评估大型语言模型（LLM）支持的护士治疗计划在印度两个地区的有效性

实验性的：护士+大型语言模型临床咨询

该组参与者接受由护士主导、基于大语言模型（LLM）临床决策支持工具辅助的初级保健咨询。 在咨询过程中，经过培训的护士进行常规病史采集和临床评估，并通过数字界面与LLM进行多轮交互，以辅助鉴别诊断、临床推理及制定循证治疗与随访计划。 护士可根据LLM的提示向患者提出补充问题。 最终临床建议由护士结合LLM输出结果协同生成，并记录为治疗方案。 本组旨在评估AI辅助的护士主导照护在初级卫生场景中，能否达到与标准医生主导照护相当的临床质量。

其他：护士使用的AI赋能临床决策支持工具（软件）

由基于大语言模型的临床决策支持工具辅助的护士主导的初级护理咨询。 护士在患者就诊期间使用AI工具，以支持临床推理、鉴别诊断以及循证治疗和随访规划。

有源比较器：医师主导的临床会诊（标准护理）

医生咨询代表了诊断和治疗研究病症已知且公认有效的标准临床管理。 这是一种积极的临床干预措施，而非安慰剂、假干预或无干预组，并作为与实验性护士+LLM干预进行比较的对照。

其他：医生咨询

参与者接受由医生主导的常规初级保健咨询，该咨询按照现有临床实践进行。 医生独立进行病史采集、临床评估、诊断和治疗计划制定，不使用AI工具。

Clinical Quality of Consultation (Clinical Management and Clinical Reasoning Score)

Clinical quality of the consultation, scored by two blinded physician graders using a domain-based rubric (Annexure 1). Each domain is scored 0 (inadequate), 1 (suboptimal), or 2 (optimal). Disease (clinical management: hypertension, diabetes) cases are scored on four domains - quality of history, accuracy of next steps, safety, and comprehensiveness - for a total of 0-8. Symptom (clinical reasoning: fever, breathlessness, musculoskeletal pain) cases are scored on all six domains, adding quality of differential and accuracy of provisional diagnosis, for a total of 0-12. The primary outcome is the absolute total score; results are also reported normalised to 0-100% for concordance with the original registration. The two study arms (nurse+LLM vs. physician standard of care) are compared within each patient.

护士报告的可接受性和可行性主题——来自半结构化访谈

对护士报告的可用性、对AI建议的信任度、工作流程影响、障碍、促进因素以及继续使用意愿进行定性评估。 访谈进行录音并进行主题分析。 结果将报告为识别出的主题，并附有代表性引文及各主题在参与者中的出现频率。

Patient Experience on Exit Survey

Patient-reported experience of the nurse+LLM consultation, measured by a brief exit survey covering three domains: communication and understanding, trust and comfort with AI use, and respect and satisfaction (one item per domain; three-point response scale). Responses are summarised descriptively (frequencies/proportions per item and domain).