Wpływ interwencji opartych na percepcji na akceptację społeczną wykorzystania dużych modeli językowych w medycynie
Interwencje oparte na percepcji wpływają na akceptację społeczną wykorzystania dużych modeli językowych w medycynie: badanie kontrolowane randomizowane
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Faza
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, Chiny, 100191
- Jue Liu
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria włączenia:
- ≥18 lat
- Zdolność do wypełnienia ankiety online
- Zgoda na podpisanie formularza świadomej zgody
Kryteria wykluczenia:
- Niezdolność do odpowiadania na pytania lub komunikowania się
- Niechęć do udziału w badaniu
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Inny
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Pojedynczy
Liczba ramion
Broń i interwencje
Grupa uczestników / ArmGrupa uczestników / Arm |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Brak interwencji: Kontrola
Brak interwencji
|
|
|
Eksperymentalny: Postrzegane korzyści dużych modeli językowych w medycynie
Uczestników poproszono o przeczytanie "W kwietniu 2023 roku Massachusetts General Hospital uruchomił program pilotażowy wykorzystujący medyczne LLM do wspomagania triażu na oddziale ratunkowym oraz wstępnej diagnozy, co zaowocowało skróceniem czasu oczekiwania pacjentów i poprawą efektywności klinicznej."
|
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji.
Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.
|
|
Eksperymentalny: Postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie
Uczestników poproszono o przeczytanie tekstu: "W listopadzie 2022 roku zespół badawczy z Uniwersytetu Kalifornijskiego w San Francisco odkrył, że zaawansowane medyczne modeje językowe wykazywały uprzedzenia rasowe przy rekomendowaniu planów leczenia."
|
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji.
Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.
|
|
Eksperymentalny: Postrzegane konflikty etyczne w dużych modelach językowych w medycynie
Uczestnicy musieli przeczytać "W lutym 2023 roku duża europejska sieć szpitali przypadkowo wyciekła częściowo anonimizowane, ale wciąż wrażliwe dane pacjentów podczas testowania medycznych LLM z powodu błędu konfiguracji systemu.
Chociaż nie doszło do bezpośredniej szkody dla pacjentów, zwiększyło to publiczne obawy dotyczące prywatności i bezpieczeństwa danych oraz zmusiło odpowiednie instytucje do przeprowadzenia pilnych przeglądów ich środków ochrony danych."
|
Uczestnicy przydzieleni do grupy interwencyjnej otrzymywali interwencje oparte na percepcji.
Interwencje dla Grup 1-3 obejmowały postrzegane korzyści z zastosowania dużych modeli językowych w medycynie, postrzegane uprzedzenia rasowe w dużych modelach językowych w medycynie oraz postrzegane konflikty etyczne w dużych modelach językowych w medycynie, odpowiednio.
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Liczba uczestników, którzy zmienią swoje nastawienie do medycznych zastosowań dużych modeli językowych
Ramy czasowe: Do zakończenia badania, średnio 1 rok
|
Akceptacja społeczna stosowania dużych modeli językowych w medycynie zostanie skategoryzowana jako tak, nie jestem pewien i nie, co będzie zbierane przed interwencjami opartymi na percepcji i po interwencjach.
|
Do zakończenia badania, średnio 1 rok
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Śledczy
Śledczy
- Główny śledczy: Jue Liu, Peking University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Szacowany)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- NNSF72474005
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .