Kunstig intelligens-assistert læring for sykepleiefaglig legemiddelberegning
Transformering av sykepleiepraksis gjennom kunstig intelligens: Effektiviteten av kunstig intelligens-basert læring i legemiddeldoseberegning på kunnskap, kliniske beslutninger og selvfølelse
Formålet med denne studien er å evaluere hvordan en kunstig intelligens-assistert læringsplattform påvirker sykepleieres evne til å beregne legemiddeldoser nøyaktig. Legemiddelberegning er en kritisk ferdighet i sykepleie, og feil kan ha betydelig innvirkning på pasientsikkerheten.
Mens tradisjonelle undervisningsmetoder er standard, kan de ikke gi den personlige tilbakemeldingen som trengs for en så viktig oppgave. Denne studien sammenligner to grupper sykepleiere: en gruppe som bruker en kunstig intelligens-drevet programvare som gir interaktive scenarier og veiledning i sanntid, og en annen gruppe som mottar tradisjonell klasseromsundervisning.
Forskerne har som mål å finne ut om AI-tilnærmingen fører til:
Forbedret teoretisk kunnskap om legemiddelberegninger. Forbedret klinisk beslutningstaking under legemiddeladministrering. Økt selvtillit (selveffektivitet) hos sykepleiere når de utfører disse oppgavene i virkelige kliniske settinger.
I tillegg inkluderer studien en kvalitativ komponent som gjennomføres ved bruk av fokusgruppeintervjuer for å utforske deltakernes aksept, opplevd nytte, brukervennlighet og generelle oppfatninger av den KI-assisterte læringsplattformen. Denne kvalitative undersøkelsen gir en dypere innsikt i sykepleieres erfaringer, holdninger til KI-integrasjon i utdanning, og deres meninger om effektiviteten til de undervisnings- og læringsstrategiene som brukes i plattformen.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Medisinadministrasjonsfeil er en betydelig utfordring i sykepleiepraksis, spesielt i høyt akutte miljøer som kardiovaskulære og intensivavdelinger. Denne studien evaluerer effektiviteten av en kunstig intelligens-drevet pedagogisk intervensjon designet for å bygge bro mellom teoretisk kunnskap og klinisk anvendelse i legemiddelberegninger.
Studiedesign
Denne studien benyttet et blandet-metode-design som omfattet en kvasi-eksperimentell pretest-posttest-tilnærming med en kontrollgruppe, supplert med en kvalitativ fokusgruppe-komponent. Deltakere ble tildelt enten en eksperimentell gruppe som mottok kunstig intelligens-assistert læring eller en kontrollgruppe som mottok tradisjonell undervisning.
Intervensjonen (Studiegruppe)
Deltakere i eksperimentgruppen brukte kunstig intelligens-assistert læringsprogramvare designet for å forbedre deres pedagogiske opplevelse gjennom flere avanserte funksjoner. Programvaren tilbyr adaptive læringsstier, som justerer beregningskompleksitet i samsvar med sykepleierens prestasjon. I tillegg tilbyr den sanntids tilbakemelding, som sikrer umiddelbare korreksjoner og trinnvis veiledning for komplekse legemiddeldoseringer. Til slutt inneholder programvaren kunstig intelligens-baserte kliniske simuleringer som skaper høyt pressende kliniske beslutningsscenarier for lærende.
Kontrollgruppen
Deltakere i kontrollgruppen mottok tradisjonelle undervisningsmetoder som omfattet standard forelesninger og papirbaserte øvelsesøkter spesielt rettet mot legemiddelberegning. Denne tilnærmingen dekket det samme kjerneplanen som eksperimentgruppen, men inkorporerte ingen kunstig intelligens-assistanse.
Studien evaluerte tre nøkkelområder før og etter intervensjonen:
Sykepleierkunnskap, vurdert ved bruk av en standardisert legemiddelberegningseksamen.
Klinisk beslutningstaking, målt med en validert sykepleierbeslutningstakingsskala.
Selvtillit, evaluert gjennom en standardisert selvtillitsskala for å vurdere tillit til kliniske beregninger.
Data ble analysert ved bruk av Statistical Package for the Social Sciences for å sammenligne gjennomsnittsscorene mellom eksperiment- og kontrollgruppene.
Kvalitativ komponent (Fokusgruppestudie)
For å supplere de kvantitative funnene, ble en kvalitativ fokusgruppestudie utført med deltakere fra eksperimentgruppen. Målet var å utforske sykepleieres aksept av kunstig intelligens-plattformen, oppfattet nytte, brukervennlighet, synlighet av læringsprogresjon og generelle meninger om de kunstig intelligens-assisterte undervisningsstrategiene.
Fokusgruppediskusjoner ble lydinnspilt, transkribert og analysert ved bruk av tematisk analyse for å identifisere tilbakevendende mønstre og temaer relatert til brukeropplevelse, oppfattet pedagogisk verdi og beredskap for å integrere KI-basert læring i klinisk utdanning. Denne kvalitative komponenten ga dypere innsikt i deltakernes holdninger til KI-integrasjon i sykepleierutdanning og beriket tolkningen av de kvantitative resultatene.
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Alexandria Governorate
-
Alexandria, Alexandria Governorate, Egypt, 2500
- Faculty of Nursing, Alexandria University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
Sykepleiere som arbeider i flere kliniske settinger, inkludert medisinsk-kirurgisk, kardiovaskulær eller intensivavdelinger osv.
Sykepleiere er ansvarlige for legemiddeladministrering og legemiddeldosberegninger som en del av sine daglige kliniske plikter.
Villighet til å delta i det kunstige intelligens-assisterte læringsprogrammet og signere informert samtykke.
Eksklusjonskriterier:
Sykepleiere som nylig har mottatt spesifikk opplæring i legemiddelberegning eller har hatt tidligere eksponering for AI-baserte læringsverktøy (innen de siste 6 månedene)
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Kunstig Intelligens-assistert Læringsgruppe
Bruk en kunstig intelligens-assistert plattform som tilbyr scenario-basert læring og sanntids tilbakemelding for legemiddelberegninger.
|
En innovativ kunstig intelligens-programvare forbedrer sykepleiernes nøyaktighet i legemiddelberegninger og klinisk resonnering gjennom scenario-basert læring, som gir sanntids tilbakemeldinger og tilpassede læringsveier.
|
|
Eksperimentell: Tradisjonell Læringsgruppe
Deltakerne mottar standardpensum gjennom tradisjonelle forelesninger og papirbaserte øvelsesøkter.
|
Standard undervisning i klasserom består av teoretiske forelesninger og papirbasert praksis som fokuserer på beregning av medikamentdosering.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sykepleieres kunnskap om legemiddelberegning
Tidsramme: Utestart (Pre-test) og 2 uker etter intervensjon (Post-test)
|
Et 16-punkts vurderingsverktøy designet for å evaluere sykepleieres teoretiske og praktiske kunnskap om legemiddelberegningsprinsipper (f.eks. enhetskonverteringer, flowhastighet og doseringsberegninger). Hvert riktig svar får poengsum "1" og hvert feil svar får poengsum "0". Skalaområde: Total poengsum varierer fra et minimum på 0 til et maksimum på 16. Tolkning: Høyere poengsummer indikerer et bedre utfall (større mestring av beregningsprinsipper). Høy (13-16): Kompetent nivå (> 80%). Moderat (10-12): Akseptabel men ufullstendig kunnskap (60%-80%). Lav (0-9): Mangelfull forståelse (< 60%). |
Utestart (Pre-test) og 2 uker etter intervensjon (Post-test)
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sykepleieres skala for beslutningstaking i legemiddelberegning
Tidsramme: Utgangspunkt (Pre-test) og 2 uker etter intervensjon (Post-test)
|
Denne skalaen er et selvrapporteringsverktøy med 8 elementer designet for å vurdere sykepleieres kliniske skjønn og selvtillit ved medisindosberegninger. Hvert element vurderes på en 5-punkts Likert-skala fra 1 (Sterkt uenig) til 5 (Sterkt enig). Minimums- og maksimumsverdier: Totalscoreområdet er fra et minimum på 8 til et maksimum på 40. Tolkning: Høyere poengsummer indikerer et bedre utfall (større klinisk kompetanse og sikrere beslutningstaking). Høy (30-40): Høy kompetanse. Moderat (19-29): Moderat evne; krever tilsyn. Lav (8-18): Dårlig selvtillit og skjønn. |
Utgangspunkt (Pre-test) og 2 uker etter intervensjon (Post-test)
|
|
Generell mestringstro-skala
Tidsramme: Baseline (Pre-test) og 2 uker etter intervensjon (Post-test)
|
Beskrivelse: En 10-punkts psykometrisk skala brukt til å vurdere sykepleieres opplevde selvtillit og selvtro i sin evne til å utføre medisinberegninger og kliniske oppgaver effektivt under ulike forhold. Hvert punkt poengsettes på en 4-punkts Likert-skala: 1 (Ikke i det hele tatt sant), 2 (Knapt sant), 3 (Moderat sant) og 4 (Nøyaktig sant). Skalaområde: Den totale poengsummen varierer fra et minimum på 10 til et maksimum på 40. Tolkning: Høyere poengsummer indikerer et bedre utfall (sterkere opplevd kompetanse og høyere selvtillit). Høy (31-40): Sterk opplevd kompetanse og selvtro. Moderat (21-30): Moderat selvtillit i å håndtere krav. Lav (10-20): Lav tro på evnen til å takle utfordringer. |
Baseline (Pre-test) og 2 uker etter intervensjon (Post-test)
|
|
Sykepllekeres oppfatning og tilfredshet med kunstig intelligens-assistert læring (Kvalitativ)
Tidsramme: 2 uker etter fullføring av den KI-assisterte opplæringen
|
Beskrivelse: Vurdering av deltakernes aksept, opplevd nytte, brukervennlighet og tilfredshet med den kunstige intelligens-assisterte læringsplattformen. Data vil bli samlet gjennom fokusgruppe diskusjoner. Analysemetode: Resultatene vil bli analysert ved bruk av tematisk analyse for å identifisere gjentakende mønstre og temaer. Måleenhet: Dette er et kvalitativt resultat; resultatene vil bli rapportert som narrative temaer (for eksempel: "Forbedret beregningssikkerhet" eller "Brukergrensesnitttilfredshet"). |
2 uker etter fullføring av den KI-assisterte opplæringen
|
Samarbeidspartnere og etterforskere
Sponsor
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
Nøkkelord
Andre studie-ID-numre
- AU-20-6-393
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Studiedata/dokumenter
-
Studieprotokoll
Informasjonskommentarer: Tilgjengelig på forespørsel fra hovedforskeren for legitim forskningsformål
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. .