Comparação de recursos visuais de pontuação de dor gerados por IA com escala visual analógica (VAS) para avaliação de dor
Este estudo prospectivo será realizado em enfermarias cirúrgicas, avaliando pacientes no pós-operatório. Inicialmente, os pacientes serão avaliados pelo método VAS. Posteriormente, serão mostradas cinco imagens geradas por IA representando diferentes níveis de dor e selecionarão a imagem que melhor representa sua dor. Uma pesquisa de acompanhamento avaliará a eficácia de cada método.
Usando ChatGPT-4/DALL-E, serão criadas imagens correspondentes às pontuações VAS de 1-2, 3-4, 5-6, 7-8 e 9-10. Os pacientes escolherão a imagem que melhor descreve sua dor, com o objetivo de determinar se os recursos visuais apoiados por IA oferecem uma alternativa mais precisa à VAS para avaliação da dor.
Visão geral do estudo
Descrição detalhada
Objetivo do estudo O objetivo principal deste estudo é comparar e avaliar a eficácia dos recursos visuais de dor gerados por IA em ajudar os pacientes a expressar seus níveis de dor com a Escala Visual Analógica (VAS). Ao permitir que os pacientes representem com mais precisão a sua dor através de recursos visuais apoiados por IA, o estudo visa melhorar as práticas de gestão da dor em ambientes clínicos.
Significância do estudo O manejo da dor é um componente crítico dos cuidados de saúde, impactando diretamente o bem-estar do paciente e o sucesso do tratamento. A EVA é uma ferramenta amplamente utilizada para avaliação subjetiva da dor, mas pode ser um desafio para alguns pacientes devido à sua natureza abstrata. Os recursos visuais gerados por IA oferecem uma maneira potencialmente mais precisa e compreensível para os pacientes comunicarem sua dor, potencialmente levando a avaliações e gerenciamento da dor mais precisos e personalizados.
Este estudo tem como objetivo medir a contribuição dos recursos visuais da dor gerados por IA para uma avaliação mais precisa da dor e explorar as aplicações potenciais desta tecnologia. Além disso, o estudo procura compreender as vantagens e limitações desta abordagem em comparação com métodos tradicionais como VAS, reforçando assim o papel da IA nas práticas de gestão da dor.
Benefícios e riscos esperados
Benefícios esperados:
Melhor expressão da dor: os recursos visuais gerados por IA podem ajudar os pacientes a articular sua dor com mais clareza, levando a um melhor gerenciamento da dor em ambientes clínicos.
Abordagens de tratamento personalizadas: A expressão melhorada da dor pode proporcionar aos profissionais de saúde oportunidades para criar planos de tratamento mais personalizados, especialmente benéficos para pacientes com dor crónica.
Tomada de decisão clínica aprimorada: O uso de recursos visuais de IA pode facilitar avaliações da dor mais objetivas e reprodutíveis, melhorando as estratégias gerais de gerenciamento da dor.
Riscos potenciais:
Risco de interpretação incorreta: os recursos visuais gerados pela IA podem interpretar mal a dor do paciente em certos casos, especialmente se os recursos visuais forem enganosos ou complexos.
Dependência da Tecnologia: A dependência excessiva de ferramentas de IA pode ignorar a importância do julgamento humano e a natureza subjetiva da avaliação da dor.
Desenho do estudo Este estudo prospectivo será realizado em enfermarias cirúrgicas, avaliando pacientes no pós-operatório. Inicialmente, os pacientes serão avaliados pelo método VAS convencional, que envolve a marcação da dor em uma escala de 0 a 10. Posteriormente, os pacientes verão cinco imagens geradas por IA representando diferentes níveis de dor e serão solicitados a selecionar a imagem que melhor representa sua dor. Uma pesquisa de acompanhamento avaliará qual método os pacientes consideraram mais eficaz para expressar sua dor.
Pontuação VAS:
Os pacientes marcarão seu nível de dor em uma linha que varia de 0 (sem dor) a 10 (pior dor).
Visuais gerados por IA:
Usando ChatGPT-4/DALL-E, serão criadas imagens correspondentes às pontuações VAS de 1-2, 3-4, 5-6, 7-8 e 9-10. Essas imagens retratarão especificamente expressões faciais que refletem os respectivos níveis de dor. Os pacientes escolherão a imagem que melhor descreve sua dor.
Este estudo tem como objetivo identificar se os recursos visuais suportados por IA fornecem uma alternativa mais precisa e fácil de usar à pontuação VAS tradicional para avaliação da dor.
Descrições da pontuação VAS Pontuação VAS 1-2: Um homem de meia-idade mostrando sinais de leve desconforto.
Pontuação VAS 3-4: Uma jovem atleta em um campo de futebol expressando dor moderada.
Pontuação VAS 5-6: Um homem em um ambiente de cozinha apresentando dor intensa devido a um corte.
Pontuação VAS 7-8: Um jovem do sexo masculino sentindo fortes dores no ombro.
Pontuação VAS 9-10: Uma jovem com dor intensa.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Istanbul, Peru, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- 18 anos ou mais
- Foi submetido a uma cirurgia por qualquer motivo
- Consentiu em participar do estudo e assinou o Termo de Consentimento Livre e Esclarecido
Critério de exclusão:
- Pacientes menores de 18 anos
- Pacientes que não assinaram o termo de consentimento informado
- Pacientes com deficiência visual
- Pacientes cujo nível de consciência não é suficiente para completar a pesquisa
- Pacientes com histórico de transtornos psiquiátricos
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Pontuação da escala visual analógica
O escore de dor da Escala Visual Analógica (VAS) é um método simples e eficaz usado para medir os níveis de dor dos pacientes.
Este método é normalmente representado por uma linha que varia de 0 a 10, onde 0 indica nenhuma dor e 10 indica a dor mais intensa.
Os pacientes são solicitados a marcar um ponto na linha que corresponda ao seu nível de dor.
|
Perguntaremos aos pacientes sobre sua dor e tentaremos avaliar seus índices de dor.
Em seguida, perguntaremos qual método é mais adequado para avaliação.
|
|
Imagens feitas por Inteligência Artificial
Avaliação da dor feita por imagens criadas no ChatGPT/DALLE
|
Perguntaremos aos pacientes sobre sua dor e tentaremos avaliar seus índices de dor.
Em seguida, perguntaremos qual método é mais adequado para avaliação.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Avaliação da dor
Prazo: 10 minutos
|
O resultado principal desta pesquisa é comparar a eficácia dos recursos visuais de avaliação da dor gerados por IA com a escala visual analógica (VAS) tradicional na avaliação e expressão com precisão dos níveis de dor dos pacientes.
Isso será medido por meio da facilidade de uso, clareza e utilidade relatadas pelo paciente de ambos os métodos, bem como a preferência do paciente por qualquer um dos métodos na avaliação da dor.
|
10 minutos
|
Colaboradores e Investigadores
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- AI Images
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano 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 .