간호사와 인공지능(ChatGPT-5)의 시나리오 기반 퇴원 교육 일치성 평가: 관상동맥우회술 환자를 대상으로 한 방법론적 연구 (CABG-AI-EDU)

본 방법론 연구는 관상동맥우회로이식(CABG) 수술을 받은 환자에게 시나리오 기반 퇴원 교육을 제공하는 데 있어 전문 간호사와 인공지능(AI) 시스템(ChatGPT-5) 간의 일치도를 확인하는 것을 목표로 합니다. 이 연구의 목적은 ChatGPT-5가 경험 많은 심혈관 수술 간호사가 준비한 내용과 정확성, 완전성, 임상적 적절성 측면에서 비교 가능한 퇴원 교육 콘텐츠를 생성할 수 있는지 평가하는 것입니다.

다양한 인구통계학적, 사회경제적, 심리사회적, 임상적 특성을 가진 광범위한 CABG 사례를 대표하기 위해 30개의 표준화된 환자 시나리오가 개발될 예정입니다. 각 시나리오는 섬망, 창상 감염, 출혈, 부정맥과 같은 잠재적 합병증, 당뇨병, 고혈압, COPD와 같은 동반 질환, 그리고 불안 수준, 가족 구조, 사회적 지지와 같은 심리사회적 변수를 포함한 현실적인 수술 후 상태를 모의합니다. 모든 시나리오는 임상적 현실성과 내용 타당성을 보장하기 위해 심혈관 외과 의사와 학술 간호 전문가를 포함한 다학제적 전문가 패널에 의해 검토 및 검증될 예정입니다.

퇴원 교육은 국내외 지침과 근거 기반 문헌에서 도출된 6개의 주요 영역과 24개의 하위 주제를 중심으로 구성될 예정입니다. 이 영역에는 (1) 의학적 관리 및 추적 관찰, (2) 일상생활 및 기능 회복, (3) 심리사회적 및 사회적 지지, (4) 위험 요인 및 예방 건강, (5) 삶의 질 및 특정 상태, (6) 종교적 관행이 포함됩니다. 각 시나리오에 대해 전문 간호사와 ChatGPT-5는 모두 이 표준화된 틀을 사용하여 서면 퇴원 교육 자료를 독립적으로 준비할 예정입니다.

교육 자료는 익명화되어 두 명의 맹검 평가자가 과학적 정확성, 내용 완전성, 언어적 명확성, 임상 기준 준수 측면에서 평가할 예정입니다. 의견 불일치가 있을 경우, 객관성을 보장하기 위해 제3의 독립 평가자가 최종 결정을 내릴 예정입니다. 통계 분석에는 평가자 간 일치도를 측정하기 위한 Cohen의 Kappa 계수와 범주형 비교를 위한 Fisher의 정확 검정이 포함될 예정입니다. 민감도, 특이도, 양성 예측값(PPV), 음성 예측값(NPV), F1 점수와 같은 진단 성능 측정치도 계산될 예정입니다.

데이터는 SPSS v25(IBM Corp., Armonk, NY, USA)를 사용하여 분석될 예정입니다. 기술 통계(빈도, 백분율, 평균, 표준편차)가 보고되어 시나리오 및 평가의 특성을 요약할 예정입니다. 일치도 수준은 Landis와 Koch의 분류에 따라 해석될 예정입니다. p값이 <0.05인 경우 통계적으로 유의한 것으로 간주될 예정입니다.

이 연구의 결과는 심혈관 수술 간호에서 맞춤형 퇴원 교육 자료를 준비하기 위한 혁신적이고 지원적인 도구로서 ChatGPT-5의 신뢰성, 타당성 및 사용 가능성에 대한 근거를 제공할 것으로 기대됩니다. 결과는 간호사 업무 부담을 줄이고, 퇴원 교육의 표준화를 개선하며, 수술 후 기간 동안 환자의 이해와 만족도를 향상시킬 수 있는 새로운 기술 지원 교육 모델 개발에 기여할 수 있습니다.