인공지능 지원 간호 약물 계산 학습
인공 지능을 통한 간호 실무 혁신: 약물 용량 계산에 대한 인공 지능 기반 학습의 지식, 임상 결정 및 자기 효능감에 대한 효과
이 연구의 목적은 인공 지능 지원 학습 플랫폼이 간호사의 약물 용량 계산 정확도에 미치는 영향을 평가하는 것입니다. 약물 계산은 간호에서 매우 중요한 기술이며, 오류는 환자 안전에 중대한 영향을 미칠 수 있습니다.
전통적인 교수법이 표준이지만, 이러한 고위험 작업에 필요한 맞춤형 피드백을 제공하지 못할 수 있습니다. 이 연구는 두 그룹의 간호사를 비교합니다: 하나는 상호작용 시나리오와 실시간 안내를 제공하는 인공 지능 기반 소프트웨어를 사용하는 그룹이고, 다른 하나는 전통적인 교실 수업을 받는 그룹입니다.
연구자들은 AI 접근법이 다음과 같은 결과를 이끌어내는지 확인하고자 합니다:
약물 계산에 대한 이론적 지식 향상. 약물 투여 중 임상적 의사 결정 능력 강화. 실제 임상 환경에서 이러한 작업을 수행하는 간호사의 자신감(자기 효능감) 증가.
또한, 포커스 그룹 토론을 통해 참가자들의 AI 지원 학습 플랫폼에 대한 수용도, 인지된 유용성, 사용성 및 전반적인 인식을 탐구하는 질적 연구 구성 요소가 포함됩니다. 이 질적 연구는 간호사의 경험, 교육에서의 AI 통합에 대한 태도, 플랫폼 내에서 사용된 교수 및 학습 전략의 효과성에 대한 의견에 대한 깊은 통찰을 제공합니다.
연구 개요
상세 설명
약물 투여 오류는 특히 심혈관 및 중환자실과 같은 고위험 환경에서 간호 실무에서 중요한 과제입니다. 이 연구는 약물 계산에서 이론적 지식과 임상 적용 사이의 격차를 해소하기 위해 설계된 인공 지능 기반 교육 중재의 효과를 평가합니다.
연구 설계
이 연구는 통제군을 포함한 준실험적 사전-사후 검사 접근법과 질적 포커스 그룹 구성요소를 보완한 혼합 방법 설계를 채택했습니다. 참가자는 인공 지능 보조 학습을 받는 실험군 또는 전통적 교육을 받는 통제군으로 할당되었습니다.
중재 (연구 그룹)
실험군 참가자는 여러 고급 기능을 통해 교육 경험을 향상시키도록 설계된 인공 지능 보조 학습 소프트웨어를 사용했습니다. 이 소프트웨어는 간호사의 수행 능력에 따라 계산 복잡성을 조정하는 적응형 학습 경로를 제공합니다. 또한, 복잡한 약물 용량 계산에 대한 즉각적인 수정과 단계별 안내를 보장하는 실시간 피드백을 제공합니다. 마지막으로, 이 소프트웨어는 학습자를 위한 고압적 임상 의사 결정 시나리오를 생성하는 인공 지능 기반 임상 시뮬레이션을 통합합니다.
통제군
통제군 참가자는 약물 계산을 특별히 목표로 한 표준 강의 및 종이 기반 실습 세션을 포함하는 전통적 교수법을 받았습니다. 이 접근법은 실험군과 동일한 핵심 교육과정을 다루었지만 인공 지능 지원은 포함하지 않았습니다.
연구는 중재 전후에 세 가지 주요 영역을 평가했습니다:
표준화된 약물 계산 시험을 사용하여 평가한 간호 지식.
검증된 간호 의사 결정 척도로 측정한 임상 의사 결정.
임상 계산에 대한 자신감을 평가하기 위한 표준화된 자기 효능감 척도로 평가한 자기 효능감.
데이터는 사회 과학 통계 패키지를 사용하여 실험군과 통제군 간의 평균 점수를 비교하기 위해 분석되었습니다.
질적 구성요소 (포커스 그룹 연구)
양적 결과를 보완하기 위해 실험군 참가자를 대상으로 질적 포커스 그룹 연구를 수행했습니다. 목표는 간호사들의 인공 지능 플랫폼 수용도, 인지된 유용성, 사용성, 학습 진행 상황 가시성 및 인공 지능 보조 교수 전략에 대한 전반적인 의견을 탐구하는 것이었습니다.
포커스 그룹 토론은 오디오로 녹음되어 전사되었으며, 사용자 경험, 인지된 교육적 가치 및 AI 기반 학습을 임상 교육에 통합할 준비도와 관련된 반복되는 패턴과 주제를 식별하기 위해 주제 분석을 사용하여 분석되었습니다. 이 질적 구성요소는 간호 교육에서 AI 통합에 대한 참가자들의 태도에 대한 더 깊은 통찰력을 제공하고 양적 결과의 해석을 풍부하게 했습니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
Alexandria Governorate
-
Alexandria, Alexandria Governorate, 이집트, 2500
- Faculty of Nursing, Alexandria University
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
외과-내과, 심혈관계, 중환자실 등 다양한 임상 환경에서 근무하는 간호사 등.
간호사는 일상적인 임상 업무의 일환으로 약물 투여와 약물 용량 계산을 담당합니다.
인공 지능 보조 학습 프로그램에 참여하고 동의서에 서명할 의사가 있는 경우.
제외 기준:
최근(지난 6개월 이내)에 약물 계산에 관한 특정 교육을 받았거나 AI 기반 교육 도구에 노출된 경험이 있는 간호사
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 |
|---|---|
|
실험적: 인공지능 지원 학습 그룹
약물 계산을 위한 시나리오 기반 학습과 실시간 피드백을 제공하는 인공 지능 지원 플랫폼을 사용하세요.
|
혁신적인 인공지능 소프트웨어가 시나리오 기반 학습을 통해 약물 계산 및 임상 추론에서 간호 정확성을 향상시키며, 실시간 피드백과 적응형 학습 경로를 제공합니다.
|
|
실험적: 전통 학습 그룹
참가자들은 전통적인 강의와 종이 기반 연습 세션을 통해 표준 커리큘럼을 받습니다.
|
표준 교실 기반 수업은 약물 용량 계산에 초점을 맞춘 이론 강의와 종이 기반 실습으로 구성됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
간호사의 약물 계산 지식
기간: 기준선(사전 검사) 및 중재 2주 후(사후 검사)
|
약물 계산 원칙(예: 단위 변환, 유량 및 용량 계산)에 대한 간호사의 이론적 및 실무적 지식을 평가하도록 설계된 16개 항목 평가 도구입니다. 각 정답은 "1"점, 각 오답은 "0"점으로 채점됩니다. 척도 범위: 총점은 최소 0점에서 최대 16점까지입니다. 해석: 높은 점수는 더 나은 결과(계산 원칙에 대한 더 큰 숙달)를 나타냅니다. 높음(13-16): 유능한 수준(> 80%). 보통(10-12): 수용 가능하지만 불완전한 지식(60%-80%). 낮음(0-9): 부족한 이해(< 60%). |
기준선(사전 검사) 및 중재 2주 후(사후 검사)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
간호사의 약물 계산 의사결정 척도
기간: 기준선(사전 검사) 및 중재 후 2주(사후 검사)
|
이 척도는 약물 용량 계산에 대한 간호사의 임상적 판단과 자신감을 평가하기 위해 설계된 8문항 자기 보고 도구입니다. 각 문항은 1점(매우 동의하지 않음)에서 5점(매우 동의함)까지의 5점 리커트 척도로 평가됩니다. 최소 및 최대 값: 총점은 최소 8점에서 최대 40점까지 범위를 가집니다. 해석: 높은 점수는 더 나은 결과(더 높은 임상 역량과 안전한 의사 결정)를 나타냅니다. 높음(30-40): 높은 역량. 보통(19-29): 중간 수준의 능력; 감독이 필요함. 낮음(8-18): 낮은 자신감과 판단력. |
기준선(사전 검사) 및 중재 후 2주(사후 검사)
|
|
일반적 자기효능감 척도
기간: 기준선(사전 검사) 및 중재 후 2주(사후 검사)
|
설명: 간호사들이 다양한 조건에서 약물 계산 및 임상 업무를 효과적으로 수행할 수 있는 능력에 대한 인지된 자신감과 자기 신념을 평가하는 데 사용되는 10문항 심리측정 척도입니다. 각 문항은 4점 리커트 척도로 점수가 매겨집니다: 1 (전혀 사실이 아님), 2 (거의 사실이 아님), 3 (보통 정도로 사실), 4 (정확히 사실). 척도 범위: 총점은 최소 10점에서 최대 40점까지입니다. 해석: 점수가 높을수록 더 나은 결과를 나타냅니다 (더 강한 인지된 역량과 높은 자기 효능감). 높음 (31-40): 강한 인지된 역량과 자기 신념. 보통 (21-30): 수요를 관리하는 데 보통 수준의 자신감. 낮음 (10-20): 도전에 대처할 수 있는 능력에 대한 낮은 신념. |
기준선(사전 검사) 및 중재 후 2주(사후 검사)
|
|
인공지능 보조 학습에 대한 간호사의 인식과 만족도 (질적 연구)
기간: AI 지원 교육 완료 후 2주
|
설명: 참가자들의 인공지능 지원 학습 플랫폼에 대한 수용도, 인지된 유용성, 사용성 및 만족도를 평가합니다. 데이터는 포커스 그룹 토론을 통해 수집됩니다. 분석 방법: 결과는 반복되는 패턴과 주제를 식별하기 위해 주제 분석을 사용하여 분석됩니다. 측정 단위: 이는 질적 결과입니다; 결과는 서술적 주제(예: "계산 신뢰도 향상" 또는 "사용자 인터페이스 만족도")로 보고됩니다. |
AI 지원 교육 완료 후 2주
|
공동 작업자 및 조사자
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 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
연구 데이터/문서
-
연구 프로토콜
정보 댓글: 정당한 연구 목적을 위해 연구책임자에게 요청 시 제공 가능
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. .
간호교육에 대한 임상 시험
-
Centre Hospitalier Universitaire Dijon완전한