- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06661590
Ernæringsspråkmodell (NLM)
Sammenlignende analyse mellom kunstig intelligens vs. menneskeskapte ernæringsmeldinger for overlevende kolorektal kreft
Overlevende av tykk- og endetarmskreft møter ofte unike ernæringsmessige utfordringer og trenger støtte i restitusjonen og langsiktig helse. Mens menneskelige eksperter tradisjonelt har gitt den støtten, har det vært en økning i bruken av store språkmodeller (LLM) i medisin og ernæring. LLM tilbyr en potensiell tilleggsressurs for å generere personlig tilpasset ernæringsråd, spesielt i personlig tilpassede meldinger. Effektiviteten og påliteligheten til disse AI-genererte meldingene sammenlignet med menneskelige ekspertråd forblir imidlertid underutforsket spesifikke for denne populasjonen.
Denne studien tar sikte på å sammenligne det ernæringsrelaterte innholdet generert av populære LLMs-ChatGPT, Claude, Gemini og Co-Pilot-mot meldinger laget av menneskelige eksperter. Ved å evaluere det genererte innholdet med tanke på lesbarhet, tematisk relevans, medisinsk relevans, opplevd effektivitet og implementering av deltakernes kliniske praksis, vil denne forskningen gi innsikt i styrken og begrensningene ved bruk av AI for ernæringsveiledning i kolorektal kreftbehandling.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Minnesota
-
Austin, Minnesota, Forente stater, 55912
- The Hormel Institute - University of Minnesota, Medical Research Center
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inkluderingskriterier:
- 18+ år
- For tiden praktiserende registrert ernæringsfysiolog med minst fem års erfaring med å jobbe med onkologiske pasienter og overlevende i deres praksis.
- Må ha tilgang til datamaskin og internettilgang.
Ekskluderingskriterier:
- Ikke-engelsktalende, da studiemateriell og vurderinger er på engelsk.
- Eksperter med interessekonflikter knyttet til noen av LLM-ene som blir evaluert.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: N/A
- Intervensjonsmodell: Enkeltgruppeoppdrag
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Kostholdsekspert
|
Kostholdseksperter vil evaluere ernæringsmeldinger laget av LLM og Human Experts.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Resultatmål Tittel: Lesbarhet av ernæringsmeldinger
Tidsramme: 8 til 12 måneder
|
Beskrivelse: Lesbarheten til AI-genererte og menneskelige ekspertgenererte ernæringsmeldinger vil bli målt ved hjelp av Flesch-Kincaid Grade Level-verktøyet. Måleenhet: Poengsum på klassetrinn (numerisk poengsum som indikerer lesevanskenivå). Måleverktøy: Flesch-Kincaid Grade Level formel. Skalaverdier: Verdiene varierer fra 0 til 18, hvor 18 representerer den vanskeligste teksten. |
8 til 12 måneder
|
|
Resultatmål Tittel: Tematisk relevans av ernæringsmeldinger
Tidsramme: 8 til 12 måneder
|
Beskrivelse: Tematisk relevans av ernæringsmeldinger vil bli vurdert av eksperter på ernæring ved å bruke et tematisk kodingsrammeverk spesielt utviklet for denne studien. Måleenhet: Prosentandel (%) av meldinger som stemmer overens med forhåndsbestemte tematiske koder som er relevante for overlevelse av kolorektal kreft. Måleverktøy: Tematisk kodingsramme laget av forskerteamet. Skalaverdier: Temaene er evne (C), mulighet (O) og motivasjon (M) som tre nøkkelfaktorer som er i stand til å endre atferd (B). |
8 til 12 måneder
|
|
Resultatmål Tittel: Medisinsk relevans for overlevende kolorektal kreft
Tidsramme: 8-12 måneder
|
Beskrivelse: Medisinsk relevans vil bli vurdert av spesialister ved å bruke en 0-5 relevansvurderingsskala. Måleenhet: Gjennomsnittlig relevansscore (0-5). Måleverktøy: Kostholdseksperter/deltakere vurderer ved hjelp av en relevansvurderingsskala. Skalaverdi: 1-5 (1-minst, 5-mest) |
8-12 måneder
|
|
Resultatmål Tittel: Oppfattet effektivitet av ernæringsmeldinger
Tidsramme: 8-12 måneder
|
Beskrivelse: Opplevd effektivitet vil bli målt ved å bruke en gjennomsnittlig relevansscore (1-5) gitt til dietister og deltakere. Måleenhet: Gjennomsnittlig relevansscore (1-5). Måleverktøy: Kostholdsekspert/deltakerundersøkelse. Skalaverdi: 1-5 (1-minst, 5-mest) |
8-12 måneder
|
|
Resultatmål Tittel: Potensial for implementering i klinisk praksis
Tidsramme: 8-12 måneder
|
Beskrivelse: Gjennomførbarhet for klinisk implementering vil bli vurdert av dietister ved å bruke en 1-5 gjennomførbarhetsskala. Måleenhet: Gjennomsnittlig gjennomførbarhetspoeng. Måleverktøy: Kostholdsekspert/deltakerundersøkelse. Skalaverdi: 1-5 (1-minst, 5-mest) |
8-12 måneder
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Annie Lin, RD, PhD, Hormel Institute
- Studiestol: Glen Morris, PhD, Hormel Institute
Publikasjoner og nyttige lenker
Generelle publikasjoner
Hjelpsomme linker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- STUDY00023189
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .