Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Het bepalen van de consistentie tussen verpleegkundigen en kunstmatige intelligentie (ChatGPT-5) bij het geven van scenario-gebaseerde ontslageducatie aan patiënten na een coronaire bypassoperatie: een methodologische studie (CABG-AI-EDU)

1 april 2026 bijgewerkt door: Uğur Akman, Hasan Kalyoncu University

Het bepalen van de consistentie tussen verpleegkundigen en kunstmatige intelligentie (ChatGPT-5) bij het geven van scenario-gebaseerde ontslageducatie aan patiënten met een coronaire bypassoperatie: een methodologische studie

Deze methodologische studie heeft als doel het bepalen van de mate van overeenstemming tussen verpleegkundigen en een kunstmatige intelligentie systeem (ChatGPT-4.0) bij het geven van scenario-gebaseerde ontslagvoorlichting voor patiënten die een coronaire bypassoperatie (CABG) hebben ondergaan. Er zullen dertig gestandaardiseerde patiëntenscenario's worden gebruikt die verschillende demografische, klinische en psychosociale kenmerken vertegenwoordigen. Voor elk scenario zullen zowel ervaren verpleegkundigen als ChatGPT-4.0 ontslagvoorlichtingsinhoud voorbereiden op basis van zes hoofddomeinen en vierentwintig subtopics die uit de literatuur en klinische richtlijnen zijn geïdentificeerd. De educatieve materialen zullen onafhankelijk worden geëvalueerd door twee geblindeerde beoordelaars wat betreft inhoudelijke nauwkeurigheid, volledigheid, wetenschappelijke consistentie en helderheid van taalgebruik. De overeenstemming tussen verpleegkundigen en AI-gegenereerde inhoud zal worden geanalyseerd met behulp van Cohen's Kappa-coëfficiënt en Fisher's Exact Test. De bevindingen worden verwacht bewijs te leveren voor de betrouwbaarheid en toepasbaarheid van AI-ondersteunde ontslagvoorlichtingssystemen in de verpleegkundige praktijk van hartchirurgie.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Gedetailleerde beschrijving

Deze methodologische studie heeft tot doel de overeenstemming te bepalen tussen ervaren verpleegkundigen en een kunstmatige intelligentie (AI)-systeem (ChatGPT-5) bij het verstrekken van scenario-gebaseerde ontslageducatie voor patiënten die een coronaire bypassoperatie (CABG) hebben ondergaan. Het doel van de studie is om te evalueren of ChatGPT-5 ontslageducatie-inhoud kan genereren die vergelijkbaar is in nauwkeurigheid, volledigheid en klinische geschiktheid met die van ervaren cardiovasculaire verpleegkundigen.

Er zullen dertig gestandaardiseerde patiëntscenario's worden ontwikkeld die een breed scala aan CABG-gevallen vertegenwoordigen met diverse demografische, sociaaleconomische, psychosociale en klinische kenmerken. Elk scenario simuleert realistische postoperatieve omstandigheden, inclusief mogelijke complicaties (bijv. delirium, wondinfectie, bloeding, aritmie), comorbiditeiten (bijv. diabetes, hypertensie, COPD) en psychosociale variabelen zoals angstniveau, gezinsstructuur en sociale steun. Alle scenario's worden beoordeeld en gevalideerd door een multidisciplinair expertpanel, waaronder cardiovasculaire chirurgen en academische verpleegspecialisten, om klinische realisme en inhoudsvaliditeit te waarborgen.

Ontslageducatie wordt gestructureerd rond zes hoofddomeinen en vierentwintig subtopics, afgeleid van nationale en internationale richtlijnen en evidence-based literatuur. Deze domeinen omvatten: (1) medisch management en follow-up, (2) dagelijks leven en functioneel herstel, (3) psychosociale en sociale ondersteuning, (4) risicofactoren en preventieve gezondheid, (5) kwaliteit van leven en specifieke aandoeningen, en (6) religieuze praktijken. Voor elk scenario zullen zowel ervaren verpleegkundigen als ChatGPT-5 onafhankelijk schriftelijke ontslageducatiematerialen opstellen met behulp van dit gestandaardiseerde kader.

De educatieve materialen worden geanonimiseerd en beoordeeld door twee geblindeerde beoordelaars op wetenschappelijke nauwkeurigheid, inhoudelijke volledigheid, taalkundige helderheid en overeenstemming met klinische standaarden. Bij meningsverschil zal een derde onafhankelijke beoordelaar een definitieve beslissing nemen om objectiviteit te waarborgen. Statistische analyses omvatten Cohen's Kappa-coëfficiënt om de beoordelaarsovereenkomst te meten en Fisher's Exact Test voor categorische vergelijkingen. Diagnostische prestatiematen zoals sensitiviteit, specificiteit, positief voorspellende waarde (PPV), negatief voorspellende waarde (NPV) en F1-score worden ook berekend.

Gegevens worden geanalyseerd met SPSS v25 (IBM Corp., Armonk, NY, VS). Beschrijvende statistieken (frequenties, percentages, gemiddelden en standaarddeviaties) worden gerapporteerd om de kenmerken van de scenario's en evaluaties samen te vatten. Overeenstemmingsniveaus worden geïnterpreteerd volgens de classificatie van Landis en Koch. Een p-waarde van <0,05 wordt als statistisch significant beschouwd.

De bevindingen van deze studie worden verwacht bewijs te leveren over de betrouwbaarheid, validiteit en bruikbaarheid van ChatGPT-5 als een innovatief en ondersteunend hulpmiddel voor het voorbereiden van geïndividualiseerde ontslageducatiematerialen in de cardiovasculaire verpleegkunde. Resultaten kunnen bijdragen aan het ontwikkelen van nieuwe technologie-ondersteunde educatiemodellen die de werklast van verpleegkundigen kunnen verminderen, de standaardisatie van ontslageducatie kunnen verbeteren en het patiëntbegrip en de tevredenheid in de postoperatieve periode kunnen vergroten.

Studietype

Observationeel

Inschrijving (Geschat)

30

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Turkije (Türkiye)
    • Gaziantep
      • Gaziantep, Gaziantep, Turkije (Türkiye), 27620
        • Hasan Kalyoncu University Faculty of Nursing
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

De studiepopulatie bestaat uit 30 gestandaardiseerde patiëntscenario's die personen vertegenwoordigen die een coronaire bypassoperatie (CABG) hebben ondergaan. Elk scenario weerspiegelt een unieke combinatie van demografische, klinische en psychosociale kenmerken die vaak worden waargenomen bij patiënten na CABG. De scenario's zijn ontwikkeld en gevalideerd door een multidisciplinair team bestaande uit cardiovasculaire verpleegkundigen, academische verpleegkunde-experts en cardiovasculaire chirurgen om klinische realiteit en inhoudsvaliditeit te waarborgen. Deze gesimuleerde casussen zullen worden gebruikt als observatie-eenheden om de overeenstemming te beoordelen tussen zowel door verpleegkundigen als door ChatGPT-5 opgestelde ontslagtrainingsmaterialen.

Beschrijving

Insluitingscriteria:

  • Patiëntscenario's die individuen vertegenwoordigen die een coronaire bypassoperatie (CABG) hebben ondergaan.
  • Scenario's die demografische, sociaaleconomische, klinische en psychosociale informatie bevatten die consistent is met de huidige literatuur en klinische richtlijnen.
  • Scenario's die patiënten beschrijven die een mediane sternotomie en een on-pomp CABG-procedure hebben ondergaan.
  • Scenario's die relevante postoperatieve complicaties (bijv. delier, bloeding, wondinfectie, aritmie) en comorbiditeiten (bijv. diabetes, hypertensie, COPD) bevatten.
  • Scenario's die zowel verpleegkundigen als ChatGPT-5 in staat stellen ontslageducatiemateriaal voor te bereiden onder hetzelfde gestandaardiseerde kader.
  • Scenario's die zijn beoordeeld en gevalideerd door experts op het gebied van cardiovasculaire chirurgie en verpleegkundig academici voor inhoudsvaliditeit.

Uitsluitingscriteria:

  • Patiëntscenario's die niet gerelateerd zijn aan coronaire bypassoperatie (CABG).
  • Scenario's die onvoldoende demografische, klinische of psychosociale informatie bevatten om geïndividualiseerde ontslageducatie voor te bereiden.
  • Scenario's die niet voldoen aan de gestandaardiseerde structuur van zes hoofddomeinen en vierentwintig subonderwerpen.
  • Scenario's met inconsistente of tegenstrijdige medische gegevens (bijv. onverenigbare diagnose- en behandelingsdetails).
  • Scenario's die niet zijn gevalideerd door het expertbeoordelingspanel voor klinische nauwkeurigheid en inhoudsvaliditeit.
  • Scenario's die geen vergelijking mogelijk maken tussen door verpleegkundigen gegenereerd en door ChatGPT-5 gegenereerd ontslageducatiemateriaal.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Verpleegkundige Ontslagvoorlichting
Ontslagonderwijs inhoud onafhankelijk voorbereid door cardiovasculaire chirurgie verpleegkundigen met ≥5 jaar klinische ervaring. Elke verpleegkundige creëerde schriftelijke ontslagonderwijsmaterialen voor 30 gestandaardiseerde post-CABG scenario's volgens het vooraf bepaalde kader.
ChatGPT-5-gegenereerde Ontslageducatie
Ontslageducatiemateriaal automatisch gegenereerd door ChatGPT-5 op basis van dezelfde gestandaardiseerde post-CABG patiëntscenario's en vooraf gedefinieerd zes-domeinen, 24-onderwerpen raamwerk.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Overeenkomst tussen door verpleegkundige en ChatGPT-5 gegenereerde ontslageducatie-inhoud
Tijdsspanne: Tijdens de gegevensverzameling (verwacht binnen 8 maanden na de start van het onderzoek).
De mate van overeenstemming tussen ontslageducatiematerialen die zijn opgesteld door cardiovasculair chirurgen verpleegkundigen en die gegenereerd door ChatGPT-5 voor gestandaardiseerde post-CABG patiëntscenario's.
Tijdens de gegevensverzameling (verwacht binnen 8 maanden na de start van het onderzoek).
Overeenkomst tussen door verpleegkundigen en ChatGPT-5 gegenereerde ontslagonderwijsinhoud
Tijdsspanne: Tijdens de gegevensverzameling (verwacht binnen 12 maanden na start van het onderzoek).
De mate van overeenstemming tussen ontslageducatiematerialen die door cardiovasculair chirurgieverpleegkundigen zijn opgesteld en die gegenereerd door ChatGPT-5 voor gestandaardiseerde post-CABG-patiëntscenario's.
Tijdens de gegevensverzameling (verwacht binnen 12 maanden na start van het onderzoek).

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Hasan Kalyoncu University

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

  • Thompson R, Traylor D, Halguist E. Evaluating the clinical accuracy of ChatGPT-generated patient instructions: a review study. Digital Health. 2025;11:2055207625123456.
  • Su H, Vrdoljak J, Busch M, et al. Artificial intelligence in patient discharge education: improving readability and patient understanding. Journal of Medical Internet Research. 2025;27:e45612.
  • Rushton M, Hemmings L, Marsh L, et al. Enhancing recovery after cardiac surgery: discharge education and follow-up. European Journal of Cardiovascular Nursing. 2017;16(2):114-123. doi:10.1177/1474515116643395.
  • Akbari M, Celik S. The effect of discharge training on stress, anxiety, and pain in patients after coronary artery bypass graft surgery. Journal of Perioperative Nursing. 2015;28(3):165-172.
  • Fredericks S, Guruge S, Sidani S, Wan T. Postoperative patient education: a systematic review. Clin Nurs Res. 2010 May;19(2):144-64. doi: 10.1177/1054773810365994.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Geschat)

1 juli 2026

Primaire voltooiing (Geschat)

1 juni 2027

Studie voltooiing (Geschat)

1 december 2027

Studieregistratiedata

Eerst ingediend

23 november 2025

Eerst ingediend dat voldeed aan de QC-criteria

3 december 2025

Eerst geplaatst (Werkelijk)

4 december 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

2 april 2026

Laatste update ingediend die voldeed aan QC-criteria

1 april 2026

Laatst geverifieerd

1 april 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • CABG-AI-EDU-PHASE1-2025

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

Dit onderzoek omvat geen echte patiëntdeelnemers. De gegevens zijn gebaseerd op gestandaardiseerde gesimuleerde patiëntscenario's die zijn ontwikkeld voor methodologische vergelijking tussen door verpleegkundigen verstrekte en door ChatGPT-5 gegenereerde ontslageducatie. Daarom bestaan er geen individuele deelnemersgegevens (IPD) om te delen.

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren