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

Duży model językowy do klinicznego ponownego reachowania studentów fizykoterapii

3 grudnia 2025 zaktualizowane przez: Alfredo Lerín Calvo, Neuron, Spain

Wykonalność randomizowanego kontrolowanego badania dużych opartych na sztucznej inteligencji modeli językowych do klinicznego szkolenia rozumowania uczniów fizykoterapii. Randomizowane kontrolowane badanie

Rozumowanie kliniczne jest podstawową umiejętnością dla studentów fizykoterapii, umożliwiając im gromadzenie i interpretację informacji pacjentów w celu podejmowania dokładnych diagnoz i decyzji o leczeniu. Tradycyjne metody szkolenia często ograniczają narażenie uczniów na różnorodne przypadki kliniczne, co może ograniczyć rozwój tych umiejętności. Integracja dużych modeli językowych (LLM), takich jak Chatgpt, do edukacji fizykoterapii oferuje nowe podejście do poprawy rozumowania klinicznego poprzez symulację interaktywnych i realistycznych scenariuszy pacjentów.

To randomizowane kontrolowane badanie ma na celu ocenę skuteczności interwencji edukacyjnej opartej na LLM w poprawie umiejętności rozumowania klinicznego u studentów fizykoterapii. Badanie zrekrutuje łącznie 200 studentów fizjoterapii trzeciego roku z wielu instytucji uniwersyteckich. Uczestnicy będą losowo przydzielani do jednej z dwóch grup:

  1. Grupa eksperymentalna-studenci otrzymają szkolenie oparte na LLM, angażując się w konwersacyjny model sztucznej inteligencji w celu rozwiązywania przypadków klinicznych w ciągu 8 tygodni. Model zapewni odpowiedzi w czasie rzeczywistym na ich pytania, umożliwiając im udoskonalenie ich uzasadnienia diagnostycznego i leczenia.
  2. Grupa kontrolna-studenci będą przestrzegać standardowego programu nauczania, uczestnicząc w konwencjonalnych ćwiczeniach uczenia się i nadzorowanych rozumowania klinicznego bez pomocy opartej na AI.

Podstawowym wynikiem badania jest poprawa umiejętności rozumowania klinicznego, oceniana na podstawie znormalizowanych pisemnych ocen przypadków i ustrukturyzowanych badań praktycznych. Wtórne wyniki obejmują zmiany kompetencji cyfrowych, poziomy zaangażowania studentów, ogólne zadowolenie z podejścia edukacyjnego i opłacalność interwencji.

Ocena wpływu LLM na szkolenie rozumowania klinicznego, badanie to ma na celu ustalenie, czy narzędzia edukacyjne oparte na AI mogą skutecznie uzupełniać tradycyjną edukację fizjoterapii i poprawić gotowość uczniów do rzeczywistej praktyki klinicznej.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Rozumowanie kliniczne jest kluczową kompetencją dla studentów fizykoterapii, umożliwiając im ocenę, diagnozowanie i tworzenie planów leczenia opartych na informacji o pacjencie. Pomimo jego znaczenia tradycyjne podejścia edukacyjne często ograniczają narażenie uczniów na wiele różnych przypadków klinicznych, ograniczając ich zdolność do rozwijania kompleksowych umiejętności rozumowania. Postępy w sztucznej inteligencji, szczególnie duże modele językowe (LLM), takie jak Chatgpt, oferują obiecujące rozwiązanie, symulując realistyczne i interaktywne scenariusze kliniczne.

To randomizowane kontrolowane badanie (RCT) ma na celu ocenę skuteczności interwencji opartej na LLM w porównaniu z tradycyjnymi metodami szkolenia w poprawie umiejętności rozumowania klinicznego wśród studentów fizykoterapii. Studenci trzeciego roku zostaną losowo przydzieleni do grupy eksperymentalnej, otrzymując szkolenie oparte na AI lub grupę kontrolną, po konwencjonalnych dyskusjach opartych na programie nauczania.

Interwencja potrwa 8 tygodni, podczas których studenci w grupie eksperymentalnej będą oddziaływać z LLM w celu rozwiązania cotygodniowych przypadków klinicznych, naśladując rzeczywiste spotkania pacjentów. Model będzie działał jako wirtualny pacjent, reagując na zapytania uczniów i umożliwiając im udoskonalenie ich rozumowania diagnostycznego i planowania leczenia. Natomiast grupa kontrolna weźmie udział w tradycyjnych dyskusjach na temat pisemnych i prowadzonych przez nauczyciela.

Plan analizy statystycznej

Dane zostaną przeanalizowane przy użyciu SPSS w wersji 29.0 (SPSS Inc., Chicago, IL, USA). Statystyka opisowa zostanie wykorzystana do podsumowania wyjściowych charakterystyk uczestników, z zmiennymi ciągłymi wyrażonymi jako średnie ± odchylenie standardowe (SD) lub mediana [zakres międzykwartylowy], w zależności od normalności i zmiennych kategorycznych przedstawionych jako częstotliwość (N) i procent (%). Normalność rozkładów zostanie oceniona za pomocą testu Kołmogorowa-Smirnova i testu Shapiro-Wilka. Porównania między grupami zostaną przeprowadzone za pomocą; Niezależne testy t lub testy U Manna-Whitneya dla zmiennych ciągłych; Testy chi-kwadrat lub dokładny test Fishera dla zmiennych kategorycznych; Powtarzane pomiary ANOVA lub liniowe modele mieszane zostaną wykorzystane do oceny zmian w czasie w wynikach rozumowania klinicznego, kompetencjach cyfrowych i poziomach satysfakcji.

Modele regresji logistycznej zostaną zastosowane w celu zbadania predyktorów zaangażowania w interwencję opartą na LLM. Rozmiary efektów (D, R Rosenthal R) zostaną obliczone w celu pomiaru wielkości obserwowanych różnic. Analiza opłacalności zostanie przeprowadzona poprzez porównanie kosztów wdrożenia interwencji opartej na LLM z poprawą wyników rozumowania klinicznego i poziomów zaangażowania studentów.

Istotność statystyczna zostanie ustalona na p <0,05, a wszystkie analizy zostaną przeprowadzone przy użyciu podejścia dwustronnego.

Typ studiów

Interwencyjne

Zapisy (Szacowany)

60

Faza

  • Faza 2

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

  • Hiszpania
    • Madrid
      • Madrid, Madrid, Hiszpania, 28023
        • Rekrutacyjny
        • Centro Superior de Estudios Universitarios La Salle
        • Kontakt:
        • Główny śledczy:
          • Raúl Ferrer Peña, PhD

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

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria włączenia:

  • Studenci zapisali się na trzeci rok programu fizjoterapii w La Salle Center for Higher University Studies (LCHUS)
  • Uczestnicy muszą mieć od 18 do 30 lat.
  • Studenci muszą zgodzić się na udział w badaniu, podpisując formularz świadomej zgody po tym, jak zostali poinformowani o celach, procedurach i potencjalnych ryzyka badania.
  • Uczestnicy muszą być gotowi zaangażować się w platformę opartą na LLM (dla grupy eksperymentalnej) lub uczestniczyć w tradycyjnych działaniach edukacyjnych (dla grupy kontrolnej) przez czas trwania badania.

Kryteria wykluczenia:

  • Studenci z wcześniejszym doświadczeniem klinicznym poza trzecim rokiem edukacji fizjoterapii.
  • Niepełnosprawność fizyczna lub poznawcza, która może zakłócać zdolność do uczestnictwa lub korzystania z interwencji (np. Wizji, słuchu lub zaburzeniu motorycznego).
  • Studenci, którzy nie wyrażają świadomej zgody na udział w badaniu.
  • Studenci, którzy nie mają wystarczającej biegłości w języku hiszpańskim lub angielskim, aby zrozumieć materiały i interwencję.

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: Leczenie
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Podwójnie

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: LLM Group

Uczestnicy grupy eksperymentalnej przejdą 8-tygodniową interwencję zawierającą szkolenie oparte na modelu dużego języka (LLM) w edukacji klinicznej rozumowania.

Studenci będą angażować się w cotygodniowe symulacje przypadków klinicznych przy użyciu platformy zasilanej przez LLM (ChatGPT), w której będą wchodzić w interakcje z modelem w celu uzyskania informacji o pacjencie, sformułowaniu diagnoz i proponowania planów leczenia. LLM zapewni odpowiedzi w czasie rzeczywistym, symulując wirtualne spotkanie pacjenta.

Szkolenie uzupełni standardowy program nauczania, umożliwiając uczniom ćwiczenie umiejętności rozumowania klinicznego w ustrukturyzowanym i interaktywnym środowisku wspomaganym AI. Pod koniec interwencji uczestnicy zakończą ostateczną ocenę opartą na przypadku w celu oceny poprawy rozumowania klinicznego, kompetencji cyfrowych i zaangażowania w tę technologię.
Inny: Duży model języka
Interwencja w grupie eksperymentalnej wyróżnia się integracją interaktywnej platformy opartej na dużym modelu językowym (LLM) z klinicznym szkoleniem rozumowania dla studentów fizykoterapii. W przeciwieństwie do tradycyjnych podejść edukacyjnych, ta interwencja zapewnia interakcje pacjentów generowanych przez AI w czasie rzeczywistym, umożliwiając uczniom aktywne angażowanie się w wirtualne symulacje kliniczne.
Aktywny komparator: Konwencjonalna grupa edukacyjna

Uczestnicy grupy kontrolnej będą postępować zgodnie ze standardowym programem nauczania dla klinicznego treningu rozumowania w ciągu 8 tygodni, bez ekspozycji na interwencję oparta na LLM.

Studenci będą angażować się w cotygodniowe dyskusje oparte na przypadkach przy użyciu tradycyjnych metod uczenia się, w tym pisemnych analiz przypadków i nadzorowanych dyskusji z instruktorami. Sesje te będą zgodne z zwykłymi ramami edukacyjnymi stosowanymi w programach szkolenia fizykoterapii, podkreślając rozumowanie diagnostyczne i planowanie leczenia poprzez wskazówki kierowane przez instruktora.

Pod koniec okresu szkolenia uczestnicy zakończą ostateczną ocenę opartą na przypadku w celu oceny swoich umiejętności rozumowania klinicznego, kompetencji cyfrowych i ogólnego zaangażowania w proces uczenia się.
Inny: Standardowy
Interwencja w grupie kontrolnej jest zgodna z tradycyjnym podejściem do uczenia się przypadków, które jest powszechnie stosowane w edukacji fizykoterapii. W przeciwieństwie do grupy eksperymentalnej, ta metoda szkolenia opiera się wyłącznie na instrukcji prowadzonej przez człowieka i pisemnej analizie przypadków, bez integracji sztucznej inteligencji lub interaktywnych narzędzi cyfrowych.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wydajność rozumowania klinicznego
Ramy czasowe: Oceniono na początku i na końcu 8-tygodniowej interwencji poprzez oceny oparte na przypadkach i praktyczne oceny.
Ten wynik mierzy poprawę umiejętności rozumowania klinicznego uczniów po interwencji. Studenci zostaną oceniani na podstawie ich zdolności do gromadzenia, interpretacji i analizy informacji pacjentów oraz formułowania dokładnych diagnoz i planów leczenia. Zostanie to ocenione zarówno na podstawie pisemnych studiów przypadków, jak i egzaminów praktycznych przy użyciu rubryki lasaterskiej, ponieważ ta skala jest instrumentem używanym do oceny tego wyniku.
Oceniono na początku i na końcu 8-tygodniowej interwencji poprzez oceny oparte na przypadkach i praktyczne oceny.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Zaangażowanie uczniów w interwencję
Ramy czasowe: Monitorowane przez 8-tygodniowe okresy interwencyjne z cotygodniowym śledzeniem interakcji uczniów i uzupełnień spraw.
Ten wynik mierzy poziom aktywnego zaangażowania studentów z platformą opartą na LLM (grupa eksperymentalna) i tradycyjnej uczenia się opartej na przypadkach (grupa kontrolna). Zaangażowanie zostanie ocenione na podstawie częstotliwości interakcji, czasu trwania użytkowania i wskaźników zakończenia przypisanych przypadków.
Monitorowane przez 8-tygodniowe okresy interwencyjne z cotygodniowym śledzeniem interakcji uczniów i uzupełnień spraw.
Zadowolenie z podejścia edukacyjnego
Ramy czasowe: Obliczone na koniec okresu interwencji, wykorzystując koszty związane z zapewnieniem dostępu do platformy opartej na LLM i porównaniem jej z ulepszeniami obserwowanymi w innych wynikach.
Ten wynik ocenia ogólną satysfakcję uczniów z ich doświadczenia uczenia się, koncentrując się na skuteczności, użyteczności i postrzeganej wartości interwencji. Zadowolenie będzie mierzone za pomocą wizualnej skali analogowej (VAS), w której uczniowie oceniają swój poziom zadowolenia z metody szkolenia.
Obliczone na koniec okresu interwencji, wykorzystując koszty związane z zapewnieniem dostępu do platformy opartej na LLM i porównaniem jej z ulepszeniami obserwowanymi w innych wynikach.
Cyfrowe kompetencje
Ramy czasowe: Oceniono na początku i na końcu 8-tygodniowej interwencji za pośrednictwem kwestionariusza kompetencji cyfrowych ad hoc.
Ten wynik ocenia zdolność uczniów do skutecznego korzystania z narzędzi cyfrowych, szczególnie platform opartych na AI, takich jak Chatgpt, w kontekście rozumowania klinicznego. Studenci wypełnią kwestionariusz kompetencji cyfrowych oceniający swoje umiejętności w kilku domenach, takich jak zarządzanie danymi, komunikacja zdrowotna i tworzenie treści cyfrowych. Zostanie oceniony za pomocą kwestionariusza kompetencji cyfrowych opracowanych przez Montero-Delgado i in. (2020)
Oceniono na początku i na końcu 8-tygodniowej interwencji za pośrednictwem kwestionariusza kompetencji cyfrowych ad hoc.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Neuron, Spain

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)

1 września 2023

Zakończenie podstawowe (Szacowany)

30 czerwca 2026

Ukończenie studiów (Szacowany)

30 lipca 2026

Daty rejestracji na studia

Pierwszy przesłany

30 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

4 lutego 2025

Pierwszy wysłany (Rzeczywisty)

5 lutego 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

4 grudnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

3 grudnia 2025

Ostatnia weryfikacja

1 lutego 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • ALC001NR005

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

W tym badaniu dane poszczególnych uczestników (IPD) nie będą udostępniane publicznie. Zebrane dane, w tym oceny rozumowania klinicznego, oceny kompetencji cyfrowych i wyniki satysfakcji, zostaną wykorzystane wyłącznie do celów tego badania. Dostęp do danych uczestników będzie ograniczony do zespołu badawczego i nie będzie udostępniony do udostępniania stron zewnętrznych.

Prywatność i poufność uczestników będą ściśle utrzymywane w całym badaniu. Wszystkie dane będą anonimizowane, a wszelkie możliwe do zidentyfikowania informacje będą bezpiecznie przechowywane i chronione zgodnie z obowiązującymi przepisami dotyczącymi ochrony danych. Ponadto wyniki badania będą udostępniane w formie zagregowanej, zapewniając, że żadne dane osoby nie są ujawniane ani identyfikowalne w żadnych publicznych raportach lub publikacjach.

W ramach etycznego zobowiązania do ochrony prywatności uczestników wszelkie wnioski o dostęp do IPD nie zostaną przyznane.

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 .

Badania kliniczne na Duży model języka

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Japan

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj