栄養AIチャットボットにアクセスします。
|
妊婦向けの文化的に合わせた栄養AIチャットボット、AIチャットボットサポートは24時間365日利用可能
|
|
介入なし：対照群
対照群は、標準化されたWeChat情報サービスへのアクセスとともに、日常的なケアを受けます。
公平な比較を確保するために、対照群のためのWeChatサービスは、事前に定義されたスクリプトとプロトコルを使用して、訓練を受けた研究アシスタントによって運営されます。
アシスタントは、1日2回の事前にスケジュールされた時間帯（例：10:00-12:00および14:00-16:00）に、公式の栄養リーフレットから直接引用または言い換えた情報を提供することで、問い合わせに対応します。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
システム・ユーザビリティ・スケール (SUS)
時間枠：12週間
|
システムユーザビリティ尺度（SUS）を使用してユーザビリティを評価します。SUSは5段階のリッカート尺度による10項目のアンケートです。
SUSは0から100の総合スコアを算出し、スコアが高いほどユーザビリティが優れていると認識されています。
12週間時点でグループ間のスコアを比較します。
|
12週間
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
技術受容モデル（TAM）アンケートの平均スコア
時間枠：12週間
|
技術受容は、技術受容モデル（TAM）質問票を用いて評価されます。
この12項目の尺度は、2つの領域を測定します：知覚的有用性（6項目）と知覚的易用性（6項目）。
各項目は、1（強く反対）から7（強く賛成）までの7段階リッカート尺度で評価されます。
領域スコアは各領域内の項目の平均として計算され、スコアが高いほど知覚的有用性または易用性が高いことを示します。
|
12週間
|
|
適切な関与遵守を達成した参加者の割合
時間枠：12週間
|
エンゲージメント遵守度は、アプリケーション使用ログを用いて測定されます。
適切な遵守度は、12週間の介入期間のうち少なくとも10週間、週に最低3日間プラットフォームを使用することを定義します。
この閾値を満たす参加者の割合が報告されます。
|
12週間
|
|
週間あたりの平均プラットフォームログイン数
時間枠：12週間
|
エンゲージメント強度は、アプリケーション使用ログを用いて測定されます。
12週間の介入期間における参加者ごとの週平均ログイン回数を算出し、グループ平均として報告します。
|
12週間
|
|
参加者ごとの平均クエリ提出数
時間枠：12週間
|
エンゲージメントの強度は、12週間の介入期間中に各参加者がプラットフォームに提出したクエリ（質問またはリクエスト）の総数によっても評価され、グループ平均として報告されます。
|
12週間
|
|
臨床専門家パネルにより正確と評価されたチャットボット応答の割合
時間枠：12週間
|
臨床専門家パネルが、150件のチャットボット応答のサンプルを正確性について評価します。
応答は、現在の臨床ガイドラインとの整合性に基づき、正確または不正確として評価されます。
正確と評価された応答の割合が報告されます。
|
12週間
|
協力者と研究者
捜査官
- 主任研究者：Bronya Luk, DHSc、School of Nursing and Health Sciences, Hong Kong Metropolitan University
出版物と役立つリンク
便利なリンク
- Caropreso, L., de Azevedo Cardoso, T., Eltayebani, M., & Frey, B. N. (2020). Preeclampsia as a risk factor for postpartum depression and psychosis: a systematic review and meta-analysis. Archives of Women's Mental Health, 23(4), 493-505.
- Charlton, M. (2016). The evolving management of gestational diabetes. The Hong Kong Practitioner, 38(2).
- Feghali, M. N., Abebe, K. Z., Comer, D. M., Caritis, S., Catov, J. M., & Scifres, C. M. (2018). Pregnancy outcomes in women with an early diagnosis of gestational diabetes mellitus. Diabetes Research and Clinical Practice, 138, 177-186.
- Hyzy, M., Bond, R., Mulvenna, M., Bai, L., Dix, A., Leigh, S., & Hunt, S. (2022). System Usability Scale Benchmarking for Digital Health Apps: Meta-analysis. JMIR MHealth and UHealth, 10(8).
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- HE-RD/2025/2.34 (その他の識別子：Hong Kong Metropolitan University)
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。