영어를 사용하는 환자들 사이에서 안과의 환자 이해에 대한 AI 생성 일반 언어 요약 평가
연구 개요
상세 설명
이 연구는 인공 지능 (AI)에서 생성 된 일반 언어 요약 (PLSS)이 안과 노트의 환자 이해력을 향상시킬 수 있는지 여부를 평가하기 위해 2 암 무작위 대조 시험을 사용합니다. 적격 참가자는 Jules Stein Eye Institute에서 일상적인 방문 중에 모집되며, 일단 표준화 된 임상 기준을 사용하여 스크리닝되면, 표준 안과 노트 (SON) 또는 AI 생성 PLS가 보충 된 아들을 받도록 무작위로 배정됩니다. 무작위 배정 프로세스는 은폐 할당 된 할당과 함께 컴퓨터 생성 시퀀스를 사용하여 편견이없는 그룹 할당을 보장합니다.
이 연구에 사용 된 AI 시스템은 고정 된 UCLA 인트라넷에 로컬로 배치됩니다. 복잡한 안과 정보에 대한 일반 언어 설명을 생성하기 위해 맞춤화되고 검증 된 LLM (Lange Language Model)을 활용합니다. 모든 처리는 UCLA 승인, 암호화 된 장치에서 발생하며 데이터는 외부에서 전송되지 않습니다. PLS가 참가자에게 제공되기 전에, 각 요약은 안과 전문의가 정확도를 확인하고 필수 임상 세부 사항이 정확하고 명확하게 전달되도록하는지 확인합니다.
데이터 수집은 측량 기기를 사용하여 수행됩니다. 이 조사에는 진단, 치료 계획 및 후속 지침의 이해력을 평가하기 위해 설계된 일련의 5 포인트 리 커트 스케일 항목, 개방형 질문 및 구조화 된 응답 섹션이 포함됩니다. 참가자들은 클리닉 방문 직후에 설문 조사를 완료하고 약 7 일 후에 후속 전화 인터뷰를 훈련받은 연구 직원에 의해 수행하여 제공된 정보의 명확성 및 유지에 대한 추가 피드백을 캡처합니다. 이 연구는 오디오 또는 비디오 녹화를 사용하지 않습니다. 모든 응답은 연구 담당자가 직접 기록하거나 전자적으로 안전한 데이터베이스에 입력됩니다.
통계 분석은 중재 및 제어 그룹 간의 결과를 비교하기 위해 표준 소프트웨어 패키지를 사용하여 수행됩니다. 1 차 분석에는 연속 변수에 대한 독립적 인 t- 검정 또는 Mann-Whitney U 테스트, 범주 형 변수에 대한 카이-제곱 테스트 및 연령, 교육 수준 및 기준 건강 문해력과 같은 혼란스러운 변수를 조정하기위한 다변량 회귀 모델이 포함됩니다. 표본 크기는 이해력 점수의 임상 적으로 의미있는 차이를 탐지하기 위해 계산되었으며, 전력 분석은 효과 크기에 따라 460에서 2030 참가자 사이의 필요성을 나타냅니다.
데이터 보안은 엄격한 조치를 통해 유지됩니다. 전자 데이터는 암호화 된 UCLA에 해당하는 랩톱 및 보안 상자 저장소에 저장됩니다. 모든 데이터 처리는 데이터 보존 및 파괴에 대한 UCLA 정책 및 IRB 지침을 따르며, 더 이상 필요하지 않으면 안전한 방법을 사용하여 식별 가능한 정보가 파괴됩니다.
품질 관리 절차에는 정기적 인 데이터 입력 감사, 연구 담당자와의 정기 검토 회의 및 해당되는 경우 임상 기록에 대한 설문 조사 응답의 교차 점검이 포함됩니다. 연구 프로토콜을 준수하고 즉시 편차를 해결하기 위해 독립적 인 모니터링 프로세스가 마련되었습니다.
전반적으로,이 연구는 복잡한 의료 정보에 대한 환자의 이해를 향상시키는 AI 생성 PLS의 타당성과 효과에 대한 강력한 증거를 제공하도록 설계되었습니다. 이 연구는 기술 보호 수단, 엄격한 통계적 방법 및 간소화 된 데이터 수집 프로세스를 통합함으로써 여러 전문 분야에서 환자 커뮤니케이션 전략을 개선하고보다 효과적인 의료 서비스 제공으로 이어질 수있는 통찰력을 제공하는 것을 목표로합니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Prashant Tailor, MD
- 전화번호: 4043166920
- 이메일: ptailor@mednet.ucla.edu
연구 장소
-
-
California
-
Los Angeles, California, 미국, 90095
- 모병
- UCLA
-
연락하다:
- Prashant D Tailor, MD
- 전화번호: 4043166920
- 이메일: ptailor@mednet.ucla.edu
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준 :
- 18 세 이상의 18 세 이상의 영어권 수신 안과 치료 Jules Stein Eye Institute에서 사전 동의를 제공 할 수 있습니다.
제외 기준 :
- 알려진인지 장애 (예 : 치매, 지적 장애)는 이해력있는 죄수 나 주 와이드에 영향을 줄 수없는 동의를 제공 할 수 없습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 건강 서비스 연구
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: 표준 안과 노트 (아들) 만
이 팔의 참가자는 클리닉 방문 후 일반적으로 제공된 표준 안과 음표를 추가로 평범한 언어 요약없이받습니다.
그들은 방문 노트에 대한 이해력과 만족도를 측정하는 설문 조사를 완료 할 것입니다.
|
|
|
실험적: 아들 + ai 생성 일반 언어 요약
이 팔의 참가자는 표준 안과 노트와 배포 전에 정확성을 검토 한 AI 생성 일반 언어 요약을받습니다.
그들은 동일한 설문 조사를 완료하여 추가 요약이 통제 그룹에 비해 이해와 만족을 향상시키는 지 여부를 평가할 것입니다.
|
참가자는 표준 안과 노트와 간단한 언어로 의료 정보를 설명하는 AI 생성 요약을받습니다.
각 요약은 참가자에게 제공되기 전에 안과 전문의가 정확성에 대해 검토합니다.
목표는 참가자가 진단, 치료 계획 및 후속 지침을 더 잘 이해하도록 돕는 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
환자 이해력 점수 (즉시 방문 사후)
기간: 즉시 방문 후 (0 일)
|
5 점 척도의 평균 점수는 참가자의 안과 방문 노트 (진단, 치료 계획, 후속 지침)에 대한 참가자의 이해를 평가하여 클리닉 방문 직후입니다.
점수가 높을수록 이해력이 향상됩니다.
|
즉시 방문 후 (0 일)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
환자 이해력 점수 (1 주 추적 관찰)
기간: 방문 후 1 주
|
진료소 방문 1 주일 후 안과 정보의 유지를 평가하는 1-5 스케일의 평균 점수.
점수가 높을수록 장기 이해력이 향상됩니다.
|
방문 후 1 주
|
|
환자 만족도
기간: 즉시 방문 후 (0 일)
|
방문 노트의 선명도, 세부 및 유용성을 측정하는 평균 만족도 점수 (1-5 스케일).
점수가 높을수록 만족도가 커집니다.
|
즉시 방문 후 (0 일)
|
|
이해 격차 감소
기간: 방문 후 0 일 및 1 주
|
더 낮은 기준 건강 문해력을 가진 참가자 간의 이해력 차이.
간격이 작은 것은 문해력 관련 불균형의 더 큰 감소를 나타냅니다.
|
방문 후 0 일 및 1 주
|
|
안과 의사의 시간 효율성
기간: 0 일
|
안과 전문의 설문 조사에서 안과 전문의가 AI 생성 일반 언어 요약을 검토하고 편집하는 데 필요한 평균 추가 시간 (분).
더 낮은 시간은 더 나은 효율성을 나타냅니다.
|
0 일
|
|
인바 스킷 메시지 속도
기간: 방문 후 2 주
|
방문 후 2 주 이내에 환자가 시작한 메시지 수 (예 : 환자 포털을 통해).
메시지 속도가 낮을수록 명확성이 향상되고 후속 질문이 적습니다.
|
방문 후 2 주
|
|
약물 충전 준수
기간: 방문 후 2 주
|
방문 후 2 주 이내에 채워진 처방약의 백분율.
더 높은 비율은 치료 계획에 대한 더 나은 준수와 이해를 나타냅니다.
|
방문 후 2 주
|
|
안과 전문의 만족도
기간: 0 일
|
안과 전문의 설문 조사의 평균 점수 (1-5 스케일) AI 생성 요약의 명확성 및 정확도에 대한 만족도를 측정합니다.
점수가 높을수록 만족도가 커집니다.
|
0 일
|
|
LLM 요약 오류율
기간: 0 일
|
검토 안과 전문의에 의해 오류가있는 것으로 확인 된 AI 생성 요약의 비율.
낮은 백분율은 더 정확한 요약을 나타냅니다.
|
0 일
|
|
안과 전문의의 오류 비율
기간: 0 일
|
환자의 상태 나 계획을 잘못 해석 할 수있는 AI 생성 요약에서 중요한 부정확 한 비율.
낮은 요금은 더 높은 품질의 요약을 나타냅니다.
|
0 일
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Prashant Tailor, MD, University of California, Los Angeles
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
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .