Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Ankieta DHL na temat generatywnej sztucznej inteligencji w komunikatach MyChart

12 grudnia 2023 zaktualizowane przez: Duke University

Ankieta Duke Health Listens dotycząca generatywnej sztucznej inteligencji (AI) dla MyChart Messaging

Celem tego badania jest zrozumienie, co myślą pacjenci o korzystaniu z programów komputerowych do tworzenia odpowiedzi, gdy wysyłają wiadomości elektroniczne do swoich lekarzy.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

  • Badacze utworzą w Internecie krótkie ankiety, w których zapytają pacjentów, co myślą o korzystaniu z programów komputerowych tworzących wiadomości w ich dokumentacji medycznej.
  • Ankiety pokażą fikcyjne sytuacje, w których pacjenci zadają pytania i uzyskują odpowiedzi od prawdziwych osób lub programów komputerowych, z ujawnieniem lub bez ujawnienia sposobu, w jaki odpowiedź została napisana.
  • Badacze poproszą osoby biorące udział w ankiecie, aby podzieliły się tym, co myślą na temat takich sytuacji, korzystając z takich narzędzi, jak skale ocen, skale porównawcze lub odpowiedzi pisemne.
  • Jeśli pacjenci chcą, mogą podać swoje dane kontaktowe, aby wziąć udział w przyszłych grupach dyskusyjnych. Aby wypełnić ankietę, uczestnicy nie muszą podawać żadnych danych osobowych.

Typ studiów

Interwencyjne

Zapisy (Rzeczywisty)

1454

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Stany Zjednoczone
    • North Carolina
      • Durham, North Carolina, Stany Zjednoczone, 27710
        • Duke University Health System

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria przyjęcia:

  • Członek społeczności rzeczników pacjentów Duke Health Listens

Kryteria wyłączenia:

  • Wiek < 18 lat

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Inny
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Pojedynczy

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Inny: Ramię A

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera = H lub AI, gdzie H = odpowiedź człowieka, a AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Ramię A odbiera AHN w wysłaniu 1, BAIC w wysłaniu 2 i CHH w wysłaniu 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.
Inny: Ramię B

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera = H lub AI, gdzie H = odpowiedź człowieka, a AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Ramię B odbiera BHC w wysyłaniu 1, CAIH w wysyłaniu 2 i AAIN w wysyłaniu 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.
Inny: Ramię C

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera(-y) = H lub AI, gdzie H = odpowiedź człowieka i AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Ramię C odbiera CHC w wysłaniu 1, AHH w wysłaniu 2 i BAIN w wysłaniu 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.
Inny: Ramię D

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera = H lub AI, gdzie H = odpowiedź człowieka, a AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Ramię D odbiera AAIH w wysyłaniu 1, BHN w wysyłaniu 2 i CAIC w wysyłaniu 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.
Inny: Ramię E

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera = H lub AI, gdzie H = odpowiedź człowieka, a AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Arm E odbiera BAIH w trybie wysyłania 1, CHN w trybie wysyłania 2 i AHC w trybie wysyłania 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.
Inny: Ramię F

Każde ramię otrzyma 3 scenariusze kliniczne rozłożone w czasie w ramach 3 wysyłek. 6 grup (Broń A-F) zostanie ułożonych zgodnie z konwencjami nazewnictwa:

  • Pierwsza litera = A, B lub C, gdzie A = scenariusz 1, B = scenariusz 2 i C = scenariusz 3.
  • Druga litera = H lub AI, gdzie H = odpowiedź człowieka, a AI = pisemna odpowiedź AI na zadane pytanie pacjenta.
  • Trzecia litera = N, C lub H, gdzie N = brak ujawnienia, C = ujawnienie komputerowe i H = ujawnienie przez człowieka. Odnosi się to do ujawnienia znajdującego się na dole wiadomości z odpowiedzią, w którym autor jest ujawniony lub nie.

Ramię F odbiera CAIN w trybie wysyłania 1, AAIC w trybie wysyłania 2 i BHH w trybie wysyłania 3
Behawioralne: Generatywna sztuczna inteligencja do komunikacji elektronicznej i ujawniania informacji
Będziemy używać dużego modelu językowego, takiego jak GPT 3.5, aby automatycznie generować odpowiedzi na fikcyjne wiadomości kierowane do lekarza. Ujawnimy, czy wiadomość została wygenerowana przy użyciu tej technologii, czy nie. Istnieją 3 scenariusze kliniczne i 6 par reakcji człowieka/AI oraz ujawnienia przez człowieka/ujawnienia AI/nieujawnienia, które sprawdzą stosunek pacjentów do tej technologii.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Zadowolenie pacjentów mierzone ankietą
Ramy czasowe: Do 2 tygodni
Odpowiedzi w skali Likerta na pytanie dotyczące satysfakcji: „Jestem zadowolony z tej interakcji” w skali od 1 do 5 z opcjami odpowiedzi: Zdecydowanie się nie zgadzam (1), Nie zgadzam się (2), Ani się zgadzam, ani nie zgadzam (3), Zgadzam się (4) ) i Zdecydowanie się zgadzam (5).
Do 2 tygodni
Postawy pacjentów wobec użyteczności mierzone ankietą
Ramy czasowe: Do 2 tygodni
Odpowiedzi w skali Likerta na pytanie użytkowe: „Informacje są przydatne” w skali od 1 do 5 z opcjami odpowiedzi: Zdecydowanie się nie zgadzam (1), Nie zgadzam się (2), Ani się zgadzam, ani nie zgadzam (3), Zgadzam się (4), oraz Zdecydowanie się zgadzam (5).
Do 2 tygodni
Empatia pacjenta mierzona badaniem
Ramy czasowe: Do 2 tygodni
Odpowiedzi w skali Likerta na pytanie dotyczące empatii: „Czuję się pod opieką podczas tej interakcji” w skali od 1 do 5 z opcjami odpowiedzi: Zdecydowanie się nie zgadzam (1), Nie zgadzam się (2), Ani się zgadzam, ani nie zgadzam (3), Zgadzam się ( 4) i Zdecydowanie się zgadzam (5).
Do 2 tygodni

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Duke University

Śledczy

  • Główny śledczy: Anand Chowdhury, MD, MMCi, Duke University

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

31 października 2023

Zakończenie podstawowe (Rzeczywisty)

11 grudnia 2023

Ukończenie studiów (Rzeczywisty)

11 grudnia 2023

Daty rejestracji na studia

Pierwszy przesłany

23 października 2023

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 października 2023

Pierwszy wysłany (Rzeczywisty)

30 października 2023

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

13 grudnia 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

12 grudnia 2023

Ostatnia weryfikacja

1 października 2023

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • Pro00113587

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Badacze nie będą zbierać indywidualnych identyfikatorów pacjentów, a raportowane będą dane zbiorcze

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Subskrybuj