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

Wykorzystanie i akceptacja dużych modeli językowych we wspólnym podejmowaniu decyzji dotyczących raka

26 kwietnia 2026 zaktualizowane przez: Technical University of Munich

Wykorzystanie i akceptacja dużych modeli językowych w procesie podejmowania wspólnych decyzji w onkologii wśród pacjentów, społeczeństwa i profesjonalistów ochrony zdrowia

To badanie analizuje, w jaki sposób pacjenci onkologiczni, ogół społeczeństwa oraz pracownicy służby zdrowia wykorzystują i postrzegają duże modele językowe (takie jak ChatGPT) w procesie wspólnego podejmowania decyzji zdrowotnych w onkologii.
Przeprowadzono przekrojowe badanie ankietowe wśród 7 151 uczestników z 30 krajów, wykorzystując kwestionariusz opracowany i zwalidowany w dwuetapowym procesie Delphi z udziałem 44 ekspertów.
Badanie oceniało aktualne wzorce wykorzystania dużych modeli językowych do pozyskiwania informacji zdrowotnych, bariery w ich przyjęciu – w tym obawy dotyczące wiarygodności i prywatności – przyszłe oczekiwania wobec tych narzędzi we wspólnym podejmowaniu decyzji oraz demograficzne predyktory ich adopcji.
Uczestnicy zostali zrekrutowani za pośrednictwem platformy Prolific między marcem a majem 2025 roku, z zastosowaniem warstwowego doboru próby w trzech grupach: pacjentów onkologicznych zdiagnozowanych w ciągu ostatnich pięciu lat, członków ogólnej populacji ze Stanów Zjednoczonych i Wielkiej Brytanii oraz licencjonowanych pracowników służby zdrowia mających aktywny kontakt z pacjentami.

Przegląd badań

Status

Zakończony

Warunki

Szczegółowy opis

Wspólne podejmowanie decyzji to proces współpracy, w którym klinicyści wspierają pacjentów w podejmowaniu decyzji dotyczących leczenia. Mimo jego znaczenia w onkologii, ustrukturyzowane wspólne podejmowanie decyzji pozostaje rzadkością w rutynowej praktyce klinicznej. Duże modele językowe oferują nowy sposób dla pacjentów na dostęp do informacji medycznych i ich zrozumienie, jednak niewiele wiadomo o tym, jak kluczowi interesariusze postrzegają i wykorzystują te narzędzia do podejmowania decyzji zdrowotnych.

To badanie obserwacyjne wykorzystało sekwencyjny projekt metod mieszanych, łączący metodologię konsensusu Delphi z wdrożeniem ankiety przekrojowej. Panel 44 ekspertów z ośmiu dziedzin (sztuczna inteligencja kliniczna, rozwój techniczny, onkologia, psychologia, epidemiologia, rzecznictwo pacjentów, etyka i ekspertyza prawna) opracował i zatwierdził instrument oceny poprzez dwie rundy Delphi, osiągając konsensus w sprawie 89 pozycji. Ostateczny instrument zawierał 52 pozycje ilościowe i 8 pytań jakościowych, rozróżniając ogólne i specyficzne dla opieki zdrowotnej wykorzystanie dużych modeli językowych.

Badanie rekrutowało trzy kohorty: 2 316 pacjentów onkologicznych z samodzielnie zgłoszonym rozpoznaniem w ciągu pięciu lat, 2 000 członków ogólnej populacji ze Stanów Zjednoczonych i Wielkiej Brytanii oraz 2 835 licencjonowanych pracowników służby zdrowia. Kontrola jakości obejmowała sprawdzanie uwagi, monitorowanie czasu ukończenia, walidację spójności i procedury weryfikacji, co skutkowało wykluczeniem 694 odpowiedzi (8,8%) z początkowych 7 845.

Główne analizy obejmowały test chi-kwadrat i ANOVA z korektą Bonferroniego, wielozmienną regresję logistyczną z hierarchicznym budowaniem modelu w celu zidentyfikowania predyktorów adopcji oraz segmentację użytkowników poprzez tabulację krzyżową połączoną z grupowaniem k-średnich. Badanie zostało zatwierdzone przez instytucjonalną komisję etyczną Uniwersytetu Technicznego w Monachium (TUM2024-89-S-SB).

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

7151

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Niemcy
    • Bavaria
      • Munich, Bavaria, Niemcy, 81675
        • Technical University Munich

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

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Trzy kohorty rekrutowane za pośrednictwem platformy Prolific: pacjenci onkologiczni z diagnozą postawioną w ciągu ostatnich pięciu lat (n=2316), osoby z populacji ogólnej ze Stanów Zjednoczonych i Wielkiej Brytanii (n=2000) oraz licencjonowani pracownicy służby zdrowia mający aktywny kontakt z pacjentami (n=2835). W kohorcie populacji ogólnej zastosowano próbkowanie warstwowe z kwotami dla wieku, płci, pochodzenia etnicznego i wykształcenia.

Opis

Kryteria włączenia:

Wiek 18 lat lub starszy Znajomość języka angielskiego Regularny dostęp do internetu Zarejestrowany na platformie badawczej Prolific Dla kohorty pacjentów onkologicznych: samodzielnie zgłoszona diagnoza nowotworu w ciągu ostatnich pięciu lat Dla kohorty pracowników służby zdrowia: licencjonowany pracownik służby zdrowia z aktywnym kontaktem z pacjentami Dla kohorty ogólnej populacji: mieszkaniec Stanów Zjednoczonych lub Zjednoczonego Królestwa

Kryteria wyłączenia:

Niepowodzenie w osadzonych pytaniach kontrolnych uwagi (4 kontrole) Czas ukończenia ankiety poza akceptowalnym zakresem (mniej niż 5 minut lub więcej niż 60 minut) Wykryty wzorzec prostoliniowego odpowiadania przez algorytmy walidacji spójności Niepowodzenie procedur weryfikacji kohorty

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
Pacjenci z chorobą nowotworową
Dorośli w wieku 18 lat lub starsi z samodzielnie zgłoszonym rozpoznaniem raka w ciągu ostatnich pięciu lat, zrekrutowani za pośrednictwem platformy Prolific z weryfikacją za pomocą pytań przesiewowych dotyczących daty diagnozy, typu nowotworu i statusu leczenia. n=2,316.
Ogólna populacja
Dorośli w wieku 18 lat lub starsi ze Stanów Zjednoczonych i Zjednoczonego Królestwa bez określonych wymagań dotyczących stanu zdrowia, rekrutowani za pośrednictwem platformy Prolific z warstwowymi kwotami próbkowania dla wieku, płci, pochodzenia etnicznego i wykształcenia. n=2000.
Specjaliści w Dziedzinie Ochrony Zdrowia
Licencjonowani pracownicy służby zdrowia w wieku 18 lat lub starsi, mający aktywny kontakt z pacjentami, w tym lekarze i personel pielęgniarski, rekrutowani za pośrednictwem platformy Prolific ze Stanów Zjednoczonych, Zjednoczonego Królestwa oraz 28 dodatkowych krajów. n=2,835.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Wskaźnik wykorzystania dużego modelu językowego w opiece zdrowotnej
Ramy czasowe: W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)
Odsetek uczestników zgłaszających korzystanie z dużych modeli językowych w szczególności w celu pozyskiwania informacji dotyczących zdrowia, mierzony na 5-punktowej skali częstotliwości Likerta i dychotomizowany jako użycie versus brak użycia.
W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)
Przekonanie o przyszłej poprawie procesu wspólnego podejmowania decyzji dzięki dużym modelom językowym
Ramy czasowe: W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)
Proporcja uczestników, którzy uważają, że duże modele językowe poprawią jakość podejmowania decyzji wspólnych w onkologii, oceniana za pomocą odpowiedzi w skali Likerta.
W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)
Bariery w adopcji dużych modeli językowych
Ramy czasowe: W momencie wypełnienia ankiety (pojedyncza ocena, marzec-maj 2025)
Częstość występowania obaw dotyczących stosowania dużych modeli językowych w podejmowaniu decyzji zdrowotnych, w tym obaw dotyczących wiarygodności, obaw dotyczących prywatności oraz preferencji interakcji z człowiekiem, przy czym każda z tych kategorii oceniana była jako zmienna binarna (obecna lub nieobecna).
W momencie wypełnienia ankiety (pojedyncza ocena, marzec-maj 2025)

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Niezależne czynniki prognostyczne przyjęcia dużych modeli językowych
Ramy czasowe: W momencie wypełnienia ankiety (jedna ocena, marzec-maj 2025)
Ilorazy szans z hierarchicznej wielowymiarowej regresji logistycznej identyfikujące demograficzne i zdrowotne predyktory akceptacji dużych modeli językowych specyficznych dla opieki zdrowotnej, w tym wiek, płeć, pochodzenie etniczne, wykształcenie, umiejętności cyfrowe oraz zaufanie do rozumienia informacji zdrowotnych.
W momencie wypełnienia ankiety (jedna ocena, marzec-maj 2025)
Segmentacja użytkowników
Ramy czasowe: W momencie wypełnienia ankiety (pojedyncza ocena, marzec-maj 2025)
Rozkład uczestników w danych segmentach użytkowników, wyodrębnionych z tablicy krzyżowej bieżącego użycia i postrzeganych korzyści, udoskonalonych metodą k-średnich: potencjalni użytkownicy, wierzący użytkownicy, oporni nieużytkownicy i sceptyczni użytkownicy.
W momencie wypełnienia ankiety (pojedyncza ocena, marzec-maj 2025)
Wzorce rekomendacji pracowników służby zdrowia
Ramy czasowe: W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)
Proporcja pracowników służby zdrowia, którzy zalecają duże modele językowe pacjentom w celu uzyskania informacji zdrowotnych, w porównaniu z ich osobistym wskaźnikiem wykorzystania.
W momencie wypełnienia ankiety (jednorazowa ocena, marzec-maj 2025)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Technical University of Munich

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 marca 2025

Zakończenie podstawowe (Rzeczywisty)

1 maja 2025

Ukończenie studiów (Rzeczywisty)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

6 kwietnia 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

6 kwietnia 2026

Pierwszy wysłany (Rzeczywisty)

13 kwietnia 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

30 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

26 kwietnia 2026

Ostatnia weryfikacja

1 kwietnia 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • LLM-SDM-2025

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Dane indywidualnych uczestników nie będą udostępniane publicznie ze względu na przepisy dotyczące ochrony danych. Anonimowe dane z badania, na których oparto wnioski tego badania, są dostępne u autora korespondencyjnego po uzasadnionym wniosku.

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 Nowotwór

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Singapore

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj