- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07458997
Bruksvurdering av Gen AI-basert ernæringschatbot for gravide kvinner
Brukervurdering av Gen AI-basert ernæringschatbot for gravide kvinner: En pilotkvasi-eksperimentell studie
Bakgrunn: Svangerskap påfører betydelige fysiske krav, med komplikasjoner som svangerskapsdiabetes (GDM) og preeklampsi som utgjør alvorlige risikoer. Ernæring er avgjørende for forebygging, men tilgang til pålitelig veiledning forblir utfordrende. Denne studien evaluerer gjennomførbarheten av en AI-chatbot som gir ernæringsveiledning for å håndtere disse tilstandene.
Metoder: I et kvasi-eksperimentelt design vil 100 gravide kvinner selv velge enten intervensjonsgruppen (n=50, som bruker en AI-chatbot) eller kontrollgruppen (n=50, som mottar standard behandling). Primært resultatmål er brukervennlighet målt med System Usability Scale (SUS) etter 12 uker, med en forventet gjennomsnittsforskjell på ≥13 poeng. Sekundære resultatmål inkluderer teknologiaksept (Technology Acceptance Model), brukerengasjement, informasjonsnøyaktighet og endringer i ernæringskunnskap/-atferd. Kvantitative data vil analyseres ved hjelp av intention-to-treat og t-tester. Semistrukturerte intervjuer med 20 deltakere vil utforske brukeropplevelser gjennom tematisk analyse.
Forventede resultater: AI-chatboten forventes å demonstrere overlegen brukervennlighet og høy brukeraksept (TAM >5,0/7), med forbedringer i ernæringskunnskap og atferd. Kvalitative funn vil gi innsikt i fordeler, barrierer og engasjementsfaktorer.
Konklusjon: Denne studien vil etablere et bevisgrunnlag for AI-chatbotens gjennomførbarhet og aksept for prenatal ernæring, og informere om verktøyoptimalisering og fremtidige storskala forsøk.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Mål: Denne studien har først og fremst som mål å evaluere brukervennligheten til en ernærings-AI-chatbot for gravide kvinner ved å sammenligne System Usability Scale (SUS)-skår mellom intervensjons- og kontrollgruppen. Sekundære mål inkluderer vurdering av teknologiaksept (Technology Acceptance Model), engasjementsmønstre, informasjonskvalitet (nøyaktighet, forståelighet, konsistens), og endringer i ernæringskunnskap.
Design: Et kvasi-eksperimentelt design med to parallelle grupper (n=50 hver) vil bli benyttet. Ved hjelp av selvseleksjon vil deltakerne velge å melde seg på i intervensjonsgruppen (tilgang til en AI-chatbot i tillegg til rutinemessig pleie) eller kontrollgruppen (tilgang til en standardisert WeChat-informasjonstjeneste i tillegg til rutinemessig pleie). Rutinemessig pleie for alle deltakere inkluderer standard besøk på svangerskapsklinikk og trykte ernæringsmateriell.
WeChat-tjenesten for kontrollgruppen vil bli drevet av en opplært forskningsassistent ved bruk av et forhåndsdefinert manus under to planlagte tidsvinduer daglig, og vil gi informasjon sitert fra de offisielle ernæringsarkene. Dette isolerer informasjonsformidlingsmåten (AI mot menneskefasilitert melding) som den primære variabelen.
Deltakere: Inklusjonskriterier: gravide kvinner i alderen ≥18 år, i stand til å samtykke, eier en smarttelefon med internettilgang. Eksklusjonskriterier: påmelding i andre ernæringsintervensjoner eller alvorlige psykiske helsetilstander som hindrer teknologibruk. Et målrettet underutvalg på 20 deltakere (10 per gruppe) vil fullføre kvalitative intervjuer.
Utvalgsstørrelse: Basert på en forventet gjennomsnittlig SUS-skår på 78 (SD=12) i intervensjonsgruppen og 65 (SD=15) i kontrollgruppen (Cohens d=0,95), kreves 23 deltakere per gruppe for 90% styrke ved alfa=0,05. Med hensyn til 50% frafall, vil 50 deltakere per gruppe bli rekruttert. Propensity score matching vil bli anvendt for å redusere seleksjonsbias ved bruk av variabler inkludert alder, svangerskapsalder, paritet, utdanning og grunnleggende teknologibruk.
Målinger: Det primære resultatet, brukervennlighet, vil bli målt ved bruk av System Usability Scale (SUS) og Chatbot Usability Questionnaire (CUQ) ved 12 uker. Teknologiaksept vil bli vurdert ved bruk av Technology Acceptance Model (TAM). Ernæringskunnskap vil bli evaluert ved baseline og 12 uker ved bruk av et 15-spørsmåls skjema og FIGO Nutrition Checklist. Informasjonsnøyaktighet og konsistens vil bli vurdert av et ekspertpanel som rangerer 150 chatbot-svar og gjentatt innsending av 20 testspørsmål. Engasjement vil bli analysert via applikasjonsbrukslogger som måler overholdelse, intensitet og vedholdenhet. Semistrukturerte intervjuer vil utforske brukeropplevelser i dybden.
Dataanalyse: Kvantitative data vil bli analysert ved bruk av intention-to-treat-prinsipper. Primæranalyse vil sammenligne gjennomsnittlige SUS-skår mellom grupper ved bruk av uavhengige prøver t-tester, med effektstørrelser beregnet som Cohens d. Sekundære resultater vil bli analysert ved bruk av lignende tilnærminger, med chi-square-tester for andeler og lineære blandede modeller for endringsskår i ernæringskunnskap. Manglende data vil bli håndtert gjennom multiple imputasjoner. Kvalitative intervjutranskripsjoner vil bli analysert ved bruk av tematisk analyse med dobbelt uavhengig koding.
Studietidslinje: Deltakere vil bli inkludert over en 6-måneders periode, hvor hver deltaker fullfører en 12-ukers intervensjons- og oppfølgingsperiode.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiekontakt
- Navn: Bronya Luk, DHSc
- Telefonnummer: +852 39708758 +852 39708758
- E-post: bluk@hkmu.edu.hk
Studiesteder
-
-
-
Hong Kong, Hong Kong
- Hong Kong Metropolitan University
-
Ta kontakt med:
- Bronya Luk, DHSc
- Telefonnummer: +852 39708758
- E-post: bluk@hkmu.edu.hk
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Gravide kvinner 18 år eller eldre
- I stand til å gi informert samtykke på studiens språk
- Eier en smarttelefon med internettilgang og WeChat-applikasjonen
Eksklusjonskriterier:
- Pågående deltakelse i andre ernæringsintervensjonsstudier
- Alvorlige psykiske lidelser som kan hindre teknologibruk eller evne til å gi informert samtykke
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Støttende omsorg
- Tildeling: Ikke-randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Intervensjonsgruppen
Intervensjonsgruppen vil ha tilgang til ernærings-AI-chatboten.
|
En kulturelt tilpasset ernærings-AI-chatbot for gravide kvinner, og AI-chatbotstøtten vil være tilgjengelig 24/7
|
|
Ingen inngripen: Kontrollgruppen
Kontrollgruppen vil motta rutinemessig pleie sammen med tilgang til en standardisert WeChat-informasjonstjeneste.
For å sikre en rettferdig sammenligning vil WeChat-tjenesten for kontrollgruppen bli drevet av en opplært forskningsassistent som bruker et forhåndsdefinert manus og protokoll.
Assistenten vil svare på henvendelser i to forhåndsplanlagte vindu per dag (f.eks. 10:00-12:00 og 14:00-16:00) ved å gi informasjon direkte sitert eller parafrasert fra de offisielle ernæringsbladene.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
System Usability Scale (SUS)
Tidsramme: 12 uker
|
Brukervennlighet vil bli vurdert ved hjelp av System Usability Scale (SUS), et spørreskjema med 10 spørsmål med fempunkters Likert-svar.
SUS gir en totalscore fra 0 til 100, der høyere score indikerer bedre opplevd brukervennlighet.
Scorene vil bli sammenlignet mellom gruppene etter 12 uker.
|
12 uker
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Gjennomsnittlig poengsum på Technology Acceptance Model (TAM) spørreskjema
Tidsramme: 12 uker
|
Teknologiaksept vil bli vurdert ved bruk av Technology Acceptance Model (TAM)-spørreskjemaet.
Dette 12-punkts instrumentet måler to domener: opplevd nytteverdi (6 punkter) og opplevd brukervennlighet (6 punkter).
Hvert punkt vurderes på en 7-punkts Likert-skala fra 1 (sterkt uenig) til 7 (sterkt enig).
Domene-skårer beregnes som gjennomsnittet av punktene innenfor hvert domene, hvor høyere skårer indikerer større opplevd nytteverdi eller brukervennlighet.
|
12 uker
|
|
Andel deltakere som oppnår tilstrekkelig engasjementsetterlevelse
Tidsramme: 12 uker
|
Engasjement og overholdelse vil bli målt ved bruk av applikasjonsbrukslogger.
Tilstrekkelig overholdelse er definert som bruk av plattformen minst 3 dager per uke i minst 10 av de 12 ukene i intervensjonsperioden.
Andelen deltakere som oppfyller denne terskelen vil bli rapportert.
|
12 uker
|
|
Gjennomsnittlig antall plattforminnlogginger per uke
Tidsramme: 12 uker
|
Engasjementsintensiteten vil bli målt ved bruk av applikasjonsbrukslogger.
Gjennomsnittlig antall innlogginger per uke over 12-ukers intervensjonsperioden vil bli beregnet for hver deltaker og rapportert som et gruppegjennomsnitt.
|
12 uker
|
|
Gjennomsnittlig antall spørringer innsendt per deltaker
Tidsramme: 12 uker
|
Engasjementsintensiteten vil også bli vurdert ut fra det totale antallet spørsmål (henvendelser eller forespørsler) som hver deltaker sender inn til plattformen i løpet av den 12-ukers intervensjonsperioden, rapportert som et gruppegjennomsnitt.
|
12 uker
|
|
Andel chatbot-svar vurdert som nøyaktige av klinisk ekspertpanel
Tidsramme: 12 uker
|
Et panel med kliniske eksperter vil vurdere et utvalg på 150 chatbot-svar for nøyaktighet.
Svarene vil bli vurdert som nøyaktige eller unøyaktige basert på samsvar med gjeldende kliniske retningslinjer.
Andelen av svar som vurderes som nøyaktige vil bli rapportert.
|
12 uker
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Bronya Luk, DHSc, School of Nursing and Health Sciences, Hong Kong Metropolitan University
Publikasjoner og nyttige lenker
Hjelpsomme linker
- Caropreso, L., de Azevedo Cardoso, T., Eltayebani, M., & Frey, B. N. (2020). Preeclampsia as a risk factor for postpartum depression and psychosis: a systematic review and meta-analysis. Archives of Women's Mental Health, 23(4), 493-505.
- Charlton, M. (2016). The evolving management of gestational diabetes. The Hong Kong Practitioner, 38(2).
- Feghali, M. N., Abebe, K. Z., Comer, D. M., Caritis, S., Catov, J. M., & Scifres, C. M. (2018). Pregnancy outcomes in women with an early diagnosis of gestational diabetes mellitus. Diabetes Research and Clinical Practice, 138, 177-186.
- Hyzy, M., Bond, R., Mulvenna, M., Bai, L., Dix, A., Leigh, S., & Hunt, S. (2022). System Usability Scale Benchmarking for Digital Health Apps: Meta-analysis. JMIR MHealth and UHealth, 10(8).
- Gao, C., Sun, X., Lu, L., Liu, F., & Yuan, J. (2019). Prevalence of gestational diabetes mellitus in mainland China: A systematic review and meta-analysis. Journal of Diabetes Investigation, 10(1), 154-162.
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
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Urogenitale sykdommer
- Sykdommer i det endokrine systemet
- Kvinnelige urogenitale sykdommer og graviditetskomplikasjoner
- Metabolske sykdommer
- Graviditetskomplikasjoner
- Glukosemetabolismeforstyrrelser
- Sukkersyke
- Hypertensjon, Graviditet-indusert
- Ernæringsmessige og metabolske sykdommer
- Diabetes, svangerskap
- Preeklampsi
Andre studie-ID-numre
- HE-RD/2025/2.34 (Annen identifikator: Hong Kong Metropolitan University)
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. .