Grote taalmodel voor klinische reactie van fysiotherapiestudenten
Haalbaarheid van een gerandomiseerde gecontroleerde studie van grote op kunstmatige intelligentie gebaseerde taalmodellen voor klinische redeneringstraining van fysiotherapiestudenten. Een gerandomiseerde gecontroleerde studie
Klinisch redeneren is een fundamentele vaardigheid voor studenten fysiotherapie, waardoor ze patiëntinformatie kunnen verzamelen en interpreteren om nauwkeurige diagnoses en behandelingsbeslissingen te nemen. Traditionele trainingsmethoden beperken de blootstelling van studenten vaak aan een divers scala aan klinische gevallen, die de ontwikkeling van deze vaardigheden kunnen beperken. De integratie van grote taalmodellen (LLMS), zoals chatgpt, in fysiotherapie -educatie biedt een nieuwe benadering om klinische redenering te verbeteren door interactieve en realistische patiëntscenario's te simuleren.
Deze gerandomiseerde gecontroleerde studie heeft als doel de effectiviteit van een op LLM gebaseerde educatieve interventie te evalueren bij het verbeteren van klinische redeneervaardigheden bij studenten fysiotherapie. De studie zal in totaal 200 derdejaars fysiotherapie studenten van meerdere universitaire instellingen werven. Deelnemers worden willekeurig toegewezen aan een van de twee groepen:
- Experimentele groep-Studenten krijgen op LLM gebaseerde training, die zich bezighouden met een gespreks kunstmatig intelligentiemodel om klinische gevallen op te lossen gedurende een periode van 8 weken. Het model zal realtime antwoorden op hun vragen geven, waardoor ze hun diagnostische en behandelingsredenen kunnen verfijnen.
- Controlegroep-Studenten volgen het standaardcurriculum en nemen deel aan conventionele case-based leer- en begeleide klinische redeneeroefeningen zonder AI-gebaseerde hulp.
De primaire uitkomst van de studie is de verbetering van klinische redeneervaardigheden, beoordeeld door gestandaardiseerde schriftelijke casusevaluaties en gestructureerde praktische onderzoeken. Secundaire resultaten omvatten veranderingen in digitale competentie, niveaus van studenten, de algemene tevredenheid met de educatieve aanpak en de kosteneffectiviteit van de interventie.
Door de impact van LLM's op de klinische redeneringstraining te beoordelen, beoogt deze studie te bepalen of AI-aangedreven educatieve hulpmiddelen effectief kunnen aanvullen aan traditionele fysiotherapie-educatie en de paraatheid van studenten voor de klinische praktijk van de praktijk kan verbeteren.
Studie Overzicht
Toestand
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Klinisch redeneren is een belangrijke competentie voor studenten fysiotherapie, waardoor ze behandelingsplannen kunnen beoordelen, diagnosticeren en maken op basis van patiëntinformatie. Ondanks het belang ervan, beperken traditionele educatieve benaderingen vaak de blootstelling van studenten aan een brede verscheidenheid aan klinische gevallen, waardoor hun vermogen om uitgebreide redeneervaardigheden te ontwikkelen te beperken. Vooruitgang in kunstmatige intelligentie, met name grote taalmodellen (LLM's) zoals Chatgpt, bieden een veelbelovende oplossing door realistische en interactieve klinische scenario's te simuleren.
Deze gerandomiseerde gecontroleerde studie (RCT) is bedoeld om de effectiviteit van een op LLM gebaseerde interventie te evalueren in vergelijking met traditionele trainingsmethoden bij het verbeteren van klinische redeneervaardigheden bij studenten fysiotherapie. De derdejaars studenten worden willekeurig toegewezen aan de experimentele groep, die AI-gedreven case-gebaseerde training of de controlegroep ontvangen, na conventionele op curriculum gebaseerde casusgesprekken.
De interventie zal 8 weken duren, waarbij studenten in de experimentele groep zullen interageren met een LLM om wekelijkse klinische gevallen op te lossen, waarbij real-world patiënt tegenkomt. Het model zal fungeren als een virtuele patiënt, reageert op vragen van studenten en laten hen hun diagnostische redenering en behandelingsplanning verfijnen. De controlegroep zal daarentegen deelnemen aan traditionele schriftelijke en door tutor geleide casusgesprekken.
Statistisch analyseplan
Gegevens worden geanalyseerd met behulp van SPSS versie 29.0 (SPSS Inc., Chicago, IL, VS). Beschrijvende statistieken zullen worden gebruikt om de basiskenmerken van deelnemers samen te vatten, met continue variabelen uitgedrukt als gemiddelde ± standaardafwijking (SD) of mediaan [interquartielbereik], afhankelijk van de normaliteit en categorische variabelen gepresenteerd als frequentie (N) en percentage (%). Normaliteit van distributies zal worden beoordeeld met behulp van de Kolmogorov-Smirnov-test en Shapiro-Wilk-test. Vergelijkingen tussen groepen worden uitgevoerd met behulp van; Onafhankelijke t-tests of Mann-Whitney U-tests op continue variabelen; Chi-kwadraat tests of Fisher's exacte test voor categorische variabelen; ANOVA of lineaire gemengde modellen met herhaalde metingen zullen worden gebruikt om veranderingen in de loop van de tijd te evalueren in klinische redeneringsscores, digitale competentie en tevredenheidsniveaus.
Logistische regressiemodellen zullen worden toegepast om voorspellers van betrokkenheid bij de op LLM gebaseerde interventie te verkennen. Effectgroottes (Cohen's D, Rosenthal's R) worden berekend om de waargenomen grootte van de waargenomen verschillen te meten. Een kosteneffectiviteitsanalyse zal worden uitgevoerd door de kosten voor de implementatie van de op LLM gebaseerde interventie te vergelijken met de verbetering van klinische redeneringsscores en niveaus van studentenbetrokkenheid.
Statistische significantie zal worden vastgesteld op P <0,05 en alle analyses worden uitgevoerd met behulp van een tweezijdige aanpak.
Studietype
Inschrijving (Geschat)
Fase
- Fase 2
Contacten en locaties
Studiecontact
- Naam: Alfredo Lerín Calvo, Professor
- Telefoonnummer: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
Studie Locaties
-
-
Madrid
-
Madrid, Madrid, Spanje, 28023
- Werving
- Centro Superior de Estudios Universitarios La Salle
-
Contact:
- Alfredo Lerín Calvo, Professor
- Telefoonnummer: +34620187457
- E-mail: alfredo.lerin@lasallecampus.es
-
Hoofdonderzoeker:
- Raúl Ferrer Peña, PhD
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Studenten die deelnamen aan het derde jaar van het Physiotherapy Program in La Salle Center for Higher University Studies (LCHUS)
- Deelnemers moeten tussen de 18 en 30 jaar oud zijn.
- Studenten moeten ermee instemmen om deel te nemen aan het onderzoek door een geïnformeerde toestemmingsformulier te ondertekenen nadat ze zijn ingelicht over de doelstellingen, procedures en potentiële risico's van de studie.
- Deelnemers moeten bereid zijn om deel te nemen aan het LLM-gebaseerde platform (voor de experimentele groep) of deelnemen aan traditionele leeractiviteiten (voor de controlegroep) voor de duur van het onderzoek.
Uitsluitingscriteria:
- Studenten met eerdere klinische ervaring na het derde jaar van fysiotherapie -educatie.
- Fysieke of cognitieve handicaps die kunnen interfereren met het vermogen om deel te nemen aan of te profiteren van de interventie (bijv. Visie, gehoor- of motorische beperkingen).
- Studenten die geen geïnformeerde toestemming geven om deel te nemen aan het onderzoek.
- Studenten die niet voldoende vaardigheid in het Spaans of Engels bezitten om de materialen en de interventie te begrijpen.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Behandeling
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Dubbele
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: LLM -groep
Deelnemers aan de experimentele groep zullen een interventie van 8 weken ondergaan met een opleiding op basis van een groot taalmodel (LLM) in hun klinische redeneringsonderwijs. Studenten zullen deelnemen aan wekelijkse klinische casesimulaties met behulp van een LLM-aangedreven platform (Chatgpt), waar ze met het model zullen communiceren om patiëntinformatie te verkrijgen, diagnoses te formuleren en behandelingsplannen voor te stellen. De LLM zal realtime reacties bieden en een virtuele patiënt-ontmoeting simuleren. De training zal het standaardcurriculum aanvullen, waardoor studenten klinische redeneervaardigheden kunnen oefenen in een gestructureerde en interactieve AI-geassisteerde omgeving. Aan het einde van de interventie zullen deelnemers een definitieve case-based beoordeling voltooien om verbeteringen in klinisch redeneren, digitale competentie en betrokkenheid bij de technologie te evalueren. |
De interventie in de experimentele groep onderscheidt zich door de integratie van een groot taalmodel (LLM) gebaseerd interactief platform (CHATGPT) in klinische redeneringstraining voor studenten fysiotherapie.
In tegenstelling tot traditionele educatieve benaderingen, biedt deze interventie realtime, AI-gegenereerde patiëntinteracties, waardoor studenten actief kunnen deelnemen aan virtuele klinische casesimulaties.
|
|
Actieve vergelijker: Conventionele leergroep
Deelnemers aan de controlegroep zullen het standaardcurriculum volgen voor klinische redeneringstraining gedurende een periode van 8 weken, zonder blootstelling aan de op LLM gebaseerde interventie. Studenten zullen deelnemen aan wekelijkse case-gebaseerde discussies met behulp van traditionele leermethoden, waaronder schriftelijke casusanalyses en begeleide discussies met instructeurs. Deze sessies volgen het gebruikelijke educatieve kader dat wordt gebruikt in trainingsprogramma's voor fysiotherapie, waarbij de nadruk wordt gelegd op diagnostische redenering en behandelingsplanning door middel van door instructeur geleide begeleiding. Aan het einde van de trainingsperiode zullen deelnemers een definitieve case-based beoordeling voltooien om hun klinische redeneervaardigheden, digitale competentie en algemene betrokkenheid bij het leerproces te evalueren. |
De interventie in de controlegroep volgt een traditionele case-based leerbenadering, die vaak wordt gebruikt in fysiotherapie-educatie.
In tegenstelling tot de experimentele groep, is deze trainingsmethode uitsluitend afhankelijk van door mensen geleide instructie en schriftelijke casusanalyse, zonder de integratie van kunstmatige intelligentie of interactieve digitale tools.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Klinische redeneerprestaties
Tijdsspanne: Beoordeeld aan het begin en einde van de interventie van 8 weken door middel van case-gebaseerde beoordelingen en praktische evaluaties.
|
Dit resultaat meet de verbetering van de klinische redeneervaardigheden van studenten na de interventie.
Studenten zullen worden beoordeeld op basis van hun vermogen om patiëntinformatie te verzamelen, interpreteren en te analyseren en nauwkeurige diagnoses en behandelingsplannen te formuleren.
Dit zal worden geëvalueerd door zowel geschreven casestudy's als praktische examens met behulp van de LASater -rubriek, als deze schaal het instrument dat wordt gebruikt voor het evalueren van deze uitkomst.
|
Beoordeeld aan het begin en einde van de interventie van 8 weken door middel van case-gebaseerde beoordelingen en praktische evaluaties.
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Studentenbetrokkenheid bij de interventie
Tijdsspanne: Gecontroleerd gedurende de interventieperiode van 8 weken met wekelijkse tracking van interacties tussen studenten en case-voltooiingen.
|
Dit uitkomstmaat het niveau van actieve betrokkenheid van studenten met het LLM-gebaseerde platform (experimentele groep) en het traditionele case-based learning (controlegroep).
Betrokkenheid zal worden beoordeeld op basis van de frequentie van interacties, gebruiksduur en voltooiingspercentages van de toegewezen cases.
|
Gecontroleerd gedurende de interventieperiode van 8 weken met wekelijkse tracking van interacties tussen studenten en case-voltooiingen.
|
|
Tevredenheid met de educatieve aanpak
Tijdsspanne: Berekend aan het einde van de interventieperiode, met behulp van de kosten die verband houden met het bieden van toegang tot het op LLM gebaseerde platform en het vergelijken met de verbeteringen die in andere resultaten worden waargenomen.
|
Deze uitkomst beoordeelt de algehele studententevredenheid met hun leerervaring, gericht op de effectiviteit, bruikbaarheid en waargenomen waarde van de interventie.
Tevredenheid wordt gemeten met behulp van een visuele analoge schaal (VAS), waarbij studenten hun niveau van tevredenheid met de trainingsmethode beoordelen.
|
Berekend aan het einde van de interventieperiode, met behulp van de kosten die verband houden met het bieden van toegang tot het op LLM gebaseerde platform en het vergelijken met de verbeteringen die in andere resultaten worden waargenomen.
|
|
Digitale competenties
Tijdsspanne: Geëvalueerd aan het begin en einde van de 8 weken durende interventie via de ad hoc digitale competentievragenlijst.
|
Deze uitkomst evalueert het vermogen van de studenten om digitale tools effectief te gebruiken, met name AI-gedreven platforms zoals Chatgpt, in de context van klinisch redeneren.
Studenten vullen een vragenlijst over digitale competenties in die hun vaardigheden in verschillende domeinen beoordelen, zoals gegevensbeheer, gezondheidscommunicatie en het maken van digitale inhoud.
Het zal worden beoordeeld met de vragenlijst van digitale competenties ontwikkeld door Montero-Delgado et al. (2020)
|
Geëvalueerd aan het begin en einde van de 8 weken durende interventie via de ad hoc digitale competentievragenlijst.
|
Medewerkers en onderzoekers
Sponsor
Publicaties en nuttige links
Algemene publicaties
- Lasater K. Clinical judgment development: using simulation to create an assessment rubric. J Nurs Educ. 2007 Nov;46(11):496-503. doi: 10.3928/01484834-20071101-04.
- Milad D, Antaki F, Milad J, Farah A, Khairy T, Mikhail D, Giguere CE, Touma S, Bernstein A, Szigiato AA, Nayman T, Mullie GA, Duval R. Assessing the medical reasoning skills of GPT-4 in complex ophthalmology cases. Br J Ophthalmol. 2024 Sep 20;108(10):1398-1405. doi: 10.1136/bjo-2023-325053.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- ALC001NR005
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
In deze studie worden de individuele deelnemersgegevens (IPD) niet publiekelijk gedeeld. De verzamelde gegevens, inclusief klinische redeneerbeoordelingen, digitale competentie -evaluaties en tevredenheidsscores, zullen uitsluitend worden gebruikt voor de toepassing van deze onderzoeksstudie. Toegang tot gegevens van deelnemers zal worden beperkt tot het onderzoeksteam en zullen niet beschikbaar worden gesteld voor het delen met externe partijen.
De privacy en vertrouwelijkheid van de deelnemers zal tijdens het onderzoek strikt worden gehandhaafd. Alle gegevens worden geanonimiseerd en eventuele identificeerbare informatie wordt veilig opgeslagen en beschermd in overeenstemming met de toepasselijke voorschriften voor gegevensbescherming. Bovendien zullen de resultaten van het onderzoek in geaggregeerde vorm worden gedeeld, zodat de gegevens van geen enkele persoon worden bekendgemaakt of identificeerbaar in openbare rapporten of publicaties.
Als onderdeel van de ethische toewijding om de privacy van de deelnemers te beschermen, worden geen aanvragen tot toegang tot IPD verleend.
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .