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

Porównanie efektywności AI Chatbota i Infolinii Telefonicznej (AI chatbot)

30 września 2024 zaktualizowane przez: Dr. Patrick Ip, The University of Hong Kong

Porównanie efektywności chatbota AI ze skutecznością infolinii telefonicznej w zakresie odpowiadania na problemy związane z COVID-19

Pandemia COVID-19 znacząco wpłynęła na dobrostan mieszkańców Hongkongu, prowadząc do polityki dystansowania społecznego i zmian w korzystaniu z usług opieki zdrowotnej. Zamknięcie szkół i praca zdalna zwiększyły poziom stresu u rodziców i dzieci. Grupy szczególnie wrażliwe, takie jak rodziny o niskich dochodach i dzieci ze specjalnymi potrzebami, są bardziej narażone na maltretowanie i problemy ze zdrowiem psychicznym. Wypalenie rodziców stało się problemem, ponieważ rodzice godzą obowiązki zawodowe, opiekę nad dziećmi i edukację. Istnieje potrzeba badań nad wpływem Covid-19 na zdrowie fizyczne i psychiczne na rodziny oraz potencjalną rolą sztucznej inteligencji w stawianiu czoła tym wyzwaniom. Sztuczna inteligencja, w szczególności chatboty, może zapewniać dostępne informacje i wsparcie w zakresie opieki zdrowotnej, pomagając we wczesnej diagnozie i leczeniu. Chatboty AI oferują szybkie odpowiedzi, dokładne informacje i ciągłą dostępność, co czyni je cennymi narzędziami do zdalnej pomocy zdrowotnej. Chociaż chatboty AI nie są pozbawione ograniczeń, dalsze badania mogą pomóc w skuteczniejszej integracji ich z usługami opieki zdrowotnej.

Przegląd badań

Szczegółowy opis

Od wybuchu pandemii w grudniu 2019 r. pandemia Covid-19 wywarła bezprecedensowy wpływ na dobrostan mieszkańców Hongkongu. Rząd przyjął zasady dystansowania społecznego, aby zminimalizować ryzyko infekcji. Należą do nich między innymi; zamknięcie szkół, praca zdalna i zakaz zgromadzeń grupowych. Te środki zapobiegania zakażeniom doprowadziły do ​​zmiany wzorców korzystania z usług opieki zdrowotnej i działań związanych z poszukiwaniem pomocy. Badania wykazały również, że brak socjalizacji prowadzi do wyższego poziomu stresu zarówno u rodziców, jak i u dzieci.

W związku z trwającym zamknięciem szkół i wprowadzeniem środków związanych z pracą zdalną zarówno dzieci, jak i rodzice znajdują się pod ogromną presją. UNESCO (2020) podało, że według stanu na połowę kwietnia 2020 r. zamknięcie szkół dotknęło ponad 1,58 miliarda dzieci i młodzieży w 200 krajach. Chociaż długoterminowy wpływ wirusa Covid-19 na zdrowie psychiczne dzieci i rodziców nie jest znany, w obliczu tak bezprecedensowych czasów wzrosła liczba przypadków znęcania się, zaniedbywania i wykorzystywania dzieci. Rodziny o niskich dochodach lub rodziny z dziećmi ze specjalnymi potrzebami edukacyjnymi (SEN) są podatne na maltretowanie dzieci i/lub kryzys psychiczny. Rodzice pracujący w domu stoją przed wyzwaniami związanymi z spełnianiem potrójnej roli: pracy, opieki nad dziećmi i opieki domowej. Co gorsza, brak zainteresowań i motywacji do nauki u dzieci stanowi dodatkowe obciążenie dla rodziców, którzy przejmują rolę nauczycieli. Rodzice są skłonni do doświadczania wypalenia rodzicielskiego, które charakteryzuje się wyczerpaniem psychicznym i fizycznym, z poczuciem beznadziejności. Dlatego jasne jest, że istnieje duże zapotrzebowanie społeczne na badania nad zdrowiem fizycznym i psychicznym w związku z Covid-19. Konieczne jest zapobieganie potencjalnym i łagodzenie istniejących problemów związanych z relacjami rodzic-dziecko, stresem rodzicielskim i funkcjonowaniem rodziny spowodowanych przez Covid-19.

W związku z tym priorytetem powinno być zbadanie łatwiej dostępnych i skutecznych sposobów radzenia sobie z potencjalnymi i istniejącymi problemami zdrowotnymi (zarówno fizycznymi, jak i psychicznymi). Sztuczna inteligencja (AI) w usługach opieki zdrowotnej może potencjalnie zmniejszyć obciążenie pracowników służby zdrowia, odpowiadając na często zadawane pytania za pośrednictwem systemu sztucznej inteligencji, a wszystko to w zaciszu domu pacjenta. Biorąc pod uwagę potencjalnie szkodliwy wpływ COVID-19 zarówno na dzieci, jak i na rodziców, ważne jest wypełnienie luki badawczej dotyczącej tego, w jaki sposób sztuczna inteligencja może służyć jako platforma poszukiwania pomocy, szczególnie w okresach dystansu społecznego.

W ciągu ostatniej dekady sztuczna inteligencja została szeroko zastosowana w usługach opieki zdrowotnej. W szczególności wykorzystanie chatbotów zwiększyło zaangażowanie społeczeństwa w służbę zdrowia, a wszystko to w zaciszu domu osoby badanej. Chatboty AI wykorzystywały przetwarzanie języka naturalnego (NLP), aby ułatwić interakcję z użytkownikami podczas rozmów, udostępniając społeczeństwu odpowiednie porady medyczne. Inteligentne algorytmy sztucznej inteligencji umożliwiają wczesną diagnostykę chorób i oferują techniki leczenia osobom, które w przeciwnym razie mogłyby zostać zdiagnozowane zbyt późno. Na przykład amerykańskie Centrum Kontroli i Zapobiegania Chorobom (CDC) uruchomiło chatbota o nazwie Clara, aby pomóc użytkownikom uzyskać dostęp do informacji na temat potencjalnych objawów koronaawirusa i pomóc im w podjęciu decyzji o konieczności skorzystania z opieki medycznej). Jest to szczególnie przydatne, ponieważ umożliwia identyfikację grup wysokiego ryzyka wymagających pomocy lekarskiej poprzez segregację pacjentów według ich objawów, co pozwala ograniczyć wizyty w szpitalu w przypadku drobnych przypadków. Zapewnia także wsparcie członkom rodzin osób z grup wysokiego ryzyka w zakresie środków, jakie można podjąć, aby zapobiec zakażeniu i sposobów złagodzenia presji związanej z opieką nad pacjentami w rodzinie.

Chatboty AI zasługują na uwagę ze względu na szybkie reagowanie na pytania użytkowników, ponieważ zapewniają usługę przez całą dobę. Ponadto odpowiedzi dostarczane przez sztuczną inteligencję są uważane za dokładniejsze niż odpowiedzi wyszukiwarek, pod warunkiem biegłości w zakresie metod eksploracji danych. Cechy te są istotne, ponieważ użytkownicy mogą zasięgnąć porady psychomedycznej, zachowując dystans społeczny, bez konieczności osobistych spotkań z lekarzami.

Chatboty AI mogą służyć jako narzędzie samopomocy umożliwiające uzyskanie wglądu w radzenie sobie z problemami zarówno psychicznymi, jak i fizycznymi, ale jest to dalekie od doskonałości. Mamy nadzieję, że to badanie może przyczynić się do uczynienia chatbotów AI integralną częścią usługi opieki zdrowotnej.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

48

Kontakty i lokalizacje

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

Lokalizacje studiów

      • Hong Kong, Hongkong, 0000
        • Department of Paediatrics and Adolescent Medicine, The University of Hong Kong

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Brak określonej populacji

Opis

Kryteria włączenia:

  • Osoby, które wyrażą zgodę na udział w badaniu.

Kryteria wykluczenia:

  • Osoby, które nie wyrażą zgody na udział w badaniu.

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

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Grupa Kontrolna
Uczestnicy zostaną poproszeni o wyrażenie zgody na randomizację przy pierwszym dostępie do naszego systemu. Użytkownicy zadają pytania objęte bankiem pytań oraz konkretne pytania nieobjęte pytaniem za pośrednictwem infolinii telefonicznej.
Uczestnicy zostaną poproszeni o wyrażenie zgody na randomizację przy pierwszym dostępie do naszego systemu. Użytkownicy zadają pytania objęte bankiem pytań oraz konkretne pytania nieobjęte pytaniem za pośrednictwem infolinii telefonicznej.
Grupa Interwencyjna
Uczestnicy będą musieli wyrazić zgodę na randomizację przy pierwszym dostępie do naszego systemu. Użytkownicy mogą zadawać pytania objęte bankiem pytań, a także konkretne pytania nieobjęte bankiem, za pośrednictwem czatu AI.
Uczestnicy będą musieli wyrazić zgodę na randomizację przy pierwszym dostępie do naszego systemu. Użytkownicy mogą zadawać pytania objęte bankiem pytań, a także konkretne pytania nieobjęte bankiem, za pośrednictwem czatu AI. Celem jest zrozumienie istotnej różnicy pomiędzy wykorzystaniem chatbotów AI i infolinii telefonicznych do pomocy rodzicom, a także efektywności chatbotów AI w porównaniu z infoliniami telefonicznymi.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Ogólne zaburzenie lękowe (GAD - 7)
Ramy czasowe: 1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście
7-punktowy kwestionariusz uogólnionych zaburzeń lękowych (GAD-7) jest narzędziem przesiewowym samodzielnie zgłaszanym, stosowanym do oceny nasilenia objawów uogólnionych zaburzeń lękowych u dorosłych. Składa się z siedmiu pytań, które dotyczą różnych objawów powszechnie kojarzonych z uogólnionym zaburzeniem lękowym, takich jak uczucie nerwowości, niepokoju lub zdenerwowania. Ogólne zaburzenie lękowe (GAD - 7)
1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście
Kwestionariusz Zdrowia Pacjenta-9
Ramy czasowe: 1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście
Kwestionariusz Zdrowia Pacjenta-9 (PHQ-9) to kwestionariusz do samodzielnego wypełniania, stosowany do badań przesiewowych i oceny ciężkości depresji u pacjentów. Składa się z dziewięciu pytań opartych na kryteriach diagnozy dużego zaburzenia depresyjnego zawartych w Podręczniku diagnostycznym i statystycznym zaburzeń psychicznych (DSM-5). Pacjenci proszeni są o ocenę, jak często doświadczali określonych objawów depresji w ciągu ostatnich dwóch tygodni, przy czym możliwe są odpowiedzi od „wcale” do „prawie codziennie”. Całkowity wynik w skali PHQ-9 może pomóc pracownikom służby zdrowia określić obecność i stopień nasilenia depresji u pacjenta, a także monitorować jego reakcję na leczenie w czasie.
1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Badanie satysfakcji z usług
Ramy czasowe: 1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście
Badanie satysfakcji z usług to metoda stosowana przez organizacje w celu zebrania informacji zwrotnej od klientów lub klientów na temat ich zadowolenia ze świadczonych usług. Ankiety te zazwyczaj zawierają pytania oceniające różne aspekty obsługi, takie jak jakość, szybkość reakcji, profesjonalizm i ogólna satysfakcja. Informacje zwrotne zebrane z tych ankiet mogą pomóc organizacjom zidentyfikować obszary wymagające poprawy i podejmować świadome decyzje w celu ulepszenia swoich usług.
1 tydzień w ramach testu wstępnego, 1 tydzień w okresie po teście

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

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)

3 września 2021

Zakończenie podstawowe (Rzeczywisty)

4 września 2024

Ukończenie studiów (Rzeczywisty)

5 września 2024

Daty rejestracji na studia

Pierwszy przesłany

16 września 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

30 września 2024

Pierwszy wysłany (Rzeczywisty)

1 października 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

1 października 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

30 września 2024

Ostatnia weryfikacja

1 września 2024

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • UW21-344
  • Collaborative Research Fund (Inny numer grantu/finansowania: University Grants Committee)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

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 .

Badania kliniczne na Infolinia telefoniczna

Subskrybuj