국소 전립선 암 환자의 SDM 개선을위한 NLP 기반 피드백의 RCT (NLP RCT)
의사 위험 커뮤니케이션을 개선하기위한 자연 언어 처리 기반 피드백 임상 적으로 현지화 된 전립선 암을 가진 남성의 공유 의사 결정에 정보를 제공합니다.
이 연구의 목적은 자연 언어 처리 + 인공 지능 (NLP + AI) 기반 위험 커뮤니케이션 피드백 시스템의 영향을 평가하여 의사 간의 전립선 암 상담 중 주요 트레이드 오프의 품질을 향상시키고 환자 의사 결정을 개선하는 것입니다. 이 클러스터 무작위 시험에서, 새로 진단 된 임상 적으로 국소화 된 전립선 암을 가진 평가 가능한 220 명의 환자는 다음과 같은 평가 가능한 22 명의 의사 내에서 무작위 배정 될 것이다.
- 환자가 치료 위험 및 혜택 (환자) 및 SDM (의사) 또는 SDM (의사)에 대한 AUA 엔더 교육 자료와 함께 표준 치료 치료 상담을받는 대조군
- 환자와 참여 의사가 의사 결정을 돕기 위해 상담 후 약 72 시간 이내에 주요 트레이드 오프에 대한 NLP+AI 기반 피드백에 대한 NLP+AI 기반 피드백을받는 실험적 팔. 의사는 추가로 위험 커뮤니케이션 품질 및 개선을위한 권장 사항에 대한 선험적 정의 된 프레임 워크를 기반으로 각 방문에 대한 위험 커뮤니케이션 등급을 추가로 제공받을 것입니다.
두 학습 무기 모두에서, 의사와 환자 사이에 오디오 녹음 후 후속 전화 또는 화상 통화가있을 것이며 위험에 대한 추가 논의와 모호성 영역을 명확하게 설명 할 수 있으며, 이는 통신 불량 영역이 정류되었는지 정 성적으로 분석 할 것입니다. 후속 전화 통화 후, 환자와 참여 의사는 자신의 경험에 대한 간단한 조사를 완료해야합니다.
이 연구는 NLP+AI 기반 피드백을받는 것이 전립선 암에 대한 치료 상담을받는 환자의 치료 표준에 대한 의사 결정 갈등, 공유 의사 결정 및 치료 선택의 적절성을 개선하는지 여부를 테스트 할 계획입니다. 학습 직원은 또한 의사에게 피드백 및 위험 커뮤니케이션을 제공하는 것이 의사 위험 커뮤니케이션의 질에 영향을 미치는지 여부를 테스트 할 것입니다. 피드백을 제공하면 환자에게 제공되는 정보의 품질에 대한 더 많은 책임을 촉진합니다. 이 연구는 또한 무작위 대조 시험의 통제 ARM의 데이터를 분석하여 종양 위험 (낮은, 중간 및 고위험)의 관련 하위 군, 제공자 특수성 (비뇨기과, 방사선 종양학, 의료 종양) 및 환자 소시노데마 제도에서 주요 트레이드 오프의 위험 통신의 변화를 이해할 것입니다.
연구 개요
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Timothy Daskivich, MD
- 전화번호: 310-423-4700
- 이메일: Timothy.Daskivich@cshs.org
연구 연락처 백업
- 이름: Ella Tetrault, AB
- 전화번호: 424-315-1311
- 이메일: Ella.Tetrault@cshs.org
연구 장소
-
-
California
-
Los Angeles, California, 미국, 90048
- 모병
- Cedars Sinai Medical Center
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준 :
- 의사 포함 기준 (1) 일반적으로 전립선 암 환자를 조언하는 의사 (비뇨기과, 방사선 종양학, 의료 종양)
환자 포함 기준
- 임상 적으로 국소화 된 전립선 암에 대한 초기 치료 상담을받는 환자;
- 결정적인 국소 요법으로의 전환을 고려하여 활성 감시에서 전립선 암 업그레이드 된 환자;
- 영어로 읽고 쓰는 능력.
제외 기준 :
- 18 세 미만;
- 의사 소통 또는 치매가 어려운 대상;
- NLP 기반 도구가 영어 이외의 언어와 함께 사용할 수 없다는 점을 고려할 때 영어가 아닌 스피커;
- 국소 적으로 진행된 또는 전이성 전립선 암 환자;
- 이미 임상 적으로 국소화 된 전립선 암 치료를받은 환자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 지지 요법
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: NLP 기반 피드백 암
|
NLP 모델은 상담에서 주요 컨텐츠를 추출하고 AI (Chat GPT)는 해당 정보를 요약합니다.
주요 컨텐츠 영역에 대한 NLP 확률의 최고 문장을 포함한 보고서가 생성되며 각 사례 후 약 72 시간 이내에 환자 및 제공자에게 제공됩니다.
양쪽 무기에서 후속 전화 통화는 상담 중에 부적절하게 전달 된 개념을 설명 할 수 있습니다.
이 호출은 오디오 녹음 및 질적으로 평가되어 상담에서 관찰 된 위험 커뮤니케이션의 결함이 수정되었는지 여부를 결정합니다.
|
|
간섭 없음: 치료 암의 표준
환자는 치료 위험 및 혜택 (환자) 및 SDM (의사)에 대한 AUA 입문 교육 자료와 함께 표준 치료 치료 상담을 받게됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
결정적 충돌
기간: 2-4 주 (진단 및 등록 후 피드백 설문 조사 완료)
|
의사 결정 충돌은 중재와 통제 사이의 환자 수준의 결과이며, 검증 된 DCS (Decisional Conflict Conflict) 설문지를 사용하여 측정됩니다. 참가자는 제공된 진술에 대해 강력하게 동의하거나 동의하지 않거나 동의하지 않거나 동의하지 않거나 동의하지 않으면 참가자가 나열됩니다.
|
2-4 주 (진단 및 등록 후 피드백 설문 조사 완료)
|
|
공유 의사 결정
기간: 2-4 주 (진단 및 등록에서 피드백 후 설문 조사 완료까지
|
공유 의사 결정은 검증 된 SDMP-4 설문지를 사용하여 환자보고 및 측정됩니다.
|
2-4 주 (진단 및 등록에서 피드백 후 설문 조사 완료까지
|
|
치료 선택의 적절성
기간: 2-4 주 (진단 및 등록 후 피드백 설문 조사 완료)
|
치료 선택의 적절성은 치료 지침에 의해 결정된 이전에 발표 된 조치를 바탕으로 선험적으로 결정됩니다.
|
2-4 주 (진단 및 등록 후 피드백 설문 조사 완료)
|
|
위험 커뮤니케이션의 품질
기간: 6-9 개월 (연구 후 분석)
|
의사 수준 결과-실험과 제어 암 사이의 의사 위험 통신의 복합 품질의 차이를 측정 할 것입니다.
의사 위험 커뮤니케이션의 품질은 암 예후, 기대 수명 및 치료 관련 부작용의 의사 소통과 관련된 이전에 발표 된 계층 적 척도를 사용하여 측정됩니다.
|
6-9 개월 (연구 후 분석)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
위험 커뮤니케이션 개선
기간: 6-9 개월 (연구 후 분석)
|
의사 수준 결과- 실험 팔의 의사와 환자 간의 후속 통화에서 부족 부족 영역에서 위험 의사 소통의 개선.
이 모든 정보는 치료 상담 성적표의 질적 분석에 의해 후 향적으로 평가 될 것입니다.
|
6-9 개월 (연구 후 분석)
|
|
위험 인식 및 환자 만족도
기간: 6-9 개월 (연구 후 분석)
|
환자는 중재에 대한 위험 인식과 환자 만족도를 평가하는 REDCAP 설문지를 작성합니다.
|
6-9 개월 (연구 후 분석)
|
공동 작업자 및 조사자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- STUDY00003620
- 1R01CA290559-01A1 (미국 NIH 보조금/계약)
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
미국에서 제조되어 미국에서 수출되는 제품
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. .