确定护士与人工智能(ChatGPT-5)在为冠状动脉搭桥术患者提供基于情景的出院教育方面的一致性:一项方法学研究 (CABG-AI-EDU)
确定护士与人工智能(ChatGPT-5)在向冠状动脉旁路移植术患者提供基于情景的出院教育方面的一致性:一项方法论研究
研究概览
地位
详细说明
本方法学研究的目的是确定专家护士与人工智能(AI)系统(ChatGPT-5)在为接受冠状动脉旁路移植术(CABG)手术的患者提供基于情景的出院教育方面的一致性。 该研究的目的是评估ChatGPT-5能否生成在准确性、完整性和临床适宜性方面与经验丰富的心血管外科护士准备的出院教育内容相当的出院教育内容。
将开发30个标准化患者情景,以代表具有不同人口统计学、社会经济、心理社会和临床特征的广泛CABG病例。 每个情景将模拟现实的术后状况,包括潜在并发症(如谵妄、伤口感染、出血、心律失常)、合并症(如糖尿病、高血压、慢性阻塞性肺疾病)以及心理社会变量,如焦虑水平、家庭结构和社会支持。 所有情景将由包括心血管外科医生和学术护士专家的多学科专家小组审查和验证,以确保临床真实性和内容有效性。
出院教育将围绕从国内和国际指南及循证文献中提取的六个主要领域和二十四个子主题进行结构化。 这些领域包括:(1)医疗管理和随访,(2)日常生活和功能恢复,(3)心理社会和社会支持,(4)危险因素和预防保健,(5)生活质量和特定状况,以及(6)宗教习俗。 对于每个情景,专家护士和ChatGPT-5都将使用这一标准化框架独立准备书面出院教育材料。
教育材料将匿名化,并由两名盲审评审员在科学准确性、内容完整性、语言清晰度和与临床标准的一致性方面进行评估。 如果存在分歧,第三位独立评审员将提供最终决定以确保客观性。 统计分析将包括Cohen's Kappa系数以衡量评估者间一致性,以及Fisher's Exact Test用于分类比较。 还将计算诊断性能指标,如敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和F1分数。
数据将使用SPSS v25(IBM Corp., Armonk, NY, USA)进行分析。 将报告描述性统计(频率、百分比、均值和标准差)以总结情景和评估的特征。 一致性水平将根据Landis和Koch的分类进行解释。 p值<0.05将被认为具有统计学意义。
本研究的发现预计将为ChatGPT-5作为心血管外科护理中准备个体化出院教育材料的创新和支持性工具的可靠性、有效性和可用性提供证据。 结果可能有助于开发新的技术辅助教育模型,这些模型可以减少护士工作量,改善出院教育的标准化,并提高患者术后期的理解和满意度。
研究类型
注册 (估计的)
联系人和位置
学习地点
-
-
Gaziantep
-
Gaziantep、Gaziantep、土耳其(türkiye)、27620
- Hasan Kalyoncu University Faculty of Nursing
-
接触:
- Uğur akman
- 电话号码:+905428155049
- 邮箱:ugurkman@gmail.com
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 代表接受冠状动脉旁路移植术(CABG)手术的患者情景。
- 包含符合当前文献和临床指南的人口统计学、社会经济、临床及社会心理信息的情景。
- 描述接受正中胸骨切开术和体外循环下CABG手术的患者情景。
- 包含相关术后并发症(如谵妄、出血、伤口感染、心律失常)和合并症(如糖尿病、高血压、慢性阻塞性肺疾病)的情景。
- 允许护士和ChatGPT-5在相同标准化框架下准备出院教育材料的情景。
- 经心血管外科专家和护理学者审核验证内容效度的情景。
排除标准:
- 与冠状动脉旁路移植术(CABG)手术无关的患者情景。
- 缺乏足够人口统计学、临床或社会心理信息以准备个体化出院教育的情景。
- 未遵循六个主要领域和二十四个子主题标准化结构的情景。
- 包含不一致或矛盾医疗数据(如诊断与治疗细节不兼容)的情景。
- 未经专家评审小组验证临床准确性和内容效度的情景。
- 不允许比较护士生成与ChatGPT-5生成的出院教育材料的情景。
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
|---|
|
护士提供的出院教育
由具有≥5年临床经验的心血管外科护士独立准备的出院教育内容。
每位护士按照预定义框架,为30种标准化CABG术后情景创建了书面出院教育材料。
|
|
ChatGPT-5生成的出院教育
由ChatGPT-5基于相同的标准化冠状动脉搭桥术后患者情景和预定义的六领域、24主题框架自动生成的出院教育材料。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
护士与ChatGPT-5生成出院教育内容的一致性评估
大体时间:在数据收集期间(预计在研究开始后8个月内)。
|
心血管外科护士准备的出院教育材料与ChatGPT-5为标准化的CABG术后患者场景生成的材料之间的一致性程度。
|
在数据收集期间(预计在研究开始后8个月内)。
|
|
护士与ChatGPT-5生成出院教育内容的一致性评估
大体时间:在数据收集期间(预计在研究开始后12个月内)。
|
心血管外科护士准备的出院教育材料与ChatGPT-5针对标准化CABG术后患者场景生成的材料之间的一致性水平。
|
在数据收集期间(预计在研究开始后12个月内)。
|
合作者和调查者
出版物和有用的链接
一般刊物
- Thompson R, Traylor D, Halguist E. Evaluating the clinical accuracy of ChatGPT-generated patient instructions: a review study. Digital Health. 2025;11:2055207625123456.
- Su H, Vrdoljak J, Busch M, et al. Artificial intelligence in patient discharge education: improving readability and patient understanding. Journal of Medical Internet Research. 2025;27:e45612.
- Rushton M, Hemmings L, Marsh L, et al. Enhancing recovery after cardiac surgery: discharge education and follow-up. European Journal of Cardiovascular Nursing. 2017;16(2):114-123. doi:10.1177/1474515116643395.
- Akbari M, Celik S. The effect of discharge training on stress, anxiety, and pain in patients after coronary artery bypass graft surgery. Journal of Perioperative Nursing. 2015;28(3):165-172.
- Fredericks S, Guruge S, Sidani S, Wan T. Postoperative patient education: a systematic review. Clin Nurs Res. 2010 May;19(2):144-64. doi: 10.1177/1054773810365994.
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.