Efeito das Intervenções Baseadas na Perceção na Aceitação Pública do Uso de Modelos de Linguagem de Grande Escala em Medicina
Intervenções Baseadas na Perceção Afetam a Aceitação Pública do Uso de Modelos de Linguagem de Grande Escala na Medicina: Ensaio Controlado Aleatorizado
Visão geral do estudo
Status
Status
Condições
Condições
Intervenção / Tratamento
Intervenção / Tratamento
Descrição detalhada
Tipo de estudo
Tipo de estudo
Inscrição (Estimado)
Inscrição
Estágio
Estágio
- Não aplicável
Contactos e Locais
Locais de estudo
-
-
Beijing Municipality
-
Beijing, Beijing Municipality, China, 100191
- Jue Liu
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critérios de Inclusão:
- ≥18 anos
- Capaz de completar um inquérito online
- Concorda em assinar um formulário de consentimento informado
Critérios de Exclusão:
- Incapaz de responder a perguntas ou comunicar
- Não disposto a participar neste estudo
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Outro
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Solteiro
Número de braços
Armas e Intervenções
Grupo de Participantes / BraçoGrupo de Participantes / Braço |
Intervenção / TratamentoIntervenção / Tratamento |
|---|---|
|
Sem intervenção: Ao controle
Sem intervenção
|
|
|
Experimental: Vantagens percebidas dos grandes modelos de linguagem na medicina
Foi pedido aos participantes que lessem "Em abril de 2023, o Hospital Geral de Massachusetts lançou um programa piloto que utiliza modelos de linguagem médicos (LLMs) para auxiliar na triagem do departamento de emergência e no diagnóstico inicial, tendo observado uma redução nos tempos de espera dos doentes e uma melhoria na eficiência clínica."
|
Os participantes alocados ao grupo de intervenção receberam intervenções baseadas na perceção.
As intervenções para os Grupos 1-3 foram, respetivamente, os benefícios percecionados dos LLMs na medicina, o preconceito racial percecionado nos LLMs na medicina e os conflitos éticos percecionados nos LLMs na medicina.
|
|
Experimental: Perceção de preconceito racial em grandes modelos de linguagem na medicina
Os participantes foram convidados a ler "Em novembro de 2022, uma equipa de investigação da Universidade da Califórnia, em São Francisco, descobriu que os modelos de linguagem médica de ponta exibiam preconceito racial ao recomendar planos de tratamento."
|
Os participantes alocados ao grupo de intervenção receberam intervenções baseadas na perceção.
As intervenções para os Grupos 1-3 foram, respetivamente, os benefícios percecionados dos LLMs na medicina, o preconceito racial percecionado nos LLMs na medicina e os conflitos éticos percecionados nos LLMs na medicina.
|
|
Experimental: Conflitos éticos percebidos em grandes modelos de linguagem na medicina
Os participantes foram obrigados a ler "Em fevereiro de 2023, uma grande rede hospitalar europeia divulgou inadvertidamente dados de pacientes parcialmente anonimizados, mas ainda sensíveis, durante os testes de LLMs médicos devido a um erro de configuração do sistema.
Embora não tenha ocorrido nenhum dano direto aos pacientes, isso aumentou as preocupações públicas em relação à privacidade e segurança dos dados e obrigou as instituições relevantes a realizarem revisões urgentes das suas medidas de proteção de dados."
|
Os participantes alocados ao grupo de intervenção receberam intervenções baseadas na perceção.
As intervenções para os Grupos 1-3 foram, respetivamente, os benefícios percecionados dos LLMs na medicina, o preconceito racial percecionado nos LLMs na medicina e os conflitos éticos percecionados nos LLMs na medicina.
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Número de participantes que mudarão as suas atitudes relativamente às aplicações médicas de grandes modelos de linguagem
Prazo: Até à conclusão do estudo, em média 1 ano
|
A aceitação pública da aplicação de grandes modelos de linguagem na medicina será categorizada em sim, não tenho a certeza e não, que será recolhida antes das intervenções baseadas na perceção e após as intervenções.
|
Até à conclusão do estudo, em média 1 ano
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Investigadores
Investigadores
- Investigador principal: Jue Liu, Peking University
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Início do estudo
Conclusão Primária (Estimado)
Conclusão Primária
Conclusão do estudo (Estimado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
Outros números de identificação do estudo
- NNSF72474005
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .