- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07263724
Att bestämma överensstämmelsen mellan sjuksköterskor och artificiell intelligens (ChatGPT-5) vid leverans av scenariobaserad utskrivningsundervisning till patienter med kranskärlsbypass: En metodologisk studie (CABG-AI-EDU)
Att fastställa överensstämmelsen mellan sjuksköterskor och artificiell intelligens (ChatGPT-5) vid utförande av scenariobaserad utskrivningsundervisning till patienter med kranskärlsbypassoperation: En metodologisk studie
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Denna metodologiska studie syftar till att fastställa överensstämmelsen mellan expertsjuksköterskor och ett artificiellt intelligenssystem (AI) (ChatGPT-5) vid utarbetande av scenariobaserad utskrivningsundervisning för patienter som genomgått kranskärlsoperation (CABG). Syftet med studien är att utvärdera om ChatGPT-5 kan generera utskrivningsundervisningsinnehåll som är jämförbart i noggrannhet, fullständighet och klinisk lämplighet med det som förberetts av erfarna kardiovaskulära kirurgisjuksköterskor.
Trettio standardiserade patientscenarier kommer att utvecklas för att representera ett brett spektrum av CABG-fall med olika demografiska, socioekonomiska, psykosociala och kliniska egenskaper. Varje scenario kommer att simulera realistiska postoperativa förhållanden, inklusive potentiella komplikationer (t.ex. delirium, sårinfektion, blödning, arytmi), komorbiditeter (t.ex. diabetes, hypertoni, KOL) och psykosociala variabler som ångestnivå, familjestruktur och socialt stöd. Alla scenarier kommer att granskas och valideras av ett multidisciplinärt expertpanel inklusive kardiovaskulära kirurger och akademiska sjuksköterskespecialister för att säkerställa klinisk realism och innehållsvaliditet.
Utskrivningsundervisningen kommer att struktureras kring sex huvuddomäner och tjugofyra underämnen hämtade från nationella och internationella riktlinjer och evidensbaserad litteratur. Dessa domäner inkluderar: (1) medicinsk behandling och uppföljning, (2) vardagsliv och funktionell återhämtning, (3) psykosocialt och socialt stöd, (4) riskfaktorer och förebyggande hälsa, (5) livskvalitet och specifika tillstånd, och (6) religiösa praktiker. För varje scenario kommer både expertsjuksköterskor och ChatGPT-5 oberoende att förbereda skriftligt utskrivningsundervisningsmaterial med detta standardiserade ramverk.
Utbildningsmaterialet kommer att anonymiseras och utvärderas av två blindade granskare vad gäller vetenskaplig noggrannhet, innehållsfullständighet, språklig tydlighet och överensstämmelse med kliniska standarder. Vid oenighet kommer en tredje oberoende granskare att fatta ett slutgiltigt beslut för att säkerställa objektivitet. Statistiska analyser kommer att inkludera Cohens Kappa-koefficient för att mäta överensstämmelse mellan bedömare och Fishers exakta test för kategoriska jämförelser. Diagnostiska prestandamått såsom sensitivitet, specificitet, positivt prediktivt värde (PPV), negativt prediktivt värde (NPV) och F1-poäng kommer också att beräknas.
Data kommer att analyseras med SPSS v25 (IBM Corp., Armonk, NY, USA). Beskrivande statistik (frekvenser, procentandelar, medelvärden och standardavvikelser) kommer att redovisas för att sammanfatta scenariernas och utvärderingarnas egenskaper. Överensstämmelsenivåer kommer att tolkas enligt Landis och Kochs klassificering. Ett p-värde på <0,05 kommer att betraktas som statistiskt signifikant.
Resultaten av denna studie förväntas ge bevis om tillförlitligheten, validiteten och användbarheten hos ChatGPT-5 som ett innovativt och stödjande verktyg för att förbereda individualiserat utskrivningsundervisningsmaterial inom kardiovaskulär kirurgisk omvårdnad. Resultaten kan bidra till att utveckla nya teknologiassisterade utbildningsmodeller som kan minska sjuksköterskors arbetsbörda, förbättra standardiseringen av utskrivningsundervisningen och öka patientens förståelse och tillfredsställelse i den postoperativa perioden.
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studieorter
-
-
Gaziantep
-
Gaziantep, Gaziantep, Turkiet (Türkiye), 27620
- Hasan Kalyoncu University Faculty of Nursing
-
Kontakt:
- Uğur akman
- Telefonnummer: +905428155049
- E-post: ugurkman@gmail.com
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Patientscenarier som representerar individer som genomgått koronar bypass-operation (CABG).
- Scenarier som inkluderar demografisk, socioekonomisk, klinisk och psykosocial information i enlighet med aktuell litteratur och kliniska riktlinjer.
- Scenarier som beskriver patienter som genomgått mediansternotomi och on-pump CABG-procedur.
- Scenarier som inkluderar relevanta postoperativa komplikationer (t.ex. delirium, blödning, sårinfektion, arytmi) och komorbiditeter (t.ex. diabetes, hypertoni, KOL).
- Scenarier som möjliggör för både sjuksköterskor och ChatGPT-5 att förbereda utskrivningsutbildningsmaterial under samma standardiserade ramverk.
- Scenarier som granskats och validerats av hjärtkirurgiska experter och sjuksköterskeakademiker för innehållsvaliditet.
Exklusionskriterier:
- Patientscenarier som inte är relaterade till koronar bypass-operation (CABG).
- Scenarier som saknar tillräcklig demografisk, klinisk eller psykosocial information för att förbereda individualiserad utskrivningsutbildning.
- Scenarier som inte följer den standardiserade strukturen med sex huvuddomäner och tjugofyra underteman.
- Scenarier med inkonsekventa eller motsägelsefulla medicinska data (t.ex. oförenliga diagnos- och behandlingsdetaljer).
- Scenarier som inte validerats av expertgranskningspanelen för klinisk noggrannhet och innehållsvaliditet.
- Scenarier som inte tillåter jämförelse mellan sjuksköterskegenererade och ChatGPT-5-genererade utskrivningsutbildningsmaterial.
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
Sjuksköterskans utskrivningsutbildning
Utskrivningsutbildningsinnehåll förberett självständigt av kardiovaskulära kirurgisjuksköterskor med ≥5 års klinisk erfarenhet.
Varje sjuksköterska skapade skriftligt utskrivningsutbildningsmaterial för 30 standardiserade post-CABG-scenarier enligt det förutbestämda ramverket.
|
|
ChatGPT-5-genererad utskrivningsinformation
Utskrivningsutbildningsmaterial automatiskt genererat av ChatGPT-5 baserat på samma standardiserade post-CABG-patientscenarier och fördefinierade sexdomäners, 24-ämnesramverk.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Avtal mellan sjuksköterske- och ChatGPT-5-genererad utskrivningsutbildningsinnehåll
Tidsram: Under datainsamling (förväntas inom 8 månader efter studiestart).
|
Överensstämmelsen mellan utskrivningsinformationsmaterial som utarbetats av kardiovaskulära kirurgisjuksköterskor och de som genererats av ChatGPT-5 för standardiserade post-CABG-patientfall.
|
Under datainsamling (förväntas inom 8 månader efter studiestart).
|
|
Överenskommelse mellan sjuksköterske- och ChatGPT-5-genererat utskrivningsinformationsmaterial
Tidsram: Under datainsamling (förväntas inom 12 månader efter studiestart).
|
Överensstämmelsen mellan utskrivningsinformationsmaterial som utarbetats av kardiovaskulära kirurgisjuksköterskor och det som genererats av ChatGPT-5 för standardiserade post-CABG-patientfall.
|
Under datainsamling (förväntas inom 12 månader efter studiestart).
|
Samarbetspartners och utredare
Sponsor
Publikationer och användbara länkar
Allmänna publikationer
- 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.
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- CABG-AI-EDU-PHASE1-2025
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
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 .