- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07458997
Användbarhetsutvärdering av Gen AI-baserad näringschattbot för gravida kvinnor
Användbarhetsutvärdering av Gen AI-baserad näringschattbot för gravida kvinnor: En pilotkvasi-experimentell studie
Bakgrund: Graviditet ställer stora fysiska krav på kroppen, med komplikationer som graviditetsdiabetes (GDM) och preeklampsi som innebär allvarliga risker. Nutrition är avgörande för att mildra dessa, men tillgång till tillförlitlig vägledning förblir utmanande. Denna studie utvärderar genomförbarheten av en AI-chattbot som ger nutritionsvägledning för att hantera dessa tillstånd.
Metoder: I en kvasi-experimentell design kommer 100 gravida kvinnor själva att välja antingen interventionsgruppen (n=50, som använder en AI-chattbot) eller kontrollgruppen (n=50, som får standardvård). Det primära utfallet är användbarhet mätt med System Usability Scale (SUS) vid 12 veckor, med en förväntad medelskillnad på ≥13 poäng. Sekundära utfall inkluderar teknisk acceptans (Technology Acceptance Model), användarengagemang, informationsnoggrannhet och förändringar i kostkunskap/beteenden. Kvantitativa data kommer att analyseras med intention-to-treat och t-tester. Semistrukturerade intervjuer med 20 deltagare kommer att utforska användarupplevelser genom tematisk analys.
Förväntade resultat: AI-chattboten förväntas uppvisa överlägsen användbarhet och hög användaracceptans (TAM >5,0/7), med förbättringar i kostkunskap och beteende. Kvalitativa resultat kommer att ge insikter om fördelar, hinder och engagemangsfaktorer.
Slutsats: Denna studie kommer att skapa en evidensbas för genomförbarhet och acceptans av AI-chattbotar för prenatal nutrition, vilket informerar optimering av verktyg och framtida storskaliga försök.
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
Syften: Denna studie syftar främst till att utvärdera användbarheten av en närings-AI-chattbot för gravida kvinnor genom att jämföra System Usability Scale (SUS)-poäng mellan interventions- och kontrollgrupper. Sekundära syften inkluderar att bedöma teknikacceptans (Technology Acceptance Model), engagemangsmönster, informationskvalitet (noggrannhet, begriplighet, konsistens) och förändringar i näringskunskap.
Design: En kvasi-experimentell design med två parallella grupper (n=50 vardera) kommer att användas. Genom självval kommer deltagarna att välja att delta i interventionsgruppen (åtkomst till en AI-chattbot plus rutinmässig vård) eller kontrollgruppen (åtkomst till en standardiserad WeChat-informationstjänst plus rutinmässig vård). Rutinmässig vård för alla deltagare inkluderar standardbesök på mödravårdsmottagning och tryckt näringsmaterial.
WeChat-tjänsten för kontrollgruppen kommer att drivas av en utbildad forskningsassistent med ett fördefinierat manuskript under två schemalagda tidsfönster dagligen, och tillhandahålla information citerad från de officiella näringsbladerna. Detta isolerar informationsleveransmetoden (AI kontra mänskligt underlättade meddelanden) som den primära variabeln.
Deltagare: Inklusionskriterier: gravida kvinnor i åldern ≥18 år, som kan samtycka, som äger en smartphone med internetåtkomst. Exklusionskriterier: deltagande i andra näringsinterventioner eller allvarliga psykiska hälsotillstånd som försämrar teknikanvändning. Ett målmedvetet delurval av 20 deltagare (10 per grupp) kommer att genomföra kvalitativa intervjuer.
Urvalsstorlek: Baserat på en förväntad medel-SUS-poäng på 78 (SD=12) i interventionsgruppen och 65 (SD=15) i kontrollgruppen (Cohen's d=0,95) krävs 23 deltagare per grupp för 90 % styrka vid alfa=0,05. Med hänsyn till 50 % bortfall kommer 50 deltagare per grupp att rekryteras. Propensity score-matching kommer att tillämpas för att minska urvalsbias med hjälp av variabler inklusive ålder, graviditetsvecka, paritet, utbildning och baslinjeteknikanvändning.
Mätningar: Det primära utfallet, användbarhet, kommer att mätas med System Usability Scale (SUS) och Chatbot Usability Questionnaire (CUQ) vid 12 veckor. Teknikacceptans kommer att bedömas med Technology Acceptance Model (TAM). Näringskunskap kommer att utvärderas vid baslinje och 12 veckor med ett 15-frågeformulär och FIGO Nutrition Checklist. Informationsnoggrannhet och konsistens kommer att bedömas av en expertpanel som betygsätter 150 chattbotsvar och upprepad inlämning av 20 testfrågor. Engagemang kommer att analyseras via applikationsanvändningsloggar som mäter följsamhet, intensitet och uthållighet. Semistrukturerade intervjuer kommer att utforska användarupplevelser i detalj.
Dataanalys: Kvantitativa data kommer att analyseras med intention-to-treat-principer. Primäranalys kommer att jämföra medel-SUS-poäng mellan grupper med oberoende stickprovs t-tester, med effektstorlekar beräknade som Cohen's d. Sekundära utfall kommer att analyseras med liknande tillvägagångssätt, med chi-två-test för proportioner och linjära blandade modeller för näringskunskapsförändringspoäng. Saknade data kommer att hanteras genom multipel imputering. Kvalitativa intervjutranskript kommer att analyseras med tematisk analys med dubbel oberoende kodning.
Studietidslinje: Deltagare kommer att rekryteras under en 6-månadersperiod, med varje deltagare som genomför en 12-veckors intervention och uppföljningsperiod.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Bronya Luk, DHSc
- Telefonnummer: +852 39708758 +852 39708758
- E-post: bluk@hkmu.edu.hk
Studieorter
-
-
-
Hong Kong, Hong Kong
- Hong Kong Metropolitan University
-
Kontakt:
- Bronya Luk, DHSc
- Telefonnummer: +852 39708758
- E-post: bluk@hkmu.edu.hk
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Gravida kvinnor i åldern 18 år eller äldre
- Kan ge informerat samtycke på studiens språk
- Äger en smartphone med internetåtkomst och WeChat-applikationen
Exklusionskriterier:
- Aktuell deltagande i andra näringsinterventionsstudier
- Allvarliga psykiska hälsotillstånd som kan försämra teknikanvändning eller förmåga att ge informerat samtycke
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Stödjande vård
- Tilldelning: Icke-randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Interventionsgruppen
Interventionsgruppen kommer att ha tillgång till nutritions-AI-chattroboten.
|
En kulturellt anpassad närings-AI-chattbot för gravida kvinnor, och AI-chattbottens stöd kommer att vara tillgängligt dygnet runt
|
|
Inget ingripande: Kontrollgruppen
Kontrollgruppen kommer att få rutinmässig vård tillsammans med tillgång till en standardiserad WeChat-informationstjänst.
För att säkerställa en rättvis jämförelse kommer WeChat-tjänsten för kontrollgruppen att drivas av en utbildad forskningsassistent som använder ett fördefinierat manus och protokoll.
Assistenten kommer att svara på förfrågningar under två förutbestämda tidsfönster per dag (t.ex. 10:00-12:00 och 14:00-16:00) genom att ge information som direkt citeras eller parafraseras från de officiella näringsfoldrarna.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
System Usability Scale (SUS)
Tidsram: 12 veckor
|
Användbarhet kommer att bedömas med hjälp av System Usability Scale (SUS), ett frågeformulär med 10 punkter som använder Likert-skala med fem punkter.
SUS ger ett totalt poäng som sträcker sig från 0 till 100, där högre poäng indikerar bättre upplevd användbarhet.
Poängen kommer att jämföras mellan grupperna efter 12 veckor.
|
12 veckor
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Medelvärde på Technology Acceptance Model (TAM) frågeformulär
Tidsram: 12 veckor
|
Teknikacceptans kommer att bedömas med hjälp av Technology Acceptance Model (TAM) frågeformulär.
Detta 12-punkts instrument mäter två domäner: upplevd användbarhet (6 punkter) och upplevd användarvänlighet (6 punkter).
Varje punkt bedöms på en 7-gradig Likertskala från 1 (instämmer helt inte) till 7 (instämmer helt).
Domänpoäng beräknas som medelvärdet av punkterna inom varje domän, där högre poäng indikerar större upplevd användbarhet eller användarvänlighet.
|
12 veckor
|
|
Andel deltagare som uppnår tillräcklig engagemangsadherence
Tidsram: 12 veckor
|
Engagemangsföljsamhet kommer att mätas med hjälp av applikationsanvändningsloggar.
Tillräcklig följsamhet definieras som användning av plattformen minst 3 dagar per vecka under minst 10 av de 12 veckorna i interventionsperioden.
Andelen deltagare som uppnår denna tröskel kommer att rapporteras.
|
12 veckor
|
|
Genomsnittligt antal plattformslogins per vecka
Tidsram: 12 veckor
|
Engagemangsintensiteten kommer att mätas med hjälp av applikationsanvändningsloggar.
Det genomsnittliga antalet inloggningar per vecka under 12-veckorsinterventionsperioden kommer att beräknas för varje deltagare och rapporteras som ett gruppmedelvärde.
|
12 veckor
|
|
Medeltal antal frågor som lämnats in per deltagare
Tidsram: 12 veckor
|
Engagemangets intensitet kommer också att bedömas genom det totala antalet frågor (förfrågningar eller önskemål) som varje deltagare skickar in till plattformen under den 12-veckorslånga interventionsperioden, rapporterat som ett gruppmedelvärde.
|
12 veckor
|
|
Andel chatbot-svar som bedömts som korrekta av klinisk expertpanel
Tidsram: 12 veckor
|
En panel av kliniska experter kommer att bedöma ett urval av 150 chatbot-svar för noggrannhet.
Svaren kommer att bedömas som korrekta eller felaktiga baserat på överensstämmelse med nuvarande kliniska riktlinjer.
Andelen svar som bedöms som korrekta kommer att rapporteras.
|
12 veckor
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: Bronya Luk, DHSc, School of Nursing and Health Sciences, Hong Kong Metropolitan University
Publikationer och användbara länkar
Användbara länkar
- Caropreso, L., de Azevedo Cardoso, T., Eltayebani, M., & Frey, B. N. (2020). Preeclampsia as a risk factor for postpartum depression and psychosis: a systematic review and meta-analysis. Archives of Women's Mental Health, 23(4), 493-505.
- Charlton, M. (2016). The evolving management of gestational diabetes. The Hong Kong Practitioner, 38(2).
- Feghali, M. N., Abebe, K. Z., Comer, D. M., Caritis, S., Catov, J. M., & Scifres, C. M. (2018). Pregnancy outcomes in women with an early diagnosis of gestational diabetes mellitus. Diabetes Research and Clinical Practice, 138, 177-186.
- Hyzy, M., Bond, R., Mulvenna, M., Bai, L., Dix, A., Leigh, S., & Hunt, S. (2022). System Usability Scale Benchmarking for Digital Health Apps: Meta-analysis. JMIR MHealth and UHealth, 10(8).
- Gao, C., Sun, X., Lu, L., Liu, F., & Yuan, J. (2019). Prevalence of gestational diabetes mellitus in mainland China: A systematic review and meta-analysis. Journal of Diabetes Investigation, 10(1), 154-162.
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
Nyckelord
Ytterligare relevanta MeSH-villkor
- Urogenitala sjukdomar
- Sjukdomar i det endokrina systemet
- Kvinnliga urogenitala sjukdomar och graviditetskomplikationer
- Metaboliska sjukdomar
- Graviditetskomplikationer
- Störningar i glukosmetabolism
- Diabetes mellitus
- Hypertoni, graviditetsinducerad
- Närings- och metabola sjukdomar
- Diabetes, graviditet
- Preeklampsi
Andra studie-ID-nummer
- HE-RD/2025/2.34 (Annan identifierare: Hong Kong Metropolitan University)
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 .