AI辅助综合护理促进结肠镜检查接受度

我们将开展一项双臂整群随机对照试验，评估人工智能辅助整合照护（AICC）模式在提高40-64岁高危人群结肠镜检查接受率方面的有效性。 随后将进行一项实用性实施科学研究，以评估AICC的用户参与度，并确定其在真实世界实施中的促进因素和障碍。

样本量计算基于检测结肠镜检查接受率从15%提升至30%的假设（把握度80%，α=0.05，双侧检验），组内相关系数（ICC）为0.05，每簇10名参与者，结果显示每臂需18个簇。 考虑到10%的失访率，最终确定每臂样本量为20个簇。 因此，总样本量为来自40个簇的400名参与者。

参与者招募将在中国三个代表性县/市的40个村庄/社区进行。 独立生物统计学家将在每个县/市内将这些村庄/社区按1:1的比例随机分配至研究组。 研究流程首先通过初始风险评估问卷和粪便免疫化学检测（FIT）识别结直肠癌高危个体。 符合标准者将接受其所在村庄分配研究组对应的干预措施。

干预组参与者将接受AICC干预。 这包括县级专科医生向参与者及其家人提供结肠镜检查建议，随后介绍并指导注册结直肠癌教育聊天机器人，并进行初始5分钟使用指导。 之后，全科医生将进行每月一次、为期三个月的面对面随访，每次包含简要的结肠镜检查提醒和结直肠癌教育聊天机器人使用指导。 对照组仅接受县级专科医生的结肠镜检查建议，聊天机器人访问权限将在6个月研究期结束后开放。 干预后，所有参与者将完成评估结直肠癌筛查知识、健康信念和行为意向的问卷。 结肠镜检查接受情况将通过医院信息系统在3个月和6个月随访时收集。

主要分析将遵循意向性治疗（ITT）原则。 主要结局指标为干预后3个月和6个月的结肠镜检查接受情况及时间。 次要结局指标涵盖多个领域：结直肠癌筛查知识、信念和意向；聊天机器人可用性和用户参与度；以及干预成本。 连续变量和分类变量的组间比较将采用t检验和卡方检验。 为控制潜在混杂因素，将使用广义估计方程（GEE）获得稳健效应估计值。 结肠镜检查接受时间将采用Kaplan-Meier生存曲线和对数秩检验进行分析，干预对事件发生时间的影响将通过Cox比例风险模型量化。 将进行亚组分析以阐明按基线特征分层的人群间的效应异质性。