Artificiell Intelligens-Assisterad Inlärning för Omvårdnad Läkemedelsberäkning
Att omvandla omvårdnadspraxis genom artificiell intelligens: Effektiviteten av AI-baserat lärande vid läkemedelsdosberäkning på kunskap, kliniska beslut och självförmåga
Syftet med denna studie är att utvärdera hur en AI-assisterad inlärningsplattform påverkar sjuksköterskors förmåga att beräkna läkemedelsdoser korrekt. Läkemedelsberäkning är en kritisk färdighet inom omvårdnad, och fel kan påverka patientsäkerheten avsevärt.
Även om traditionella undervisningsmetoder är standard kan de inte alltid ge den personliga feedback som behövs för en sådan högriskuppgift. Denna studie jämför två grupper av sjuksköterskor: en grupp som använder AI-drivet programvara som erbjuder interaktiva scenarier och realtidsvägledning, och en annan grupp som får traditionell klassrumsundervisning.
Forskarna syftar till att fastställa om AI-tillvägagångssättet leder till:
Förbättrad teoretisk kunskap om läkemedelsberäkningar. Förbättrad klinisk beslutsfattning vid läkemedelsadministrering. Ökad självförtroende (self-efficacy) hos sjuksköterskor när de utför dessa uppgifter i verkliga kliniska miljöer.
Dessutom ingår en kvalitativ komponent som genomförs med fokusgruppsdiskussioner för att utforska deltagarnas acceptans, upplevd användbarhet, användbarhet och övergripande uppfattningar om den AI-assisterade inlärningsplattformen. Denna kvalitativa undersökning ger en djupare inblick i sjuksköterskors erfarenheter, attityder till AI-integration i utbildning och deras åsikter om effektiviteten hos de undervisnings- och inlärningsstrategier som används inom plattformen.
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Medicineringsfel är ett betydande problem inom omvårdnadspraxis, särskilt i högintensiva miljöer såsom kardiovaskulära och intensivvårdsavdelningar. Denna studie utvärderar effektiviteten av en AI-driven utbildningsintervention som är utformad för att överbrygga klyftan mellan teoretisk kunskap och klinisk tillämpning inom läkemedelsberäkningar.
Studiedesign
Denna studie använde en mixed methods-design som omfattade ett kvasi-experimentellt pretest-posttest-tillvägagångssätt med en kontrollgrupp, kompletterat med en kvalitativ fokusgruppskomponent. Deltagarna fördelades till antingen en experimentgrupp som fick AI-assisterad inlärning eller en kontrollgrupp som fick traditionell undervisning.
Interventionen (Studiegruppen)
Deltagarna i experimentgruppen använde AI-assisterad inlärningsprogramvara som var utformad för att förbättra deras utbildningsupplevelse genom flera avancerade funktioner. Programvaran tillhandahåller Adaptiva Inlärningsvägar, som justerar beräkningskomplexitet i enlighet med sjuksköterskans prestation. Dessutom erbjuder den Realtidsåterkoppling, vilket säkerställer omedelbara korrigeringar och steg-för-steg-vägledning för komplex läkemedelsdosering. Slutligen innehåller programvaran AI-baserade Kliniska Simuleringar som skapar högpressade kliniska beslutsfattandescenarier för inlärarna.
Kontrollgruppen
Deltagarna i kontrollgruppen fick traditionella undervisningsmetoder som omfattade standardföreläsningar och pappersbaserade övningssessioner specifikt inriktade på läkemedelsberäkning. Detta tillvägagångssätt täckte samma kärnläroplan som experimentgruppen men inkluderade ingen AI-assistans.
Studien utvärderade tre nyckelområden före och efter interventionen:
Omvårdnadskunskap, bedömd med ett standardiserat läkemedelsberäkningsexamen.
Kliniskt Beslutsfattande, mätt med en validerad omvårdnadsbeslutsfattandes skala.
Självförmåga, utvärderad genom en standardiserad självförmågeskala för att bedöma självförtroende i kliniska beräkningar.
Data analyserades med Statistical Package for the Social Sciences för att jämföra medelvärdena mellan experiment- och kontrollgrupperna.
Kvalitativ Komponent (Fokusgruppsstudie)
För att komplettera de kvantitativa resultaten genomfördes en kvalitativ fokusgruppsstudie med deltagare från experimentgruppen. Syftet var att utforska sjuksköterskors acceptans av AI-plattformen, upplevd användbarhet, användbarhet, synlighet av inlärningsframsteg och övergripande åsikter om de AI-assisterade undervisningsstrategierna.
Fokusgruppsdiskussioner ljudinspelades, transkriberades och analyserades med tematisk analys för att identifiera återkommande mönster och teman relaterade till användarupplevelse, upplevd utbildningsvärde och beredskap att integrera AI-baserad inlärning i klinisk utbildning. Denna kvalitativa komponent gav djupare insikt i deltagarnas attityder till AI-integration i omvårdnadsutbildning och berikade tolkningen av de kvantitativa resultaten.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
Alexandria Governorate
-
Alexandria, Alexandria Governorate, Egypten, 2500
- Faculty of Nursing, Alexandria University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
Sjuksköterskor som arbetar i flera kliniska miljöer, inklusive medicinsk-kirurgiska, kardiovaskulära eller intensivvårdsavdelningar etc.
Sjuksköterskor är ansvariga för läkemedelsadministration och läkemedelsdosberäkningar som en del av sina dagliga kliniska uppgifter.
Beredvillighet att delta i det artificiella intelligens-assisterade lärandeprogrammet och underteckna det informerade samtycket.
Exklusionskriterier:
Sjuksköterskor som nyligen fått specifik utbildning i läkemedelsberäkning eller som haft någon tidigare exponering för AI-baserade utbildningsverktyg (inom de senaste 6 månaderna)
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Hälsovårdsforskning
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Grupp för lärande med artificiell intelligens
Använd en artificiell intelligens-assisterad plattform som erbjuder scenariobaserat lärande och realtidsfeedback för läkemedelsberäkningar.
|
En innovativ mjukvara för artificiell intelligens förbättrar sjuksköterskors noggrannhet vid läkemedelsberäkningar och kliniskt resonemang genom scenariobaserat lärande, vilket ger realtidsfeedback och anpassade inlärningsvägar.
|
|
Experimentell: Traditionsinriktad Lärandegrupp
Deltagarna får den standardiserade läroplanen genom traditionella föreläsningar och pappersbaserade övningssessioner.
|
Standardundervisning i klassrummet består av teoretiska föreläsningar och pappersbaserad träning som fokuserar på beräkning av medicindosering.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Sjuksköterskors kunskap om läkemedelsberäkning
Tidsram: Baslinje (För-test) och 2 veckor efter intervention (Efter-test)
|
Ett 16-frågebedömningsverktyg utformat för att utvärdera sjuksköterskors teoretiska och praktiska kunskaper om läkemedelsberäkningsprinciper (t.ex. enhetsomvandlingar, flödeshastighet och dosberäkningar). Varje korrekt svar ger poäng "1" och varje felaktigt svar ger poäng "0". Skalomfång: Totalt poäng spänner från ett minimum av 0 till ett maximum av 16. Tolkning: Högre poäng indikerar ett bättre resultat (större behärskning av beräkningsprinciper). Hög (13-16): Kompetent nivå (> 80%). Medel (10-12): Acceptabel men ofullständig kunskap (60%-80%). Låg (0-9): Bristande förståelse (< 60%). |
Baslinje (För-test) och 2 veckor efter intervention (Efter-test)
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Sjuksköterskors skala för beslutsfattande vid läkemedelsberäkning
Tidsram: Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
Denna skala är ett självrapporteringsverktyg med 8 frågor som är utformat för att bedöma sjuksköterskors kliniska omdöme och självförtroende när det gäller beräkning av läkemedelsdosering. Varje fråga bedöms på en 5-gradig Likert-skala från 1 (Instämmer helt inte) till 5 (Instämmer helt). Minsta och högsta värden: Totalsumman varierar från ett minimum av 8 till ett maximum av 40. Tolkning: Högre poäng indikerar ett bättre resultat (större klinisk kompetens och säkrare beslutsfattande). Hög (30-40): Hög kompetens. Måttlig (19-29): Måttlig förmåga; kräver handledning. Låg (8-18): Dåligt självförtroende och omdöme. |
Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
|
Skalan för generell självförmåga
Tidsram: Baseline (förtest) och 2 veckor efter intervention (eftertest)
|
Beskrivning: En 10-punkts psykometrisk skala som används för att bedöma sjuksköterskors upplevda självförtroende och självtillit i deras förmåga att utföra läkemedelsberäkningar och kliniska uppgifter effektivt under olika förhållanden. Varje punkt bedöms på en 4-gradig Likertskala: 1 (Inte alls sant), 2 (Knappast sant), 3 (Måttligt sant) och 4 (Exakt sant). Skalintervall: Det totala poängintervallet sträcker sig från ett minimum av 10 till ett maximum av 40. Tolkning: Högre poäng indikerar ett bättre utfall (starkare upplevd kompetens och högre själveffektivitet). Hög (31-40): Stark upplevd kompetens och självtillit. Måttlig (21-30): Måttligt självförtroende i att hantera krav. Låg (10-20): Låg tro på förmåga att hantera utmaningar. |
Baseline (förtest) och 2 veckor efter intervention (eftertest)
|
|
Sjuksköterskors uppfattning och tillfredsställelse med AI-assisterat lärande (Kvalitativ)
Tidsram: 2 veckor efter avslutad AI-assisterad utbildning
|
Beskrivning: Utvärdering av deltagarnas acceptans, upplevd användbarhet, användbarhet och tillfredsställelse med den artificiell intelligens-assisterade inlärningsplattformen. Data kommer att samlas in genom fokusgruppsdiskussioner. Analysmetod: Resultaten kommer att analyseras med tematisk analys för att identifiera återkommande mönster och teman. Måttenhet: Detta är ett kvalitativt utfall; resultaten kommer att rapporteras som narrativa teman (till exempel: "Förbättrad beräkningssäkerhet" eller "Användargränssnittstillfredsställelse"). |
2 veckor efter avslutad AI-assisterad utbildning
|
Samarbetspartners och utredare
Sponsor
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
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
Nyckelord
Andra studie-ID-nummer
- AU-20-6-393
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Studiedata/dokument
-
Studieprotokoll
Informationskommentarer: Tillgängligt på begäran från huvudforskaren för legitima forskningsändamål
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 .