- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07410689
SAFE.AI: Utvikling og testing av en AI-basert hybrid chatbot for økonomisk styrking i kreftomsorg på landsbygda
SAFE.AI: Utvikling og testing av en AI-basert hybrid chatbot for økonomisk styrking i kreftomsorgen på landsbygda
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Kostnadene for kreftbehandling vil nærme seg 246 milliarder dollar innen 2030, noe som gjør kreft til en av de dyreste helsetilstandene for enkeltpersoner. Økonomiske vanskeligheter knyttet til kreft påvirker psykologisk velvære, helserelatert livskvalitet, medisineringsoppfølging og beslutninger om å utsette eller avstå fra behandling negativt. Kreftpasienter og familier i distriktene har en høyere forekomst av økonomiske vanskeligheter, pådrar seg større reiserelaterte utgifter, står overfor unike arbeids- og inntektsstressfaktorer og har mindre tilgang til spesialiserte kreftbehandlingstjenester og behandlere – inkludert de som støtter økonomiske behov.
Få tiltak mot økonomisk toksisitet er utformet for behovene til kreftpasienter og familier i distriktene. Selv om økonomisk navigering effektivt kan redusere kreftpasienters egne utgifter, er økonomiske og distriktspasientnavigeringstjenester i kreftprogrammer, inkludert ved Huntsman Cancer Institute (HCI), overbelastet. De fleste sentre reagerer på økonomiske vanskeligheter reaktivt i stedet for proaktivt, og programmer er mindre utstyrt til å hjelpe med ikke-medisinske kilder til kreftkostnader, som reiser og arbeidsvanskeligheter.
For å adressere dette gapet, ble Self-Advocacy for Financial Empowerment (SAFE) ressursverktøyet utviklet med et samfunnsråd bestående av kreftpasienter fra distriktene, omsorgspersoner og helsepersonell. Samfunnsengasjert forskning identifiserte også behovet for individuell og tilgjengelig informasjon om økonomiske ressurser og støtte, stigma som en barriere for å søke hjelp, og den tids- og ressurskrevende naturen til økonomisk navigering som begrenser penetreringen og rekkevidden av disse essensielle tjenestene blant distriktsamfunn påvirket av kreft.
Chatboter, eller samtaleagenter, er en type kunstig intelligens (AI)-system som bruker maskinlæring for å reprodusere realistiske menneskelige samtaler. Skriptbaserte chatboter, basert på klart definerte informasjonsgrenser, gir nøyaktige, pålitelige og individuelle svar på spørsmål. Derimot kan AI-baserte chatboter som bruker store språkmodeller (LLM) som GPT4, håndtere tvetydige, åpne spørsmål samtidig som de fortsatt bevarer personvernet. Chatboter tilrettelegger for individuell, delt informasjon som forbedrer kommunikasjon av kompleks informasjon, fremmer brukernes personvern og støttebehov, og adresserer arbeidsstyrkeutfordringer.
GARDE-Chat, en åpen kildekode-plattform, har blitt etablert for helsesystemnivå risikovurdering og genetisk testing for arvelig kreft ved HCI. GARDE-Chat støtter skriptbaserte, hybride og AI-chatboter. Før denne pilottesten vil GARDE-Chat bli brukt til å lage en chatbot designet for å gi svar på økonomisk toksisitet, basert på SAFE-verktøyets innhold og verifiserte ressurser for å utvikle den skriptbaserte versjonen av chatboten. En stor språkmodellkomponent av chatboten vil bli inkorporert for hybridversjonen som vil gjøre det mulig for brukere å stille mer komplekse og åpne spørsmål, raffinert med innspill fra samfunnsinteressenter.
Dette er en randomisert, toarmet, parallellgruppepilotstudie som undersøker et nytt chatbotverktøy designet for å støtte kreftpasienter og omsorgspersoner, spesielt de i distriktsamfunn. Omtrent 60 deltakere vil bli randomisert 1:1 for å interagere med enten en hybrid chatbot eller en AI-drevet chatbot. Deltakerne vil bruke sin tildelte chatbot for å få klar og nyttig informasjon relatert til forsikring, reisekostnader og andre økonomiske aspekter ved kreftbehandling. Innskrevne deltakere vil fullføre tre spørreundersøkelser (pretest, posttest og 2-ukers oppfølging) og interagere med chatboten før posttesten. Deltakerne kan interagere med chatboten mellom posttesten og 2-ukers oppfølgingen etter eget ønske. Deltakerne vil dele tilbakemeldinger om nytten, brukervennligheten og den generelle opplevelsen ved å bruke chatboten og fullføre pre- og posttestmålinger for å vurdere foreløpig effekt for sekundære utfallsmål. Alle forskningsaktiviteter vil bli utført online.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Utah
-
Salt Lake City, Utah, Forente stater, 84112
- Huntsman Cancer Institute/ University of Utah
-
Ta kontakt med:
- Djin Tay, PhD, RN
- Telefonnummer: 801-646-6440
- E-post: Djin.Tay@nurs.utah.edu
-
Hovedetterforsker:
- Djin Tay, PhD, RN
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inkluderingskriterier:
- Voksne (18 år og eldre)
- Kreftpasienter eller økonomisk ansvarlige omsorgspersoner for kreftpasienter som:
- Bor i Huntsman Cancer Institutes femstats opptaksområde (Utah, Idaho, Wyoming, Montana og Nevada),
- Kan lese og skrive på engelsk, og
- Bor i et landlig område, definert ved at bosteds-ZIP-koden er klassifisert som ikke-metropolitansk (RUCA-koder 4-10) i henhold til USDAs Rural-Urban Commuting Area Codes.
Ekskluderingskriterier:
- Respondenter som ikke bor innenfor dette 5-stats regionen--SAFE-verktøymaterialet ble utviklet for Huntsman Cancer Institutes pasientpopulasjon som betjener UT, ID, MT, WY og NV
- Respondenter som kun snakker spansk eller andre utelukkende ikke-engelsktalende grupper--Den store språkmodellen for chatboten vil bli utviklet på engelsk. Siden ikke-engelsk språktrening for chatboten ikke er en del av denne studiens omfang, kan deltakere som ikke kan lese og skrive på engelsk være uegnede. Derfor vil vi ikke rekruttere deltakere som kun snakker spansk eller andre utelukkende ikke-engelsktalende grupper. Fremtidige studier vil inkludere tilpasning av chatboten til andre språk.
- Omsorgspersoner som ikke er primært ansvarlige for de økonomiske aspektene ved pasientenes kreftbehandling--Temaet om økonomisk belastning ved kreftbehandling kan være mindre relevant for omsorgspersoner som ikke er økonomisk involvert i omsorgen.
- Ikke-landlig bosetting
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Støttende omsorg
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Annen: Regelbasert Chatbot
Deltakere som randomiseres til denne armen vil bli bedt om å bruke den regelbaserte chatboten.
|
Den regelbaserte (skriptede) SAFE.ai-chattroboten er et veiledende samtaleverktøy utviklet for å gi strukturert, nøyaktig og konsistent informasjon til kreftpasienter på landet og deres omsorgspersoner som opplever økonomisk belastning knyttet til kreftsykdom. Denne chattroboten er basert på Self-Advocacy for Financial Empowerment (SAFE) verktøykassen, som ble utviklet i samarbeid med et lokalsamfunnsråd (CAB) bestående av pasienter på landet, omsorgspersoner, sykepleiere og økonomiveiledningseksperter fra HCI sitt fem-staters opptaksområde. Alle skriptede svar gjenspeiler prioriteringer identifisert under kvalitative behovskartleggingsøkter, noe som sikrer at innholdet er kulturelt tilpasset erfaringene til pasienter på landet og reelle økonomiske utfordringer. Chattroboten følger et regelbasert beslutningstre. Brukere går videre i samtalen ved å velge et svar fra et sett med faste alternativer som vises på skjermen. Dette sikrer at alt innhold er klinisk gjennomgått, trygt, konsistent og i samsvar med evidensbaserte praksiser. |
|
Annen: Hybrid Chatbot
Deltakerne som randomiseres til denne armen vil bli bedt om å bruke den hybride chatboten
|
Den hybride SAFE.ai-chattroboten bygger på det eksisterende regelbaserte systemet ved å integrere et stort språkmodell-lag (LLM) for å støtte mer fleksible, åpne og konversasjonsbaserte interaksjoner. Mens den regelbaserte chattroboten gir strukturerte samtaler gjennom forhåndsdefinert innhold, tillater den hybride tilnærmingen brukere å stille komplekse eller personlige spørsmål om økonomisk toksisitet. For å sikre sikkerhet og nøyaktighet, er den hybride chattroboten ikke tillatt å generere svar fra det åpne internettet. Ved å kombinere konsistensen fra regelbasert logikk med tilpasningsdyktigheten til en LLM, vil den hybride chattroboten gjøre det mulig for brukere å stille oppfølgingsspørsmål, beskrive nyanserte økonomiske situasjoner, be om avklaring i egne ord og motta mer skreddersydd veiledning, samtidig som den fortsatt sikrer overholdelse av SAFE-innhold. |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Vurdering av nytteverdi med ett enkelt element
Tidsramme: opptil 2 uker
|
Nyttigheten vurderes ved hjelp av et 5-punkts Likert-skala-element med svarmuligheter som spenner fra Svært lite nyttig (1) til Svært nyttig (5).
Totalscorene spenner fra et minimum på 1 til et maksimum på 5, hvor lavere poengsummer indikerer lavere opplevd nyttighet, og høyere poengsummer indikerer større opplevd nyttighet.
|
opptil 2 uker
|
|
Systembruksskala (SUS)
Tidsramme: opptil 2 uker
|
SUS er en 10-punkts, 5-punkts Likert-skala (0 = sterkt uenig, 5 = sterkt enig).
Total poengsum varierer fra et minimum på 0 til et maksimum på 100, med lavere verdier som indikerer mindre brukervennlighet og høyere verdier som indikerer høyere brukervennlighet.
|
opptil 2 uker
|
|
Akseptabilitet av intervensjonsmåling (AIM)
Tidsramme: opptil 2 uker
|
AIM er en 4-punkts, 5-punkts Likert-skala (1 = sterkt uenig, 5 = sterkt enig).
Totalskårer varierer fra et minimum på 4 til et maksimum på 20, der lavere verdier indikerer lavere akseptabilitet og høyere verdier indikerer høyere akseptabilitet.
|
opptil 2 uker
|
|
Chatbot-bruker tilfredshet (CUS) - Tilfredshet underdimensjon
Tidsramme: opptil 2 uker
|
Tilfredshet-underdelen av CUS-målet er en 5-punkts Likert-skala (1 = sterkt uenig, 5 = sterkt enig). Totalscorene varierer fra et minimum på 5 til et maksimum på 25, hvor lavere verdier indikerer lavere brukertilfredshet, og høyere verdier indikerer høyere tilfredshet.
|
opptil 2 uker
|
|
Tillit til automatisert systemtest (TOAST)
Tidsramme: opptil 2 uker
|
TOAST er en 9-punkts 7-trinns Likert-skala (1 = sterkt uenig, 7 = sterkt enig).
Totalscore varierer fra et minimum på 9 til et maksimum på 63, der lavere verdier indikerer lavere tillit, og høyere verdier indikerer høyere tillit.
|
opptil 2 uker
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Selvrapportert økonomisk bekymring
Tidsramme: opptil 2 uker
|
Økonomisk bekymring vil bli vurdert ved COST-vurderingen (COmprehensive Score for financial Toxicity). COST er en 12-punkts, 5-punkts Likert-skala (0=I det hele tatt ikke til 4=Svært mye). Totalskårer varierer fra et minimum på 0 til et maksimum på 44, hvor lavere skårer indikerer dårligere økonomisk velvære og høyere skårer indikerer bedre økonomisk velvære. Denne utfallsmålingen vil rapportere gjennomsnittlig COST-skår. |
opptil 2 uker
|
|
Helse-relatert livskvalitet (QOL)
Tidsramme: opptil 2 uker
|
Helserelatert livskvalitet vil bli vurdert med 36-spørsmåls helseundersøkelsen (SF-36). SF-36 har to delskalaer, Physical Component Summary (PCS) og Mental Component Summary (MCS). Hver delskala har en skala fra 0-100, der lavere poengsummer indikerer dårligere livskvalitet og høyere poengsummer indikerer bedre livskvalitet. Denne resultatmålingen vil rapportere gjennomsnittlige PCS- og MCS-poengsummer. |
opptil 2 uker
|
|
Selvtillit for å takle kreft
Tidsramme: opptil 2 uker
|
Selv-effektivitet for håndtering av kreft vil bli vurdert med Cancer Behavior Inventory-Brief Version (CBI-B) spørreskjemaet. CBI-B er et 12-punkts, 9-punkts Likert-skala (1=Ikke i det hele tatt trygg til 9=Helt trygg). Totale CBI-B poengsummer varierer fra 9 til 108, der lavere poengsummer indikerer dårligere selv-effektivitet og høyere poengsummer indikerer bedre selv-effektivitet. |
opptil 2 uker
|
|
Psykososial Distress
Tidsramme: opptil 2 uker
|
Psykososial belastning vil bli målt med Pasienthelsespørreskjema-4 (PHQ-4). PHQ-4 er en 4-punkts, 4-trinns Likert-skala (0 = Ikke i det hele tatt til 3 = Nesten hver dag). Totale PHQ-4-poengsummer varierer fra 0 til 12, der lavere poengsummer indikerer mindre psykososial belastning og høyere poengsummer indikerer mer alvorlig psykososial belastning. |
opptil 2 uker
|
|
Brukerengasjement med SAFE.AI
Tidsramme: opptil 2 uker
|
Brukerengasjement med SAFE.AI vil bli vurdert ved hjelp av et engasjementsinstrument utviklet for å evaluere AI-chatbottar i en ettertest-undersøking.
|
opptil 2 uker
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Djin Tay, PhD, RN, Huntsman Cancer Institute/ University of Utah
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Ware J Jr, Kosinski M, Keller SD. A 12-Item Short-Form Health Survey: construction of scales and preliminary tests of reliability and validity. Med Care. 1996 Mar;34(3):220-33. doi: 10.1097/00005650-199603000-00003.
- Heitzmann CA, Merluzzi TV, Jean-Pierre P, Roscoe JA, Kirsh KL, Passik SD. Assessing self-efficacy for coping with cancer: development and psychometric analysis of the brief version of the Cancer Behavior Inventory (CBI-B). Psychooncology. 2011 Mar;20(3):302-12. doi: 10.1002/pon.1735.
- Yezefski T, Steelquist J, Watabayashi K, Sherman D, Shankaran V. Impact of trained oncology financial navigators on patient out-of-pocket spending. Am J Manag Care. 2018 Mar;24(5 Suppl):S74-S79.
- Hyzy M, Bond R, Mulvenna M, Bai L, Dix A, Leigh S, Hunt S. System Usability Scale Benchmarking for Digital Health Apps: Meta-analysis. JMIR Mhealth Uhealth. 2022 Aug 18;10(8):e37290. doi: 10.2196/37290.
- Zahnd WE, Davis MM, Rotter JS, Vanderpool RC, Perry CK, Shannon J, Ko LK, Wheeler SB, Odahowski CL, Farris PE, Eberth JM. Rural-urban differences in financial burden among cancer survivors: an analysis of a nationally representative survey. Support Care Cancer. 2019 Dec;27(12):4779-4786. doi: 10.1007/s00520-019-04742-z. Epub 2019 Apr 10.
- Chavez-Yenter D, Kimball KE, Kohlmann W, Lorenz Chambers R, Bradshaw RL, Espinel WF, Flynn M, Gammon A, Goldberg E, Hagerty KJ, Hess R, Kessler C, Monahan R, Temares D, Tobik K, Mann DM, Kawamoto K, Del Fiol G, Buys SS, Ginsburg O, Kaphingst KA. Patient Interactions With an Automated Conversational Agent Delivering Pretest Genetics Education: Descriptive Study. J Med Internet Res. 2021 Nov 18;23(11):e29447. doi: 10.2196/29447.
- Del Fiol G, Kohlmann W, Bradshaw RL, Weir CR, Flynn M, Hess R, Schiffman JD, Nanjo C, Kawamoto K. Standards-Based Clinical Decision Support Platform to Manage Patients Who Meet Guideline-Based Criteria for Genetic Evaluation of Familial Cancer. JCO Clin Cancer Inform. 2020 Jan;4:1-9. doi: 10.1200/CCI.19.00120.
- Bradshaw RL, Kawamoto K, Kaphingst KA, Kohlmann WK, Hess R, Flynn MC, Nanjo CJ, Warner PB, Shi J, Morgan K, Kimball K, Ranade-Kharkar P, Ginsburg O, Goodman M, Chambers R, Mann D, Narus SP, Gonzalez J, Loomis S, Chan P, Monahan R, Borsato EP, Shields DE, Martin DK, Kessler CM, Del Fiol G. GARDE: a standards-based clinical decision support platform for identifying population health management cohorts. J Am Med Inform Assoc. 2022 Apr 13;29(5):928-936. doi: 10.1093/jamia/ocac028.
- Mariotto AB, Enewold L, Zhao J, Zeruto CA, Yabroff KR. Medical Care Costs Associated with Cancer Survivorship in the United States. Cancer Epidemiol Biomarkers Prev. 2020 Jul;29(7):1304-1312. doi: 10.1158/1055-9965.EPI-19-1534. Epub 2020 Jun 10.
- Carrera PM, Kantarjian HM, Blinder VS. The financial burden and distress of patients with cancer: Understanding and stepping-up action on the financial toxicity of cancer treatment. CA Cancer J Clin. 2018 Mar;68(2):153-165. doi: 10.3322/caac.21443. Epub 2018 Jan 16.
- Lyman GH, Kuderer N. Financial Toxicity, Financial Abuse, or Financial Torture: Let's Call It What It is! Cancer Invest. 2020 Mar;38(3):139-142. doi: 10.1080/07357907.2020.1735084. Epub 2020 Mar 4. No abstract available.
- Pisu M, Henrikson NB, Banegas MP, Yabroff KR. Costs of cancer along the care continuum: What we can expect based on recent literature. Cancer. 2018 Nov 1;124(21):4181-4191. doi: 10.1002/cncr.31643. Epub 2018 Oct 17.
- Yabroff KR, Mariotto A, Tangka F, Zhao J, Islami F, Sung H, Sherman RL, Henley SJ, Jemal A, Ward EM. Annual Report to the Nation on the Status of Cancer, Part 2: Patient Economic Burden Associated With Cancer Care. J Natl Cancer Inst. 2021 Nov 29;113(12):1670-1682. doi: 10.1093/jnci/djab192.
- Knight TG, Deal AM, Dusetzina SB, Muss HB, Choi SK, Bensen JT, Williams GR. Financial Toxicity in Adults With Cancer: Adverse Outcomes and Noncompliance. J Oncol Pract. 2018 Oct 24:JOP1800120. doi: 10.1200/JOP.18.00120. Online ahead of print.
- Allcott N, Dunham L, Levy D, Carr J, Stitzenberg K. Financial burden amongst cancer patients treated with curative intent surgery alone. Am J Surg. 2019 Sep;218(3):452-456. doi: 10.1016/j.amjsurg.2019.01.033. Epub 2019 Jan 31.
- Williams CP, Gallagher KD, Deehr K, Aswani MS, Azuero A, Daniel CL, Ford EW, Ingram SA, Balch AJ, Rocque GB. Quantifying treatment preferences and their association with financial toxicity in women with breast cancer. Cancer. 2021 Feb 1;127(3):449-457. doi: 10.1002/cncr.33287. Epub 2020 Oct 27.
- Belcher SM, Lee H, Nguyen J, Curseen K, Lal A, Zarrabi AJ, Gantz L, Rosenzweig MQ, Hill JL, Yeager KA. Financial Hardship and Quality of Life Among Patients With Advanced Cancer Receiving Outpatient Palliative Care: A Pilot Study. Cancer Nurs. 2023 Jan-Feb 01;46(1):3-13. doi: 10.1097/NCC.0000000000001052. Epub 2021 Dec 31.
- Petermann V, Zahnd WE, Vanderpool RC, Eberth JM, Rohweder C, Teal R, Vu M, Stradtman L, Frost E, Trapl E, Koopman Gonzalez S, Vu T, Ko LK, Cole A, Farris PE, Shannon J, Lee J, Askelson N, Seegmiller L, White A, Edward J, Davis M, Wheeler SB. How cancer programs identify and address the financial burdens of rural cancer patients. Support Care Cancer. 2022 Mar;30(3):2047-2058. doi: 10.1007/s00520-021-06577-z. Epub 2021 Oct 16.
- Charlton M, Schlichting J, Chioreso C, Ward M, Vikas P. Challenges of Rural Cancer Care in the United States. Oncology (Williston Park). 2015 Sep;29(9):633-40.
- Spencer JC, Rotter JS, Eberth JM, Zahnd WE, Vanderpool RC, Ko LK, Davis MM, Troester MA, Olshan AF, Wheeler SB. Employment Changes Following Breast Cancer Diagnosis: The Effects of Race and Place. J Natl Cancer Inst. 2020 Jun 1;112(6):647-650. doi: 10.1093/jnci/djz197.
- Kent EE, Lee S, Asad S, Dobbins EE, Aimone EV, Park EM. "If I wasn't in a rural area, I would definitely have more support": social needs identified by rural cancer caregivers and hospital staff. J Psychosoc Oncol. 2023;41(4):393-410. doi: 10.1080/07347332.2022.2129547. Epub 2022 Oct 10.
- Zhang M, Wang X, Shao M, Li T, Guo S, Yang Y, Yu L, Bin M, Li D, Zhou H, Yao L, Chen C, Wang T. Financial toxicity of informal caregivers of colorectal cancer patients: A cross-sectional study. Eur J Oncol Nurs. 2024 Apr;69:102519. doi: 10.1016/j.ejon.2024.102519. Epub 2024 Feb 9.
- Crabtree-Ide C, Sevdalis N, Bellohusen P, Constine LS, Fleming F, Holub D, Rizvi I, Rodriguez J, Shayne M, Termer N, Tomaszewski K, Noyes K. Strategies for Improving Access to Cancer Services in Rural Communities: A Pre-implementation Study. Front Health Serv. 2022 Mar 14;2:818519. doi: 10.3389/frhs.2022.818519. eCollection 2022.
- Spencer JC, Samuel CA, Rosenstein DL, Reeder-Hayes KE, Manning ML, Sellers JB, Wheeler SB. Oncology navigators' perceptions of cancer-related financial burden and financial assistance resources. Support Care Cancer. 2018 Apr;26(4):1315-1321. doi: 10.1007/s00520-017-3958-3. Epub 2017 Nov 9.
- de Moor JS, Kent EE, McNeel TS, Virgo KS, Swanberg J, Tracy JK, Banegas MP, Han X, Qin J, Yabroff KR. Employment Outcomes Among Cancer Survivors in the United States: Implications for Cancer Care Delivery. J Natl Cancer Inst. 2021 May 4;113(5):641-644. doi: 10.1093/jnci/djaa084.
- Sherman DE. Transforming Practices Through the Oncology Care Model: Financial Toxicity and Counseling. J Oncol Pract. 2017 Aug;13(8):519-522. doi: 10.1200/JOP.2017.023655. Epub 2017 Jun 7. No abstract available.
- Xu L, Sanders L, Li K, Chow JCL. Chatbot for Health Care and Oncology Applications Using Artificial Intelligence and Machine Learning: Systematic Review. JMIR Cancer. 2021 Nov 29;7(4):e27850. doi: 10.2196/27850.
- Kaphingst KA, Kohlmann WK, Lorenz Chambers R, Bather JR, Goodman MS, Bradshaw RL, Chavez-Yenter D, Colonna SV, Espinel WF, Everett JN, Flynn M, Gammon A, Harris A, Hess R, Kaiser-Jackson L, Lee S, Monahan R, Schiffman JD, Volkmar M, Wetter DW, Zhong L, Mann DM, Ginsburg O, Sigireddi M, Kawamoto K, Del Fiol G, Buys SS. Uptake of Cancer Genetic Services for Chatbot vs Standard-of-Care Delivery Models: The BRIDGE Randomized Clinical Trial. JAMA Netw Open. 2024 Sep 3;7(9):e2432143. doi: 10.1001/jamanetworkopen.2024.32143.
- Ta V, Griffith C, Boatfield C, Wang X, Civitello M, Bader H, DeCero E, Loggarakis A. User Experiences of Social Support From Companion Chatbots in Everyday Contexts: Thematic Analysis. J Med Internet Res. 2020 Mar 6;22(3):e16235. doi: 10.2196/16235.
- Hazarika I. Artificial intelligence: opportunities and implications for the health workforce. Int Health. 2020 Jul 1;12(4):241-245. doi: 10.1093/inthealth/ihaa007.
- De Souza JA, Wroblewski K, Proussaloglou E, Nicholson L, Hantel A, Wang Y. Validation of a financial toxicity (FT) grading system. American Society of Clinical Oncology; 2017.
- Hamm RF, Levine LD, Szymczak JE, Parry S, Srinivas SK, Beidas RS. An innovative sequential mixed-methods approach to evaluating clinician acceptability during implementation of a standardized labor induction protocol. BMC Med Res Methodol. 2023 Aug 29;23(1):195. doi: 10.1186/s12874-023-02010-7.
- Watkins JM, Brunnemer JE, Heeter KN, Medellin AM, Churchill WC, Goss JM, Hobson JM, Werner NE, Weaver RG, Kercher VMM, Kercher KA. Evaluating the feasibility and acceptability of a co-designed physical activity intervention for rural middle schoolers: a pilot study. BMC Public Health. 2024 Jul 9;24(1):1830. doi: 10.1186/s12889-024-19356-2.
- Stanhope J. Patient Health Questionnaire-4. Occup Med (Lond). 2016 Dec;66(9):760-761. doi: 10.1093/occmed/kqw165. No abstract available.
- Møller CG, Ang KE, Bongiovanni MDL, Khalid MS, Wu J. Metrics of success: evaluating user satisfaction in AI chatbots. In: Proceedings of the 8th International Conference on Advances in Artificial Intelligence (ICAAI 2024). Association for Computing Machinery; 2025:168-173. doi:10.1145/3704137.3704182
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 193501
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. .