- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07455357
Innovativ Elektrokardiogram-träning med Artificiell Intelligens Kliniska Scenarier för Sjuksköterskor
Påverkan av innovativ EKG-utbildning med AI-stödda kliniska scenarier på kunskap, kliniskt resonemang och självförmåga bland sjuksköterskor
Bakgrund och syfte Korrekt tolkning av ett elektrokardiogram är en avgörande färdighet för sjuksköterskor för att säkerställa patientsäkerhet och snabb intervention inom hjärt-kärlvård. Traditionella utbildningsmetoder saknar ofta den interaktiva och komplexa karaktären av verkliga kliniska situationer. Denna studie syftar till att utvärdera effektiviteten av ett innovativt utbildningsprogram som använder artificiell intelligens för att skapa realistiska kliniska scenarier. Målet är att fastställa om denna teknikförstärkta metod förbättrar sjuksköterskors kunskap, deras förmåga att fatta kliniska beslut (kliniskt resonemang) och deras självförtroende i att utföra dessa uppgifter (självtillit).
Studiedesign och metodik Forskarna kommer att genomföra en studie med sjuksköterskor för att jämföra deras prestation före och efter utbildningsinsatsen. Deltagarna kommer att engagera sig i kliniska scenarier med stöd av artificiell intelligens som specifikt är utformade för tolkning av elektrokardiogram.
Datainsamling
För att mäta utbildningens effekt kommer studien att använda fyra primära verktyg:
Ett kunskapstest för tolkning av elektrokardiogram för att mäta teoretisk förståelse.
En bedömning av sjuksköterskors beslutsfattande vid tolkning av elektrokardiogram för att utvärdera praktiskt kliniskt resonemang.
En självtillitsskala för artificiell intelligens-baserad elektrokardiogramutbildning för att mäta deltagarnas självförtroende i sina färdigheter.
Fokusgruppsdiskussioner kommer att hållas i slutet av studien för att få djupare kvalitativa insikter i sjuksköterskors erfarenheter och uppfattningar om att använda teknik i sin professionella utveckling.
Studieöversikt
Status
Betingelser
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Alexandria, Egypten, 21511
- Faculty of Nursing, Alexandria University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Professionell status: Sjuksköterskor som för närvarande är anställda inom klinisk praxis. Samtycke: Villighet att delta i studien och lämna skriftligt informerat samtycke.
Teknisk läskunnighet: Förmåga att använda grundläggande datorprogram eller mobilapplikationer för att interagera med den artificiella intelligens-plattformen.
Exklusionskriterier:
- Tidigare specialutbildning: Sjuksköterskor som har deltagit i avancerade EKG-certifieringskurser eller specialutbildning under de senaste tre månaderna för att undvika bias i baslinjekunskapsbedömningen.
Tidigare erfarenhet av artificiell intelligens-läromedel: Sjuksköterskor som tidigare har deltagit i formell utbildning eller forskningsstudier som involverar artificiell intelligens-drivna utbildningsplattformar eller kliniska beslutsstödssystem. Detta för att säkerställa att deltagarnas svar på den artificiell intelligens-assisterade inlärningsmjukvaran och deras upplevda självförmåga inte påverkas av tidigare bekantskap med liknande teknologier.
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: Gruppen för Artificiell Intelligensdriven Träning
Deltagarna i denna grupp kommer att använda en originell, specifikt utformad inlärningsprogramvara utvecklad av forskaren som integrerar artificiell intelligens för att tillhandahålla dynamiska kliniska scenarier.
Interventionen fokuserar på interaktiv träning för tolkning av elektrokardiogram.
Varje scenario är skräddarsytt efter inlärarnas prestation, ger omedelbar återkoppling och simulerar verkliga utmaningar inom kardiovaskulär vård.
Denna grupp kommer att slutföra förtest- och eftertestbedömningar, följt av fokusgruppsdiskussioner för att utforska deras kvalitativa upplevelser med programvaran.
|
Denna intervention består av en originell utbildningsprogramvara som designats och utvecklats av forskaren. Programvaran använder artificiell intelligens för att generera interaktiva och anpassningsbara kliniska scenarier med fokus på tolkning av elektrokardiogram. Deltagarna interagerar med högpresterande simuleringar där den artificiella intelligensmotorn justerar fallens komplexitet baserat på användarens svar. Programvaran ger omedelbar återkoppling, motiveringar för korrekt omvårdnadsbeslut och följer sjuksköterskepersonalens framsteg i realtid. Träningssessionerna är strukturerade för att förbättra kliniskt resonemang och självtillit genom immersiv, teknikförstärkt inlärning. |
|
Aktiv komparator: Traditionell träningskontrollgrupp
Deltagarna i denna grupp kommer att få den standardutbildningsinsatsen för EKG-tolkning som används i traditionell sjuksköterskeutbildning.
Detta innefattar vanligtvis konventionella klassrumsföreläsningar, utskrivet utbildningsmaterial och standardpresentationsbilder utan de interaktiva eller anpassningsbara funktionerna hos artificiell intelligens.
Denna grupp kommer att genomföra samma förtest och eftertest som interventionsgruppen för att skapa en baslinje för att jämföra effektiviteten hos den nya teknikförstärkta metoden.
|
Denna intervention representerar den standardiserade pedagogiska metoden för sjuksköterskor. Den inkluderar traditionella klassrumsbaserade föreläsningar och användning av statiska utbildningsmaterial såsom tryckta manualer och PowerPoint-presentationer. Innehållet täcker samma teoretiska och praktiska principer för EKG-tolkning som interventionsgruppen, men utan användning av artificiell intelligens eller interaktiva kliniska scenarier. Sessionerna ledes av en instruktör i en konventionell inlärningsmiljö, med fokus på passiv kunskapsinhämtning och standardiserade kliniska exempel. |
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Elektrokardiogramtolkning Kunskapspoäng
Tidsram: Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
Ett omfattande bedömningsverktyg utformat för att utvärdera den teoretiska och praktiska kunskapen hos sjuksköterskor: Består av 15 flervalsfrågor specifikt utformade för att bedöma sjuksköterskors kognitiva kunskapsnivå gällande grundläggande principer för EKG-tolkning, såsom analys av grundläggande vågformskomponenter, beräkning av hjärtfrekvens, identifiering av vanliga arytmier, atrioventrikulära ledningsabnormaliteter och utvärdering av livshotande hjärtrytmer. Varje korrekt svar ger en poäng, med en total möjlig poängsumma på 15. Poängsummorna sträcker sig från ett minimum av 0 till ett maximum av 15, där högre poäng indikerar en högre kunskapsnivå inom EKG-tolkning.
|
Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Skalan för omvårdnadsbeslutsfattande vid EKG-tolkning
Tidsram: Baseline (Pre-test) och 2 veckor efter intervention (Post-test)
|
Detta är ett självrapporteringsverktyg med 8 punkter som är utformat för att bedöma sjuksköterskors kliniska omdöme och självförtroende när det gäller tolkning av elektrokardiogram. Varje punkt bedöms på en 5-gradig Likertskala som sträcker sig från 1 (Instämmer starkt inte) till 5 (Instämmer starkt). Poängsättning och tolkning: Minsta och högsta värden: Det totala poängintervallet är från ett minimum av 8 till ett maximum av 40. Hög kompetens (30-40): Indikerar högt kliniskt omdöme och professionellt självförtroende vid tolkning av hjärtrytmer. Måttlig förmåga (19-29): Indikerar måttligt kliniskt omdöme; sjuksköterskan kan behöva handledning eller ytterligare vägledning. Låg kompetens (8-18): Indikerar lågt självförtroende och hög risk för fel i det kliniska omdömet. Högre totalpoäng återspeglar ett bättre resultat, vilket representerar större klinisk kompetens och säkrare beslutsfattande inom kardiovaskulär vård. |
Baseline (Pre-test) och 2 veckor efter intervention (Post-test)
|
|
Allmän självförmågaskala för tolkning av elektrokardiogram och kliniska uppgifter
Tidsram: Baseline (för-test) och två veckor efter genomförandet av träningsinterventionen (uppföljningstest).
|
En 10-punkts psykometrisk skala anpassad för att bedöma sjuksköterskors upplevda självförtroende och självtillit i sin förmåga att utföra EKG-tolkning och tillhörande kliniska uppgifter effektivt under olika förhållanden. Poängsystem: Varje punkt poängsätts på en 4-gradig Likertskala:
Tolkning av totalpoäng (omfång 10-40): Hög självförmåga (31-40): Indikerar stark upplevd kompetens och hög självtillit i hantering av utmaningar inom kardiovaskulär vård. Måttlig självförmåga (21-30): Indikerar måttligt självförtroende i hantering av kliniska krav. Låg självförmåga (10-20): Indikerar låg tilltro till förmågan att hantera professionella utmaningar inom EKG-tolkning. Högre totalpoäng indikerar ett bättre resultat, vilket representerar starkare upplevd kompetens och högre självförmåga bland sjuksköterskor. |
Baseline (för-test) och två veckor efter genomförandet av träningsinterventionen (uppföljningstest).
|
|
Sjuksköterskors uppfattning och tillfredsställelse med AI-assisterad inlärning inom EKG-tolkning
Tidsram: Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
Detta kvalitativa resultat bedömer deltagarnas acceptans, upplevd användbarhet, användbarhet och tillfredsställelse med den artificiella intelligens-assisterade inlärningsplattformen som specifikt är utformad för tolkning av elektrokardiogram. Datainsamling och analys: Metod: Data kommer att samlas in genom fokusgruppsdiskussioner för att utforska sjuksköterskornas levda erfarenheter och feedback. Analysmetod: Resultaten kommer att analyseras med tematisk analys för att identifiera återkommande mönster, teman och underteman relaterade till interventionen. |
Baseline (För-test) och 2 veckor efter intervention (Efter-test)
|
|
Omvårdnadskliniskt beslutsfattande-poäng med hjälp av fallbeskrivningar
Tidsram: Baseline (för-test) och 2 veckor efter interventionen (efter-test)
|
Mäts med ett specialiserat bedömningsverktyg som består av 10 kliniska fallskisser. Varje skiss presenterar ett specifikt patientscenario relaterat till kardiovaskulär vård och kräver att deltagaren analyserar EKG-fynd och väljer den mest lämpliga omvårdnadsåtgärden genom flervalsfrågor. Detta verktyg utvärderar sjuksköterskornas förmåga att tillämpa teoretisk kunskap på praktiska, verkliga kliniska situationer, där poäng sträcker sig från ett minimum av 0 till ett maximum av 10, med högre poäng som indikerar ett bättre resultat. Högre totalpoäng över de 10 skisserna indikerar överlägsna kliniska beslutsfattandefärdigheter och bättre professionellt omdöme vid tolkning av EKG. |
Baseline (för-test) och 2 veckor efter interventionen (efter-test)
|
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-20-6-392
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 .