用人工智能驱动的聊天机器人开发和可行性测试,用于早期检测护理人员负担:混合方法可行性研究协议

科学领域:

• 数字健康数字健康
• 医疗保健中的人工智能
• 护理人员支持护理人员支持

背景情况:

• 末期病 (ESKD) 患者的护理人员经历了严重的负担,影响了他们的福祉.
• 由于慢性疾病流行率的上升,人们越来越需要可扩展的解决方案来检测和管理护理人员的负担.
• 人工智能 (AI) 聊天机器人显示了通过自然对话提供心理健康支持和监测的潜力.

研究的目的:

• 验证一种新的自然语言处理 (NLP) 方法,用于早期检测护理人员负担.
• 分析人工智能驱动聊天机器人的可行性,以持续监控护理人员.
• 为开发可访问的工具提供信息,以识别有风险的护理人员.

主要方法:

• 一个混合方法协议来评估Botanic AI聊天机器人用于护理人员负担检测.
• 20名ESKD护理人员使用聊天机器人12周,对对话进行NLP分析和验证问卷 (ZBI,PHQ-9,GAD-7).
• 主要结果:NLP检测的负担和问卷分数之间的一致性;次要结果:用户参与度和满意度;定性访谈探索了经验.

主要成果:

• 这项研究旨在确定AI聊天机器人的NLP衍生负担得分和验证的评估工具之间的一致性.
• 将评估用户参与度指标和系统满意度.
• 定性数据将提供对人工智能聊天机器人的用户体验的见解.

结论:

• 该研究将为人工智能聊天机器人在检测护理人员负担方面的可行性和潜在有效性提供证据.
• 结果将指导可扩展的AI驱动干预措施的开发,以支持护理人员.
• 这项研究有助于改善非正式护理人员对ESKD患者的福祉.