Gebruik en Acceptatie van Grote Taalmodellen voor Gedeelde Besluitvorming bij Kanker
Gebruik en Acceptatie van Grote Taalmodellen in Oncologische Gedeelde Besluitvorming onder Patiënten, het Publiek en Zorgprofessionals
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Gedeelde besluitvorming is een collaboratief proces waarbij clinici patiënten ondersteunen bij het nemen van behandelbeslissingen. Ondanks het belang in de oncologie blijft gestructureerde gedeelde besluitvorming ongewoon in de routine klinische praktijk. Grote taalmodellen bieden patiënten een nieuwe manier om medische informatie te verkrijgen en te begrijpen, maar er is weinig bekend over hoe belangrijke belanghebbenden deze tools waarnemen en gebruiken voor gezondheidsbeslissingen.
Deze observationele studie gebruikte een sequentiële mixed-methods ontwerp die Delphi consensusmethodologie combineerde met cross-sectionele enquête-implementatie. Een panel van 44 experts uit acht domeinen (klinische kunstmatige intelligentie, technische ontwikkeling, oncologie, psychologie, epidemiologie, patiëntenbelangenbehartiging, ethiek en juridische expertise) ontwikkelde en valideerde het beoordelingsinstrument via twee Delphi-rondes, waarbij consensus werd bereikt over 89 items. Het uiteindelijke instrument bevatte 52 kwantitatieve items en 8 kwalitatieve prompts, met onderscheid tussen algemeen en gezondheidszorgspecifiek gebruik van grote taalmodellen.
De studie rekruteerde drie cohorten: 2.316 kankerpatiënten met zelfgerapporteerde diagnose binnen vijf jaar, 2.000 algemene populatieleden uit de Verenigde Staten en het Verenigd Koninkrijk, en 2.835 gelicentieerde zorgprofessionals. Kwaliteitscontrole omvatte aandachtchecks, monitoring van voltooiingstijd, consistentievalidatie en verificatieprocedures, resulterend in uitsluiting van 694 reacties (8,8%) van een initiële 7.845.
Primaire analyses omvatten chi-kwadraattoetsen en ANOVA met Bonferroni-correctie, multivariabele logistische regressie met hiërarchische modelbouw om adoptievoorspellers te identificeren, en gebruikerssegmentatie via kruistabellering gecombineerd met k-means clustering. De studie werd goedgekeurd door de institutionele review board van de Technische Universiteit München (TUM2024-89-S-SB).
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Bavaria
-
Munich, Bavaria, Duitsland, 81675
- Technical University Munich
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
Leeftijd 18 jaar of ouder Beheersing van de Engelse taal Regelmatige internettoegang Geregistreerd op het Prolific-onderzoeksplatform Voor kankerpatiëntcohort: zelfgerapporteerde kankerdiagnose in de afgelopen vijf jaar Voor zorgprofessionalcohort: bevoegd zorgprofessional met actief patiëntencontact Voor algemene bevolkingscohort: inwoner van de Verenigde Staten of het Verenigd Koninkrijk
Uitsluitingscriteria:
Falen op ingebedde aandachtcheckvragen (4 controles) Enquêtevoltooiingstijd buiten acceptabel bereik (minder dan 5 minuten of meer dan 60 minuten) Rechte-lijn-antwoordpatroon gedetecteerd door consistentievalidatie-algoritmen Falen van cohortverificatieprocedures
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Kankerpatiënten
Volwassenen van 18 jaar of ouder met een zelfgerapporteerde kankerdiagnose binnen de afgelopen vijf jaar, geworven via het Prolific-platform met verificatie door screeningsvragen over diagnosedatum, kankertype en behandelingsstatus.
n=2.316.
|
|
Algemene Bevolking
Volwassenen van 18 jaar of ouder uit de Verenigde Staten en het Verenigd Koninkrijk zonder specifieke gezondheidseis, geworven via het Prolific platform met gestratificeerde steekproefquota voor leeftijd, geslacht, etniciteit en opleiding.
n=2.000.
|
|
Zorgprofessionals
Gelicentieerde zorgverleners van 18 jaar of ouder met actief patiëntencontact, waaronder artsen en verpleegkundig personeel, geworven via het Prolific-platform uit de Verenigde Staten, het Verenigd Koninkrijk en 28 andere landen.
n=2.835.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Gebruikspercentage van grote taalmodellen specifiek voor de gezondheidszorg
Tijdsspanne: Op het moment van voltooiing van de enquête (eenmalige beoordeling, maart-mei 2025)
|
Aandeel van deelnemers dat meldt dat ze grote taalmodellen specifiek gebruiken voor gezondheidsgerelateerde informatie, gemeten op een 5-punts Likert-frequentieschaal en gedichotomiseerd als gebruik versus niet-gebruik.
|
Op het moment van voltooiing van de enquête (eenmalige beoordeling, maart-mei 2025)
|
|
Toekomstig vertrouwen in verbetering van gedeelde besluitvorming door grote taalmodelen
Tijdsspanne: Op het moment van voltooiing van de enquête (enkele beoordeling, maart-mei 2025)
|
Aandeel van de deelnemers die geloven dat grote taalmodellen de kwaliteit van gedeelde besluitvorming in de oncologie zullen verbeteren, beoordeeld via Likert-schaalrespons.
|
Op het moment van voltooiing van de enquête (enkele beoordeling, maart-mei 2025)
|
|
Barrières voor de adoptie van grote taalmodellen
Tijdsspanne: Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
Prevalentie van zorgen over het gebruik van grote taalmodellen voor gezondheidsbeslissingen, waaronder betrouwbaarheidszorgen, privacyzorgen en voorkeur voor menselijke interactie, elk beoordeeld als binair (aanwezig of afwezig).
|
Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Onafhankelijke voorspellers van grootschalige taalmodeladoptie
Tijdsspanne: Bij het invullen van de enquête (eenmalige beoordeling, maart-mei 2025)
|
Oddsratio's van hiërarchische multivariabele logistische regressie die demografische en gezondheidsgerelateerde voorspellers van acceptatie van grote taalmodellen specifiek voor de gezondheidszorg identificeren, waaronder leeftijd, geslacht, etniciteit, opleiding, digitale geletterdheid en vertrouwen in het begrijpen van gezondheidsinformatie.
|
Bij het invullen van de enquête (eenmalige beoordeling, maart-mei 2025)
|
|
Gebruikerssegmentatie
Tijdsspanne: Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
Verdeling van deelnemers over data-gedreven gebruikerssegmenten, afgeleid uit kruistabellering van huidig gebruik met waargenomen voordeel, verfijnd door k-means clustering: potentiële gebruikers, overtuigde gebruikers, weerstandige niet-gebruikers en sceptische gebruikers.
|
Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
|
Patronen van aanbevelingen door zorgprofessionals
Tijdsspanne: Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
Aandeel van zorgprofessionals dat grote taalmodellen aan patiënten aanbeveelt voor gezondheidsinformatie, vergeleken met hun persoonlijk gebruikpercentage.
|
Op het moment van enquêtevoltooiing (enkele beoordeling, maart-mei 2025)
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- LLM-SDM-2025
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .