- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07252193
Generativ AI-baserad simulering för diagnostisk kommunikation vid typ 2-diabetes (DIALOGUE-DM2) (DIALOGUE-DM2)
Generativ AI-simulering för diagnostisk kommunikation vid typ 2-diabetes: En randomiserad kontrollerad studie (DIALOGUE-DM2)
Denna randomiserade kontrollerade studie utvärderar effektiviteten av ett generativt artificiell intelligens (AI)-baserat simuleringsprogram för att förbättra diagnostiska kommunikationsfärdigheter bland medicinstudenter. Studien genomförs vid Fakulteten för högre studier Iztacala, Nationala autonoma universitetet i Mexiko (UNAM).
Totalt 120 medicinstudenter randomiseras till antingen en interventionsgrupp som använder DIALOGUE-DM2 AI-simuleringsplattformen eller en kontrollgrupp som följer traditionella utbildningsmetoder. Deltagarna genomgår ett för-test, får utbildning enligt grupptilldelning och genomgår sedan en efter-testutvärdering.
Det primära utfallet är förbättring av diagnostiska kommunikationsfärdigheter, mätt med standardiserade patientscenarier och validerade bedömningsmatriser. Sekundära utfall inkluderar självrapporterad självförtroende, kommunikationsdomäner och överensstämmelse mellan fakultetsutvärderare och AI-poängsättning.
Denna studie syftar till att tillhandahålla högkvalitativt bevis på potentialen hos generativ AI för att förbättra kommunikationsträning inom medicinsk utbildning, specifikt i samband med typ 2-diabetesdiagnos.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Denna studie bygger på en tidigare pilotstudie (publicerad 2024) som visade genomförbarheten av att använda generativ artificiell intelligens (AI) för att träna medicinstuderande i diagnostisk kommunikation. Den aktuella studien utökar detta arbete med en randomiserad, blindad, kontrollerad design och ett större urval.
Design:
Studien är en randomiserad, blindad, parallellgrupps, kontrollerad studie som genomförs vid Fakulteten för Högre Studier Iztacala (FES Iztacala), UNAM. Totalt 120 medicinstuderande ingår i studien och randomiseras (1:1) till antingen interventionsgruppen (AI-baserad simulatorträning) eller kontrollgruppen (traditionell träning med standardiserade patienter och lärares feedback).
Intervention:
- Interventionsgruppen: Studerande interagerar med DIALOGUE-DM2-plattformen, som tillhandahåller generativa AI-drivna simulerade patienter. De genomför flera scenarier för diagnostisk informationsöverföring och får omedelbar feedback på prestation, baserat på standardiserade kommunikationsrubriker.
- Kontrollgruppen: Studerande får standardutbildning, inklusive föreläsningar och handledd övning med kamratrollspel och lärares vägledande feedback.
Utvärderingar:
- För-test: Alla studerande genomför ett standardiserat patientscenario med lärares och AI-utvärdering före intervention.
- Träningsfas: Deltagare genomför sin tilldelade träning (AI kontra standard).
- Efter-test: Studerande genomför ett standardiserat scenario för diagnostisk informationsöverföring. Oberoende lärarutvärderare (blindade för grupptilldelning) och AI-plattformen poängsätter prestationen.
Utfall:
- Primärt utfall: Förändring i diagnostisk kommunikationsprestationspoäng från för-test till efter-test, mätt med validerade rubriker (Kalamazoo-ramverket, MRS).
- Sekundära utfall:
- Studerandes självbedömning av kommunikationsförtroende.
- Domänspecifika förbättringar (informationsöverföring, empati, riskförklaring, delat beslutsfattande).
- Överensstämmelse mellan mänskliga utvärderare och AI-poängsättning.
Etik och tillsyn:
Studien har granskats och godkänts av Forskningsetikkommittén vid FES Iztacala, UNAM (Godkännandenummer CE/FESI/042025/1915). Riskerna är minimala, eftersom interventionen är utbildningsinriktad och icke-invasiv.
Betydelse:
Detta är den första randomiserade kontrollerade studien i Mexiko som utvärderar en generativ AI-baserad simulering för diagnostisk kommunikation. Resultaten kommer att informera integrationen av AI-drivna träningsverktyg i medicinutbildningens läroplaner och kan bidra till skalbar innovation i utbildningen av vårdpersonal för kronisk sjukdomshantering, med start med typ 2-diabetes.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Tlalnepantla, Mexiko
- Universidad Nacional Autónoma de México, Faculty of Higher Studies Iztacala (FES Iztacala)
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Medicinstuderande som för närvarande är inskrivna vid medicinska fakulteten (kirurgprogrammet), UNAM-FES Iztacala.
- Ålder mellan 18 och 30 år.
- Kan lämna informerat samtycke.
- Villig att delta i alla studiefaser (för-test, intervention, efter-test).
Exklusionskriterier:
- Tidigare deltagande i DIALOGUE-pilotstudien.
- Tidigare formell utbildning i diagnostisk kommunikation utöver standardläroplanen i medicin.
- Ofullständig tillgänglighet för schemalagda sessioner.
- Vägran eller oförmåga att lämna informerat samtycke.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Hälsovårdsforskning
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Trippel
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: AI-baserad simuleringsutbildning (DIALOGUE-DM2)
Läkarkandidater som tilldelas denna arm kommer att få utbildning med DIALOGUE-DM2-plattformen, som tillhandahåller generativ AI-drivna simulerade patienter.
Deltagarna kommer att delta i flera diagnostiska avslöjandescenarier med fokus på typ 2-diabetes och få omedelbar feedback genererad av AI-systemet.
Feedbacken är anpassad till validerade kommunikationsramverk (Kalamazoo, MRS).
Utbildningen genomförs under flera sessioner före post-testutvärderingen.
|
Medicinstuderande interagerar med DIALOGUE-DM2-plattformen, ett generativt AI-baserat simuleringssystem.
Plattformen levererar virtuella patientmöten fokuserade på typ 2-diabetes diagnostisk avslöjande.
Studenter genomför flera simulerade scenarier och får omedelbar AI-genererad feedback anpassad till standardiserade kommunikationsrubriker (Kalamazoo, MRS).
Utbildningen syftar till att förbättra diagnostiska kommunikationsfärdigheter före post-test utvärdering.
|
|
Aktiv komparator: Traditionell Utbildning
Medicinstuderande som tilldelas denna arm kommer att få traditionell kommunikationsträning.
Detta inkluderar föreläsningar, kamratroller och handledarövervakade återkopplingssessioner som täcker diagnostisk avslöjande vid typ 2-diabetes.
Deltagarna kommer att genomföra samma antal träningssessioner som interventionsgruppen före utvärderingen efter testet.
|
Medicinstuderande får traditionell utbildning i diagnostisk kommunikation.
Detta inkluderar föreläsningar, kamratrollspel och handledda feedbacksessioner som täcker diagnostisk avslöjande vid typ 2-diabetes.
Utbildningens längd och antal sessioner matchar interventionsgruppen.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förändring i diagnostisk kommunikationsprestandapoäng
Tidsram: Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
Förbättring av diagnostiska kommunikationsfärdigheter, mätt med validerade rubriker - Kalamazoo Essential Elements Communication Checklist och Medical Communication Rating Scale (MCRS) - tillämpade på standardiserade patientscenarier.
Oberoende förblindade fakultetsutvärderare och AI-poängsättning kommer att användas.
Poängen sträcker sig från 0 till 100, där högre värden indikerar bättre diagnostisk kommunikationsprestation.
|
Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förändring i studenters självrapporterade självförtroende i diagnostisk kommunikation
Tidsram: Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
Förändring i studenters självrapporterade självförtroende vid avslöjande av en diagnos av typ 2-diabetes, mätt genom ett strukturerat frågeformulär som använder en 5-gradig Likertskala (1 = mycket lågt självförtroende, 5 = mycket högt självförtroende).
Högre poäng indikerar större självupplevd självsäkerhet i diagnostisk kommunikation.
|
Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
|
Förändring i domänspecifika diagnostiska kommunikationspoäng (Kalamazoo-ramverket och Medical Communication Rating Scale)
Tidsram: Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
Förbättring i specifika kommunikationsdomäner - informationsöverföring, empati, riskförklaring och delat beslutsfattande - utvärderat med hjälp av Kalamazoo Essential Elements Communication Checklist och Medical Communication Rating Scale (MCRS).
Varje domän poängsätts från 0 till 100, där högre poäng indikerar bättre prestation.
|
Ungefär 12 veckor (från förtest till eftertest per deltagare).
|
|
Överenskommelse mellan mänskliga utvärderare och AI-poängsättning
Tidsram: Utvärderad vid eftertest, cirka 12 veckor efter baslinje per deltagare.
|
Överensstämmelsenivå mellan förblindade mänskliga utvärderare och AI-baserad poängsättning av diagnostisk kommunikationsprestanda, bedömd med Cohens kappakoefficient (κ). Poängen sträcker sig från -1.0 till +1.0, där värden närmare +1.0 indikerar starkare överensstämmelse mellan utvärderare.
|
Utvärderad vid eftertest, cirka 12 veckor efter baslinje per deltagare.
|
|
Studenternas tillfredsställelse med den tilldelade träningsmetoden
Tidsram: Utvärderad omedelbart efter genomförandet av post-testet, ungefär 12 veckor efter baslinjemätningen per deltagare.
|
Tillfredsställelse med den tilldelade träningsmetoden (AI-baserad simulering kontra traditionell utbildning), mätt med en strukturerad 5-gradig Likert-undersökning om tillfredsställelse (1 = mycket missnöjd; 5 = mycket nöjd).
Högre poäng indikerar större tillfredsställelse med träningsmetoden.
|
Utvärderad omedelbart efter genomförandet av post-testet, ungefär 12 veckor efter baslinjemätningen per deltagare.
|
Samarbetspartners och utredare
Publikationer och användbara länkar
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Beräknad)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Nyckelord
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- UNAM-DIALOGUE-DM2-2025
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Tidsram för IPD-delning
Kriterier för IPD Sharing Access
IPD-delning som stöder informationstyp
- STUDY_PROTOCOL
- SAV
- ICF
- ANALYTIC_CODE
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .