Användning och acceptans av stora språkmodeller för delat beslutsfattande vid cancer
Användning och acceptans av stora språkmodeller i onkologiskt delat beslutsfattande bland patienter, allmänheten och sjukvårdspersonal
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Delat beslutsfattande är en samarbetsprocess där kliniker stödjer patienter i att nå behandlingsbeslut. Trots dess betydelse inom onkologi förblir strukturerat delat beslutsfattande ovanligt i rutinmässig klinisk praktik. Stora språkmodeller erbjuder ett nytt sätt för patienter att komma åt och förstå medicinsk information, men lite är känt om hur nyckelaktörer uppfattar och använder dessa verktyg för hälsorelaterade beslut.
Denna observationsstudie använde en sekventiell mixed-methods-design som kombinerade Delphi-konsensusmetodik med tvärsnittsenkätutplacering. En expertpanel på 44 personer över åtta domäner (klinisk artificiell intelligens, teknisk utveckling, onkologi, psykologi, epidemiologi, patientföreträdande, etik och juridisk expertis) utvecklade och validerade bedömningsinstrumentet genom två Delphi-omgångar och uppnådde konsensus om 89 punkter. Det slutliga instrumentet innehöll 52 kvantitativa punkter och 8 kvalitativa frågeställningar, vilket skiljde mellan allmän och hälso- och sjukvårdsspecifik användning av stora språkmodeller.
Studien rekryterade tre kohorter: 2 316 cancerpatienter med självrapporterad diagnos inom de senaste fem åren, 2 000 allmänna befolkningsmedlemmar från USA och Storbritannien samt 2 835 legitimerade hälso- och sjukvårdspersonal. Kvalitetskontrollen inkluderade uppmärksamhetskontroller, övervakning av slutförandetid, konsekvensvalidering och verifieringsprocedurer, vilket resulterade i uteslutning av 694 svar (8,8%) från initialt 7 845.
Primäranalyser inkluderade chi-två-testning och ANOVA med Bonferroni-korrigering, multivariabel logistisk regression med hierarkisk modellbyggnad för att identifiera prediktorer för användning samt användarsegmentering via kors-tabellering kombinerad med k-means-klustring. Studien godkändes av den institutionella granskningsnämnden vid Tekniska universitetet i München (TUM2024-89-S-SB).
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
Bavaria
-
Munich, Bavaria, Tyskland, 81675
- Technical University Munich
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
Ålder 18 år eller äldre Engelskspråkig förmåga Regelbunden internetåtkomst Registrerad på Prolific forskningsplattform För cancerpatientkohort: självrapporterad cancerdiagnos inom de senaste fem åren För sjukvårdspersonalkohort: legitimerad sjukvårdspersonal med aktiv patientkontakt För allmän befolkningskohort: bosatt i USA eller Storbritannien
Exklusionskriterier:
Misslyckande med inbäddade uppmärksamhetskontrollfrågor (4 kontroller) Enkätfyllningstid utanför acceptabelt intervall (mindre än 5 minuter eller mer än 60 minuter) Raktlinjesvarsmönster upptäckt av konsistensvalideringsalgoritmer Misslyckande av kohortverifieringsprocedurer
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
Cancerpatienter
Vuxna i åldern 18 år eller äldre med en självrapporterad cancerdiagnos inom de senaste fem åren, rekryterade via Prolific-plattformen med verifiering genom screeningsfrågor om diagnosdatum, cancertyp och behandlingsstatus.
n=2 316.
|
|
Allmän befolkning
Vuxna från 18 års ålder och uppåt från USA och Storbritannien utan specifikt hälsotillståndskrav, rekryterade via Prolific-plattformen med stratifierade urvalskvoter för ålder, kön, etnicitet och utbildning.
n=2 000.
|
|
Hälso- och sjukvårdspersonal
Legitimerade hälso- och sjukvårdspersonal som är 18 år eller äldre med aktiv patientkontakt, inklusive läkare och sjuksköterskor, rekryterade via Prolific-plattformen från USA, Storbritannien och ytterligare 28 länder.
n=2 835.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Användningsfrekvens för stora språkmodeller specifikt inom hälso- och sjukvård
Tidsram: Vid tidpunkten för enkätslutförande (enstaka bedömning, mars–maj 2025)
|
Andel deltagare som rapporterar användning av stora språkmodeller specifikt för hälsorelaterad information, mätt på en 5-gradig Likert-frekvensskala och dikotomiserad som användning kontra icke-användning.
|
Vid tidpunkten för enkätslutförande (enstaka bedömning, mars–maj 2025)
|
|
Framtida tro på förbättring av delat beslutsfattande med hjälp av stora språkmodeller
Tidsram: Vid tidpunkten för enkätens slutförande (enskild bedömning, mars-maj 2025)
|
Andel deltagare som tror att stora språkmodeller kommer att förbättra kvaliteten på delat beslutsfattande inom onkologi, bedömd via Likert-skalasvar.
|
Vid tidpunkten för enkätens slutförande (enskild bedömning, mars-maj 2025)
|
|
Hinder för införande av stora språkmodeller
Tidsram: Vid tidpunkt för enkätslutförande (enskild bedömning, mars-maj 2025)
|
Förekomst av oro kring användning av stora språkmodeller för hälsobeslut, inklusive oro för tillförlitlighet, oro för integritet och preferens för mänsklig interaktion, var och en bedömd som binär (närvarande eller frånvarande).
|
Vid tidpunkt för enkätslutförande (enskild bedömning, mars-maj 2025)
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Oberoende prediktorer för storskalig språkmodelladoption
Tidsram: Vid tidpunkt för undersökningens slutförande (enskild bedömning, mars-maj 2025)
|
Odds-kvoter från hierarkisk multivariabel logistisk regression som identifierar demografiska och hälsorelaterade prediktorer för acceptans av språkmodeller specifikt för hälso- och sjukvård, inklusive ålder, kön, etnicitet, utbildning, digital kompetens och tilltro till att förstå hälsoinformation.
|
Vid tidpunkt för undersökningens slutförande (enskild bedömning, mars-maj 2025)
|
|
Användarsegmentering
Tidsram: Vid tidpunkten för enkätens slutförande (enskild bedömning, mars–maj 2025)
|
Distribution av deltagare över data-drivna användarsegment härledda från kors-tabellering av nuvarande användning med upplevd nytta, förfinade genom k-means-klustring: potentiella adoptörer, troende användare, motståndskraftiga icke-användare och skeptiska användare.
|
Vid tidpunkten för enkätens slutförande (enskild bedömning, mars–maj 2025)
|
|
Hälsopersonalens rekommendationsmönster
Tidsram: Vid tidpunkten för enkätutfyllnad (enkel bedömning, mars-maj 2025)
|
Andel hälso- och sjukvårdspersonal som rekommenderar stora språkmodeller till patienter för hälsorelaterad information, jämfört med deras personliga användningsfrekvens.
|
Vid tidpunkten för enkätutfyllnad (enkel bedömning, mars-maj 2025)
|
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
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- LLM-SDM-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 .