AI-integrert mobilutdanning og selvadministrasjon ved hemodialyse (AI-MOBI-HEMODI)

Denne randomiserte kontrollerte studien har som mål å evaluere effektiviteten av en kunstig intelligens-støttet mobil undervisningsapplikasjon designet for å forbedre selvpleieatferd, arteriovenøs fistel (AVF) pleiepraksis og viktige biokjemiske parametere blant voksne hemodialyse (HD) pasienter. Kronisk nyresykdom (CKD) og dens vanligste nyreerstatningsterapi, hemodialyse, påfører pasientene en betydelig fysisk, psykologisk og sosioøkonomisk byrde. HD-pasienter opplever ofte tretthet, smerter, kramper, søvnforstyrrelser, tørste og væskerestriksjonsutfordringer, kostholdsbegrensninger, AVF-relaterte komplikasjoner og emosjonell nød. Disse vanskelighetene understreker viktigheten av å styrke pasientenes selvpleieevner og fremme aktiv involvering i sykdomsbehandling.

Til tross for utbredelsen av mobilhelse (mHealth) teknologi i kronisk sykdomsbehandling, er eksisterende applikasjoner for HD-pasienter fortsatt begrenset, og ingen har integrert personlig tilpasset kunstig intelligens-basert undervisningsstøtte. Fraværet av KI-drevet pasientundervisning representerer et betydelig gap i sykepleievitenskap og digital helseinnovasjon. Dette prosjektet adresserer dette gapet ved å utvikle og teste et strukturert, evidensbasert mobil undervisningsprogram støttet av kunstig intelligens, spesielt designet for HD-pasienter.

Studien vil inkludere 76 kvalifiserte hemodialysepasienter fra Bitlis Statsykehus og Bitlis Tatvan Statsykehus. Deltakere vil bli tilfeldig tildelt enten intervensjonsgruppen eller kontrollgruppen ved bruk av enkel randomisering. Intervensjonsgruppen vil få tilgang til den KI-støttede mobilapplikasjonen i seks uker, som inkluderer moduler om nyrefunksjon, CKD og behandlingsalternativer, symptomhåndtering, kostholdsoverholdelse, væskehåndtering, behandlingsoverholdelse og AVF-pleie. Hver modul inneholder skrevet innhold, videoer, visuelle elementer, stemmestøttede lesefunksjoner og en integrert "Still et spørsmål"-funksjon som lar pasienter kommunisere direkte med forskningsteamet. Kontrollgruppen vil motta rutinemessig klinisk behandling uten ytterligere intervensjon.

Den kunstige intelligens-komponenten vil assistere med innholdspersonalisering, overvåking av pasientengasjement, datalagring, automatiske påminnelser for ikke-aktive brukere og støttende tilbakemeldinger basert på læringsprogresjon og biokjemiske trender. Utviklingen av mobilapplikasjonen vil bli veiledet av ekspertuttalelser fra nefrologispecialister, dialysesykepleiere, akademikere og ernæringsfysiologer. Lesbarheten av undervisningsmaterialet vil bli vurdert ved bruk av Ateşman Lesbarhetsformel. En pilotstudie vil bli gjennomført før forsøket for å evaluere brukervennligheten ved bruk av Web Analysis and Measurement Inventory (WAMMI).

Datainnsamling vil inkludere en Pasientidentifikasjonsskjema, Hemodialyse Arteriovenøs Fistel Selvpleieatferdsskalaen, Hemodialyse Selvforvaltningsskalaen og et Biokjemiske Parametre Sporingsskjema. Før-test data vil bli samlet før intervensjonen; etter-test data vil bli samlet på slutten av den seks ukers intervensjonsperioden. Biokjemiske parametre vil inkludere BUN, kreatinin, albumin, kalium, fosfor, hemoglobin, urinsyrenivåer, Kt/V og tørrvekt, hentet fra rutinemessige kliniske journaler uten ytterligere blodprøvetaking.

Primære utfall vil vurdere endringer i selvpleie- og selvforvaltningsatferd basert på validerte skalaer. Sekundære utfall vil undersøke endringer i biokjemiske parametre mellom intervensjons- og kontrollgruppen. Dataanalyse vil bli utført ved bruk av SPSS, med beskrivende statistikk, normalitetstesting og passende statistiske sammenligningstester, med signifikans satt til p < 0,05.

Etisk godkjenning vil bli innhentet fra det aktuelle institusjonelle etikkomiteen, og skriftlig informert samtykke vil bli sikret fra alle deltakere. Datakonfidensialitet vil bli sikret ved bruk av krypterte påloggingssystemer og sikre lagringsprosesser.

Dette forsøket forventes å bidra betydelig til den vitenskapelige litteraturen ved å være den første KI-støttede mobil undervisningsintervensjonen skreddersydd for hemodialysepasienter. Forventede fordeler inkluderer forbedret selvpleieatferd, økt pasientautonomi, reduserte AVF-komplikasjoner, bedre overholdelse av kostholds- og væskerestriksjoner og forbedrede biokjemiske utfall. Bredere påvirkninger av prosjektet inkluderer potensiell reduksjon av innleggelsesrater, reduserte helsekostnader, økt livskvalitet for HD-pasienter og etablering av en digital modell som kan tilpasses for andre kroniske sykdomsgrupper.

Til syvende og sist har denne studien som mål å demonstrere at integrering av kunstig intelligens med mobil helseundervisning kan skape en transformativ tilnærming til pasientmyndiggjøring, klinisk behandling og kronisk sykdomsbehandling innenfor nefrologi- og sykepleiefeltet.