Określenie zgodności między pielęgniarkami a sztuczną inteligencją (ChatGPT-5) w przekazywaniu edukacji wypisowej opartej na scenariuszach pacjentom po pomostowaniu aortalno-wieńcowym: Badanie metodologiczne (CABG-AI-EDU)
Określenie zgodności między pielęgniarkami a sztuczną inteligencją (ChatGPT-5) w zakresie prowadzenia edukacji wypisowej opartej na scenariuszach dla pacjentów po pomostowaniu aortalno-wieńcowym: badanie metodologiczne
Przegląd badań
Status
Szczegółowy opis
Niniejsze badanie metodologiczne ma na celu określenie zgodności między doświadczonymi pielęgniarkami a systemem sztucznej inteligencji (AI) (ChatGPT-5) w zakresie dostarczania edukacji wypisowej opartej na scenariuszach dla pacjentów po operacji pomostowania aortalno-wieńcowego (CABG). Celem badania jest ocena, czy ChatGPT-5 może generować treści edukacji wypisowej porównywalne pod względem dokładności, kompletności i klinicznej adekwatności z materiałami przygotowanymi przez doświadczone pielęgniarki kardiochirurgiczne.
Opracowanych zostanie trzydzieści standaryzowanych scenariuszy pacjentów, reprezentujących szerokie spektrum przypadków CABG o zróżnicowanych cechach demograficznych, społeczno-ekonomicznych, psychospołecznych i klinicznych. Każdy scenariusz będzie symulował realistyczne warunki pooperacyjne, w tym potencjalne powikłania (np. delirium, infekcja rany, krwawienie, arytmia), choroby współistniejące (np. cukrzyca, nadciśnienie, POChP) oraz zmienne psychospołeczne, takie jak poziom lęku, struktura rodzinna i wsparcie społeczne. Wszystkie scenariusze zostaną przejrzane i zwalidowane przez multidyscyplinarny panel ekspertów, w tym kardiochirurgów i akademickich specjalistów pielęgniarstwa, aby zapewnić realizm kliniczny i trafność treści.
Edukacja wypisowa będzie strukturyzowana wokół sześciu głównych domen i dwudziestu czterech podtematów, wywodzących się z krajowych i międzynarodowych wytycznych oraz literatury opartej na dowodach. Domeny te obejmują: (1) postępowanie medyczne i dalsza opieka, (2) codzienne życie i powrót do sprawności, (3) wsparcie psychospołeczne i społeczne, (4) czynniki ryzyka i profilaktyka zdrowotna, (5) jakość życia i specyficzne stany, oraz (6) praktyki religijne. Dla każdego scenariusza zarówno eksperckie pielęgniarki, jak i ChatGPT-5, niezależnie przygotują pisemne materiały edukacyjne do wypisu, korzystając z tej ustandaryzowanej struktury.
Materiały edukacyjne zostaną zanonimizowane i ocenione przez dwóch zaślepionych recenzentów pod względem naukowej dokładności, kompletności treści, jasności językowej oraz zgodności ze standardami klinicznymi. W przypadku rozbieżności, trzeci niezależny recenzent podejmie ostateczną decyzję, aby zapewnić obiektywność. Analizy statystyczne będą obejmować współczynnik Kappa Cohena do pomiaru zgodności między oceniającymi oraz dokładny test Fishera dla porównań kategorycznych. Obliczone zostaną również miary wydajności diagnostycznej, takie jak czułość, specyficzność, dodatnia wartość predykcyjna (PPV), ujemna wartość predykcyjna (NPV) i wynik F1.
Dane zostaną przeanalizowane przy użyciu SPSS v25 (IBM Corp., Armonk, NY, USA). Statystyki opisowe (częstości, procenty, średnie i odchylenia standardowe) zostaną przedstawione w celu podsumowania charakterystyk scenariuszy i ocen. Poziomy zgodności zostaną zinterpretowane zgodnie z klasyfikacją Landisa i Kocha. Wartość p <0,05 będzie uznawana za statystycznie istotną.
Oczekuje się, że wyniki tego badania dostarczą dowodów dotyczących niezawodności, trafności i użyteczności ChatGPT-5 jako innowacyjnego i wspierającego narzędzia do przygotowywania zindywidualizowanych materiałów edukacji wypisowej w pielęgniarstwie kardiochirurgicznym. Wyniki mogą przyczynić się do opracowania nowych modeli edukacyjnych wspomaganych technologią, które mogą zmniejszyć obciążenie pracą pielęgniarek, poprawić standaryzację edukacji wypisowej oraz zwiększyć zrozumienie i satysfakcję pacjentów w okresie pooperacyjnym.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Gaziantep
-
Gaziantep, Gaziantep, Turcja (Türkiye), 27620
- Hasan Kalyoncu University Faculty of Nursing
-
Kontakt:
- Uğur akman
- Numer telefonu: +905428155049
- E-mail: ugurkman@gmail.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Scenariusze pacjentów reprezentujące osoby, które przeszły operację pomostowania aortalno-wieńcowego (CABG).
- Scenariusze zawierające informacje demograficzne, społeczno-ekonomiczne, kliniczne i psychospołeczne zgodne z aktualną literaturą i wytycznymi klinicznymi.
- Scenariusze opisujące pacjentów, którzy przeszli medianą sternotomię i procedurę CABG z użyciem krążenia pozaustrojowego.
- Scenariusze uwzględniające istotne powikłania pooperacyjne (np. majaczenie, krwawienie, zakażenie rany, arytmia) i choroby współistniejące (np. cukrzyca, nadciśnienie, POChP).
- Scenariusze umożliwiające zarówno pielęgniarce, jak i ChatGPT-5 przygotowanie materiałów edukacyjnych do wypisu w ramach tego samego ustandaryzowanego schematu.
- Scenariusze zweryfikowane i zatwierdzone przez ekspertów z zakresu chirurgii sercowo-naczyniowej oraz pielęgniarstwa akademickiego pod względem trafności treści.
Kryteria wyłączenia:
- Scenariusze pacjentów niezwiązane z operacją pomostowania aortalno-wieńcowego (CABG).
- Scenariusze pozbawione wystarczających informacji demograficznych, klinicznych lub psychospołecznych do przygotowania spersonalizowanej edukacji do wypisu.
- Scenariusze nieprzestrzegające ustandaryzowanej struktury sześciu głównych domen i dwudziestu czterech podtematów.
- Scenariusze zawierające niespójne lub sprzeczne dane medyczne (np. niekompatybilne szczegóły diagnozy i leczenia).
- Scenariusze niezatwierdzone przez panel ekspertów pod względem dokładności klinicznej i trafności treści.
- Scenariusze uniemożliwiające porównanie materiałów edukacyjnych do wypisu przygotowanych przez pielęgniarkę i przez ChatGPT-5.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Edukacja pielęgniarska przed wypisem
Treści edukacji wypisowej przygotowane samodzielnie przez pielęgniarki kardiochirurgiczne z co najmniej 5-letnim doświadczeniem klinicznym.
Każda pielęgniarka opracowała pisemne materiały edukacyjne do wypisu dla 30 standardowych scenariuszy pooperacyjnych po CABG zgodnie z ustalonym schematem.
|
|
ChatGPT-5-Generated Discharge Education
Materiały edukacyjne dla pacjenta wypisanego ze szpitala automatycznie generowane przez ChatGPT-5 na podstawie tych samych standaryzowanych scenariuszy pacjentów po CABG oraz predefiniowanej sześciodomenowej ramy 24-tematowej.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Porozumienie między treścią edukacyjną wypisową generowaną przez pielęgniarkę a ChatGPT-5
Ramy czasowe: Podczas zbierania danych (przewiduje się w ciągu 8 miesięcy od rozpoczęcia badania).
|
Stopień zgodności między materiałami edukacyjnymi przygotowanymi przez pielęgniarki kardiochirurgiczne a tymi wygenerowanymi przez ChatGPT-5 dla standardowych scenariuszy pacjentów po CABG.
|
Podczas zbierania danych (przewiduje się w ciągu 8 miesięcy od rozpoczęcia badania).
|
|
Porozumienie w sprawie treści edukacyjnych wypisowych generowanych przez pielęgniarki i ChatGPT-5
Ramy czasowe: Podczas zbierania danych (przewidywane w ciągu 12 miesięcy od rozpoczęcia badania).
|
Stopień zgodności materiałów edukacyjnych przygotowanych przez pielęgniarki kardiochirurgiczne do wypisu ze szpitala z materiałami wygenerowanymi przez ChatGPT-5 dla standardowych scenariuszy pacjentów po CABG.
|
Podczas zbierania danych (przewidywane w ciągu 12 miesięcy od rozpoczęcia badania).
|
Współpracownicy i badacze
Sponsor
Publikacje i pomocne linki
Publikacje ogólne
- Thompson R, Traylor D, Halguist E. Evaluating the clinical accuracy of ChatGPT-generated patient instructions: a review study. Digital Health. 2025;11:2055207625123456.
- Su H, Vrdoljak J, Busch M, et al. Artificial intelligence in patient discharge education: improving readability and patient understanding. Journal of Medical Internet Research. 2025;27:e45612.
- Rushton M, Hemmings L, Marsh L, et al. Enhancing recovery after cardiac surgery: discharge education and follow-up. European Journal of Cardiovascular Nursing. 2017;16(2):114-123. doi:10.1177/1474515116643395.
- Akbari M, Celik S. The effect of discharge training on stress, anxiety, and pain in patients after coronary artery bypass graft surgery. Journal of Perioperative Nursing. 2015;28(3):165-172.
- Fredericks S, Guruge S, Sidani S, Wan T. Postoperative patient education: a systematic review. Clin Nurs Res. 2010 May;19(2):144-64. doi: 10.1177/1054773810365994.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
- CABG-AI-EDU-PHASE1-2025
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu 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 .