Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Kunstig intelligens (AI) -teknologi kan hjelpe pasienter med å forstå tarmpreparatet bedre før de går for koloskopi. Denne studien prøver å utnytte AI -chatbot hos rådgivning av pasienter for å forbedre tarmens renslighet, redusere angst og øke prosessuell tilfredshet

24. mars 2025 oppdatert av: Nabil Mohammad Azmi, National University of Malaysia

Prospektiv enkeltblindet randomisert kontrollstudie om effektiviteten av å bruke stor språkmodell kunstig intelligens chatbot for å forbedre Boston tarmforberedelsespoeng (BBPS) for koloskopiforberedelse

Tradisjonell rådgivning før kolonoskopi krever betydelig tid fra helsepersonell for å forklare prosedyrer, begrense effektiviteten og pasientomsetningen. Mangelfull tarmforberedelse forverrer dette problemet, noe som fører til gjentatte prosedyrer og økte kostnader. Imidlertid har ingen studier ennå evaluert effektiviteten av AI for å forbedre Boston -tarmforberedelsesskalaen (BBPS) for koloskopiforberedelse. Ved å adressere dette gapet, kan AI -chatbots gi personlig veiledning, redusere helsepersonell byrde, forbedre forberedelseskvaliteten og forbedre pasientopplevelsen. Denne forskningen prøver å evaluere effektiviteten av å bruke kunstig intelligens (AI) chat -bot for å forbedre tarmpreparatet, angstnivået og pasients tilfredshet blant kolonoskopi -pasienter i sykehuset Tuankuankuanhriz (HCTM)

Studieoversikt

Studietype

Intervensjonell

Registrering (Antatt)

96

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

  • Navn: Nabil Mohammad Azmi, Doctor in General Surgery
  • Telefonnummer: +60122177050
  • E-post: nabil@ukm.edu.my

Studiesteder

    • Kuala Lumpur
      • Cheras, Kuala Lumpur, Malaysia, 56000
        • Faculty of Medicine, The National University of Malaysia
        • Ta kontakt med:
          • Nabil Mohammad Azmi, Doctor of General Surgery
          • Telefonnummer: +60122177050
          • E-post: nabil@ukm.edu.my

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Beskrivelse

Inkluderingskriterier:

  • All planlagt koloskopi med indikasjon
  • Tilstrekkelig digital leseferdighet
  • Tilstrekkelig språkkunnskap med malaysisk og engelsk språk

Eksklusjonskriterier:

  • Pasienter med hukommelseshemming på grunn av tidligere hjerneslag, demens eller Alzheimers sykdom
  • Diagnostisert med klinisk angst

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Kunstig intelligens (AI) chatbot
Pasienter som vil samhandle med AI Chatbot for tarmforberedelsesrådgivning
Intervensjonsarm må gjennomgå tarmpreparat ved bruk av standard polyetylenglykolløsning (FORTRANS)
Intervensjonsarm må gjennomgå tarmpreparat ved bruk av standard polyetylenglykolløsning (FORTRANS)
Annen: Konvensjonell rådgivning fra helsepersonell
Pasienter som får konvensjonell måte å rådgi til tarmpreparat før koloskopi
Intervensjonsarm må gjennomgå tarmpreparat ved bruk av standard polyetylenglykolløsning (FORTRANS)
Intervensjonsarm må gjennomgå tarmpreparat ved bruk av standard polyetylenglykolløsning (FORTRANS)

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
For å bestemme effektiviteten av kunstig intelligens (AI) chat -bot for å forbedre tarmpreparatet blant koloskopipasienter på sykehus Tuanku Mukhriz (HCTM), sammenlignet med konvensjonelle instruksjoner
Tidsramme: 1 år
Pasienter i intervensjonell arm vil motta rådgivning via interaksjon med AI chatbot.each interaksjonsøkt var begrenset til 15 minutter maksimalt. Kvaliteten på tarmforberedelse vil bli gradert av de maskerte endoskopistene ved bruk av Boston tarmforberedelsespoeng (BBPs). Hvert av de tre tykktarmssegmentene (høyre, tverrgående og venstre) vil bli tildelt score (0 - 3). 0 - Uforberedt kolon mens 3 indikerer best mulig forberedelse. En total score vil variere fra 0 til 9, der høyere score indikerer bedre tarmforberedelse.
1 år

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
For å bestemme effektiviteten av AI -chat -bot ved å lindre angst blant koloskopi -pasienter i HCTM, sammenlignet med konvensjonelle instruksjoner.
Tidsramme: 1 år
Angstnivå for begge armer vil bli målt før og etter koloskopi ved bruk av validert depresjonsangst og stressskala 21 (angstskala). Er en selvrapporterende skala som måler angsten.
1 år
For å bestemme effektiviteten av AI -chat -bot for å forbedre tilfredsheten blant koloskopipasienter i HCTM, sammenlignet med konvensjonelle instruksjoner.
Tidsramme: 1 år
Pasienter fra begge armer vil bli intervjuet etter koloskopi ved bruk av det validerte pasienttilfredshetsspørreskjemaet (PSQ) .PSQ er et sett med spørreskjemaer som hjelper forskere til å forstå pasientopplevelser og identifisere forbedringsområder. Pasienter vil bli evaluert på flere domener- generell tilfredshet, teknisk kvalitet, mellommenneskelig aspekt, klarhet i kommunikasjon, tilgang til pleie og selvtillit i helsetjenester. Hvert domene vil bli gitt score i henhold til Likert -skalaen fra 1 til 5. 1 betyr veldig misfornøyd mens 5 betyr veldig fornøyd.
1 år

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Nabil Mohammad Azmi, Doctor of General Surgery, Faculty of Medicine, The National University of Malaysia

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

1. april 2025

Primær fullføring (Antatt)

2. februar 2026

Studiet fullført (Antatt)

2. februar 2026

Datoer for studieregistrering

Først innsendt

15. mars 2025

Først innsendt som oppfylte QC-kriteriene

24. mars 2025

Først lagt ut (Faktiske)

1. april 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

1. april 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

24. mars 2025

Sist bekreftet

1. mars 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Studieprotokoll, informert samtykkeskjema, klinisk studierapport om betydelig forespørsel

IPD-delingstidsramme

April 2025 - februar 2026

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • ICF
  • CSR

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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. .

Abonnere