- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06621134
AI 챗봇과 핫라인의 효율성 비교 (AI chatbot)
코로나19 관련 이슈에 대한 답변을 위한 AI 챗봇과 전화 핫라인의 효율성 비교
연구 개요
상세 설명
코로나19 팬데믹은 2019년 12월 발병 이후 홍콩 사람들의 웰빙에 전례 없는 영향을 미쳤습니다. 정부는 감염 위험을 최소화하기 위해 사회적 거리 두기 정책을 채택했습니다. 여기에는 다음이 포함되지만 이에 국한되지는 않습니다. 휴교, 원격 근무, 단체 모임 금지. 이러한 감염 방지 조치로 인해 의료 서비스 이용 및 도움 요청 활동 패턴이 바뀌었습니다. 연구에 따르면 사회화의 부족은 부모와 자녀 모두의 스트레스 수준을 높이는 것으로 나타났습니다.
휴교와 원격근무 조치가 이어지면서 어린이와 학부모 모두 큰 부담을 안고 있다. 유네스코(2020)는 2020년 4월 중순 현재 200개국에서 15억 8천만 명 이상의 어린이와 청소년이 학교 폐쇄로 인해 영향을 받았다고 보고했습니다. 코로나19가 어린이와 부모의 정신 건강에 미치는 장기적인 영향은 알려져 있지 않지만, 이러한 전례 없는 상황 속에서 아동 학대, 방치, 착취 사례가 증가했습니다. 저소득 가정이나 특수 교육이 필요한 자녀(SEN)가 있는 가족은 아동이 학대를 받거나 정신 건강 위기를 겪는 경향이 있습니다. 재택근무를 하는 부모는 직장, 보육, 가사라는 세 가지 역할을 수행해야 하는 어려움에 직면해 있습니다. 더 나쁜 것은 아이들의 학습 관심과 동기가 부족하여 교사의 역할을 맡을 때 부모에게 추가적인 부담을 가중시킨다는 것입니다. 부모는 절망감과 함께 정신적, 육체적 피로를 특징으로 하는 부모의 소진을 경험하는 경향이 있습니다. 그러므로 코로나19 신체 및 정신 건강 연구에 대한 사회적 요구가 강력하다는 것이 분명합니다. 코로나19로 인한 부모-자녀 관계, 부모 스트레스, 가족 기능과 관련된 잠재적 문제를 예방하고 기존 문제를 완화하는 것이 필수적입니다.
결과적으로, 잠재적이고 기존의 건강 문제(신체적, 정신적)를 보다 쉽게 접근할 수 있고 효율적으로 처리할 수 있는 방법을 모색하는 것이 우선되어야 합니다. 의료 서비스의 인공 지능(AI)은 피험자의 집에서 편안하게 AI 시스템을 통해 자주 묻는 질문에 답변함으로써 의료 종사자의 업무량을 줄일 수 있는 잠재력을 가지고 있습니다. 코로나19가 어린이와 부모 모두에게 잠재적으로 해로운 영향을 미칠 수 있다는 점을 고려할 때, 특히 사회적 거리 두기가 진행되는 동안 AI가 도움을 구하는 플랫폼 역할을 할 수 있는 방법에 대한 연구 공백을 메우는 것이 중요합니다.
AI는 지난 10년 동안 의료 서비스에 널리 채택되었습니다. 특히 챗봇의 사용으로 대상자의 집에서 편안하게 의료 서비스에 대한 대중의 참여가 향상되었습니다. AI 챗봇은 자연어 처리(NLP)를 활용하여 대화에서 사용자와의 상호 작용을 촉진하고 대중이 적절한 의학적 조언에 접근할 수 있도록 했습니다. AI의 지능형 알고리즘은 질병의 조기 진단을 가능하게 하고 너무 늦게 진단되었을 수도 있는 사람들에게 치료 기술을 제공합니다. 예를 들어, 미국 질병통제예방센터(CDC)는 사용자가 코로나바이러스의 잠재적 증상에 대한 정보에 접근하고 의료 서비스를 받아야 할지 결정을 내릴 수 있도록 돕기 위해 클라라(Clara)라는 챗봇을 출시했습니다. 이는 증상에 따라 환자를 분류하여 치료가 필요한 고위험군을 식별함으로써 경미한 경우의 병원 방문을 줄이는 데 특히 유용합니다. 또한, 고위험군 가족 구성원에게 감염 예방을 위해 어떤 조치를 취할 수 있는지, 가족 내에서 환자를 돌볼 때 부담을 덜 수 있는 방법에 대해 지원합니다.
AI 챗봇은 24시간 서비스를 제공하기 때문에 사용자의 질문에 즉각적으로 응답한다는 점에서 주목된다. 또한 AI가 제공하는 답변은 데이터 마이닝 방법의 숙련도에 따라 검색 엔진보다 더 정확한 것으로 간주됩니다. 이러한 기능은 사용자가 임상의와 대면 약속을 하지 않고도 사회적 거리두기를 실천하면서 정신의학적 조언을 구할 수 있다는 점에서 중요합니다.
AI 챗봇은 정신적, 육체적 상태를 모두 다루는 데 있어 통찰력을 얻기 위한 자조 도구 역할을 할 수 있지만 완벽함과는 거리가 멀습니다. 본 연구가 AI 챗봇을 의료 서비스의 통합적 부분으로 만드는 데 기여할 수 있기를 바랍니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Hong Kong, 홍콩, 0000
- Department of Paediatrics and Adolescent Medicine, The University of Hong Kong
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 연구 참여에 동의한 피험자.
제외 기준:
- 연구 참여에 동의하지 않는 피험자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
통제 그룹
참가자는 당사 시스템에 처음 액세스할 때 무작위 배정에 동의하라는 메시지를 받게 됩니다.
사용자는 문제 은행에 포함된 질문과 질문에 포함되지 않은 특정 질문을 전화 핫라인을 통해 질문합니다.
|
참가자는 당사 시스템에 처음 액세스할 때 무작위 배정에 동의하라는 메시지를 받게 됩니다.
사용자는 문제 은행에 포함된 질문과 질문에 포함되지 않은 특정 질문을 전화 핫라인을 통해 질문합니다.
|
|
개입 그룹
참가자는 당사 시스템에 처음 액세스할 때 무작위 배정에 대한 동의를 제공해야 합니다.
사용자는 문제은행에서 다루는 질문은 물론, 은행에서 다루지 않는 구체적인 질문도 AI 채팅박스를 통해 질문할 수 있다.
|
참가자는 당사 시스템에 처음 액세스할 때 무작위 배정에 대한 동의를 제공해야 합니다.
사용자는 문제은행에서 다루는 질문은 물론, 은행에서 다루지 않는 구체적인 질문도 AI 채팅박스를 통해 질문할 수 있다.
목표는 부모를 돕기 위해 AI 챗봇과 전화 핫라인을 사용하는 것의 중요한 차이점과 전화 핫라인에 비해 AI 챗봇의 효율성을 이해하는 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
일반 불안 장애(GAD - 7)
기간: 사전 테스트 내 1주, 사후 테스트 내 1주
|
범불안장애 7항목(GAD-7) 설문지는 성인의 범불안장애 증상의 중증도를 평가하는 데 사용되는 자가 보고 검사 도구입니다.
초조함, 불안감, 초조함 등 범불안장애와 일반적으로 관련된 다양한 증상에 대해 묻는 7가지 질문으로 구성되어 있습니다. 일반 불안 장애(GAD - 7)
|
사전 테스트 내 1주, 사후 테스트 내 1주
|
|
환자 건강 설문지-9
기간: 사전 테스트 내 1주, 사후 테스트 내 1주
|
환자 건강 설문지-9(PHQ-9)는 환자의 우울증 중증도를 선별하고 평가하는 데 사용되는 자가 작성 설문지입니다.
정신장애 진단 및 통계편람(DSM-5)의 주요우울장애 진단기준을 바탕으로 9개의 문항으로 구성되어 있습니다.
환자들은 지난 2주 동안 우울증의 특정 증상을 얼마나 자주 경험했는지 평가하도록 요청받으며 응답 옵션은 "전혀 없음"부터 "거의 매일"까지 다양합니다.
PHQ-9의 총점은 의료 서비스 제공자가 환자의 우울증 존재 여부와 심각도를 판단하고 시간 경과에 따른 치료에 대한 반응을 모니터링하는 데 도움이 될 수 있습니다.
|
사전 테스트 내 1주, 사후 테스트 내 1주
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
서비스 만족도 조사
기간: 사전 테스트 내 1주, 사후 테스트 내 1주
|
서비스 만족도 조사는 조직이 제공된 서비스에 대한 만족도에 관해 고객으로부터 피드백을 수집하기 위해 사용하는 방법입니다.
이러한 설문조사에는 일반적으로 품질, 응답성, 전문성, 전반적인 만족도 등 서비스 경험의 다양한 측면을 평가하는 질문이 포함됩니다.
이러한 설문조사를 통해 수집된 피드백은 조직이 개선이 필요한 영역을 식별하고 서비스 개선을 위한 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다.
|
사전 테스트 내 1주, 사후 테스트 내 1주
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Naseem M, Akhund R, Arshad H, Ibrahim MT. Exploring the Potential of Artificial Intelligence and Machine Learning to Combat COVID-19 and Existing Opportunities for LMIC: A Scoping Review. J Prim Care Community Health. 2020 Jan-Dec;11:2150132720963634. doi: 10.1177/2150132720963634.
- Kretzschmar K, Tyroll H, Pavarini G, Manzini A, Singh I; NeurOx Young People's Advisory Group. Can Your Phone Be Your Therapist? Young People's Ethical Perspectives on the Use of Fully Automated Conversational Agents (Chatbots) in Mental Health Support. Biomed Inform Insights. 2019 Mar 5;11:1178222619829083. doi: 10.1177/1178222619829083. eCollection 2019.
- Tso WWY, Wong RS, Tung KTS, Rao N, Fu KW, Yam JCS, Chua GT, Chen EYH, Lee TMC, Chan SKW, Wong WHS, Xiong X, Chui CS, Li X, Wong K, Leung C, Tsang SKM, Chan GCF, Tam PKH, Chan KL, Kwan MYW, Ho MHK, Chow CB, Wong ICK, Lp P. Vulnerability and resilience in children during the COVID-19 pandemic. Eur Child Adolesc Psychiatry. 2022 Jan;31(1):161-176. doi: 10.1007/s00787-020-01680-8. Epub 2020 Nov 17.
- Russell BS, Hutchison M, Tambling R, Tomkunas AJ, Horton AL. Initial Challenges of Caregiving During COVID-19: Caregiver Burden, Mental Health, and the Parent-Child Relationship. Child Psychiatry Hum Dev. 2020 Oct;51(5):671-682. doi: 10.1007/s10578-020-01037-x.
- Lee J. Mental health effects of school closures during COVID-19. Lancet Child Adolesc Health. 2020 Jun;4(6):421. doi: 10.1016/S2352-4642(20)30109-7. Epub 2020 Apr 14. No abstract available. Erratum In: Lancet Child Adolesc Health. 2020 Jun;4(6):e16. doi: 10.1016/S2352-4642(20)30128-0.
- Garrido S, Millington C, Cheers D, Boydell K, Schubert E, Meade T, Nguyen QV. What Works and What Doesn't Work? A Systematic Review of Digital Mental Health Interventions for Depression and Anxiety in Young People. Front Psychiatry. 2019 Nov 13;10:759. doi: 10.3389/fpsyt.2019.00759. eCollection 2019.
- Cluver L, Lachman JM, Sherr L, Wessels I, Krug E, Rakotomalala S, Blight S, Hillis S, Bachman G, Green O, Butchart A, Tomlinson M, Ward CL, Doubt J, McDonald K. Parenting in a time of COVID-19. Lancet. 2020 Apr 11;395(10231):e64. doi: 10.1016/S0140-6736(20)30736-4. Epub 2020 Mar 25. No abstract available. Erratum In: Lancet. 2020 Apr 11;395(10231):1194. doi: 10.1016/S0140-6736(20)30790-X.
- Chew AMK, Ong R, Lei HH, Rajendram M, K V G, Verma SK, Fung DSS, Leong JJ, Gunasekeran DV. Digital Health Solutions for Mental Health Disorders During COVID-19. Front Psychiatry. 2020 Sep 9;11:582007. doi: 10.3389/fpsyt.2020.582007. eCollection 2020. No abstract available.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
전화 핫라인에 대한 임상 시험
-
University of OregonSpecial X Inc.완전한부모-자녀 관계 | 육아 | 아동 행동 | 발달 장애 | 개발 지연 | 발달 장애, 아동미국
-
University of PittsburghNational Institute of Nursing Research (NINR); National Institute on Aging (NIA)완전한