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

Wiedza, postrzeganie, użycie i obawy dotyczące zastosowań sztucznej inteligencji w okresienologii

26 kwietnia 2025 zaktualizowane przez: Ain Shams University

Wiedza, percepcja, użycie i obawy dotyczące zastosowań sztucznej inteligencji w okresienologii: przekrojowe badania wśród przyzwoitości w Egipcie

Stwierdzenie problemu: Różnica w wiedzy na temat wiedzy, percepcji, użytkowania i obaw dotyczących zastosowania sztucznej inteligencji w przyzębia wśród periodontyst.

Cel badania:

W celu zbadania wiedzy, percepcji, użytkowania i obaw w stosunku do zastosowań systemów AI w periodontologii.

Materiały i metody, które zostaną wykonane przez samozadowolenie, 33-elementowy kwestionariusz. Kwestionariusz jest podzielony na pięć sekcji. Pierwsza sekcja, znana jako część A, koncentruje się na pięciu otwartych pytaniach na cechy socjodemograficzne, w których uczestnicy wchodzą w wiek, płeć, przynależność akademicka. Część B składa się z zamkniętych pytań, identyfikując podstawową wiedzę upodonków uczestniczących w sztucznej inteligencji przy użyciu trzypunktowej skali Likerta (tak / nie / może). Część C składa się z pytań oceniających postrzeganie periodontyst w kierunku użycia AI za pomocą trzypunktowej skali Likerta (tak / nie / może). Część D składa się z pytań koncentrujących się na wykorzystaniu aplikacji AI. Część E składa się z pytań oceniających obawy dotyczące zastosowań AI w periodontologii przy użyciu trzypunktowej skali Likerta (tak / nie / może).

Badanie zostanie przeprowadzone zgodnie z Kodeksem Etyki Komitetu ds. Etyki badawczej na Wydziale Stomatologii na Uniwersytecie Ain Shams. Niniejsze badanie ma na celu ocenę wiedzy, percepcji, wykorzystania i obaw dotyczących zastosowań AI wśród periodontyst.

Kwestionariusz zostanie rozpowszechniony do periodontologów na wydziale stomatologii na Uniwersytecie Ain Shams. Uczestnicy będą dobrowolni i anonimowi. Kwestionariusz składa się z pięciu części, a średni czas na wypełnienie kwestionariusza wynosi 10-12 min

Przegląd badań

Status

Aktywny, nie rekrutujący

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

275

Kontakty i lokalizacje

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

Lokalizacje studiów

      • Cairo, Egipt
        • Ain Shams University

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

Tak

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Badanie zostanie przeprowadzone w urzędniku podyplomowym mistrza lub doktora.

Opis

Kryteria włączenia:

  • Wszyscy uczestnicy powinni być podyplomowymi przyzwoitymi.
  • Periodontyst w Egipcie

Kryteria wykluczenia:

  • Każdy student studiów licencjackich

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

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Ocena wiedzy na temat zastosowań AI w periodontologii
Ramy czasowe: 1 rok

Ocena wiedzy na temat zastosowań AI w periodontologii dane uzyskane z kwestionariuszy zostaną wprowadzone do arkusza kalkulacyjnego Excel, aby służyć jako baza danych. Nabyte dane zostaną poddane analizie statystycznej przy użyciu oprogramowania SPSS w wersji 23 (SPSS dla Windows, Chicago, USA). Test Shapiro-Wilk zostanie wykorzystany do oceny danych.

Kwestionariusz obejmował pięć sekcji z 33 pytaniami. Pytania dotyczące oceny wiedzy znane jako druga sekcja, składały się z sześciu zamkniętych pytań, identyfikując podstawową wiedzę upodonków uczestniczących w sztucznej inteligencji przy użyciu trzypunktowej skali Likerta (tak/nie/może).

1 rok

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

  • Amato F., López A., Peña-Méndez E.M., Vaňhara P., Hampl A., Havel J. Artificial Neural Networks in Medical Diagnosis. J. Appl. Biomed. 2013;11:47-58. doi: 10.2478/v10136-012-0031-x. - DOI Ayad N, Schwendicke F, Krois J, van den Bosch S, Bergé S, Bohner L, Hanisch M, Vinayahalingam S. Patients' perspectives on the use of artificial intelligence in dentistry: a regional survey. Head Face Med. 2023 Jun 22;19(1):23. doi: 10.1186/s13005-023-00368-z. PMID: 37349791; PMCID: PMC10288769. Bennett, C.C.; Hauser, K. Artificial Intelligence Framework for Simulating Clinical Decision-Making: A Markov Decision Process Approach. Artif. Intell. Med. 2013, 57, 9-19. Briganti, G.; Le Moine, O. Artificial Intelligence in Medicine: Today and Tomorrow. Front. Med. 2020, 7, 27 Cervino, G.; Cicciu, M.; Fiorillo, L.; Finocchio, G. Clinical Applications of the Algorithm "Pipeline Advanced Contrast Enhancement (Pace)" in Dental Radiology. Eng. Proc. 2023, 31, 10 Davenport T, Kalakota R: The potential for artificial intelligence in healthcare. Future Healthc J. 2019, 6:94-. 10.7861/futurehosp.6-2-94 Jiang F, Jiang Y, Zhi H, et al.: Artificial intelligence in healthcare: past, present and future. Stroke VascNeurol. 2017, 2:230-43. 10.1136/svn-2017-000101 Kansal R, Bawa A, Bansal A, Trehan S, Goyal K, Goyal N, Malhotra K. Differences in Knowledge and Perspectives on the Usage of Artificial Intelligence Among Doctors and Medical Students of a Developing Country: A Cross-Sectional Study. Cureus. 2022 Jan 19;14(1):e21434. doi: 10.7759/cureus.21434. PMID: 35223222; PMCID: PMC8860704. Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D: Key challenges for delivering clinical impact with artificial intelligence. BMC Med. 2019, 17:195. 10.1186/ Kolachalama VB, Garg PS: Machine learning and medical education. NPJ Digit Med. 2018, 1:54.10.1038/s41746-018-0061-1 Kooli, C. Chatbots in Education and Research: A Critical Examination of Ethical Implications and Solutions. Sustainability 2023,15, 5614

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 (Rzeczywisty)

1 września 2024

Ukończenie studiów (Szacowany)

1 września 2025

Daty rejestracji na studia

Pierwszy przesłany

4 kwietnia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 kwietnia 2025

Pierwszy wysłany (Rzeczywisty)

30 kwietnia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

30 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

26 kwietnia 2025

Ostatnia weryfikacja

1 marca 2025

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • FDASU-RECIM012404

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 AI (sztuczna inteligencja)

Subskrybuj