Method Article

ידע בבינה מלאכותית בפרקטיקה סיעודית: מטא-אנליזה של תפיסה, עמדה וכוונה

DOI:

10.3791/70892

May 29th, 2026

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מטא-אנליזה זו בחנה הבדלים בתפיסות, בגישות ובכוונות של האחיות לגבי השימוש בבינה מלאכותית (AI) בטיפול במטופלים. אחיות שידעו כיצד משתמשים בבינה מלאכותית בפרקטיקה סיעודית הציגו תפיסות, עמדות וכוונות גבוהות משמעותית מאלו שלא ידעו.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המטא-אנליזה הזו נועדה להעריך הבדלים בתפיסה, בגישה ובכוונה לגבי השימוש בבינה מלאכותית בטיפול במטופלים בין אחיות עם וללא ידע כיצד בינה מלאכותית מיושמת בסיעוד.

ביצענו מטא-אנליזה באמצעות מודל תוצאה רציף בשיטות של אפקטים קבועים או אקראיים להערכת הפרש ממוצע (MD) ורווחי אמון של 95% (CIs) לכל תוצאה. בחרנו 9 מחקרים עם 3648 אחיות למטה-אנליזה זו. אחיות שיודעות כיצד משתמשים בבינה מלאכותית בפרקטיקה סיעודית הציגו תפיסה גבוהה משמעותית (MD גולמי משותף, 1.43; רווח בר-סמך 95%, 0.86–1.99, עמ' < 0.001), גישה (MD, 1.80; רווח בר-סמך 95%, 0.81–2.78, עמ' < 0.001), וכוונה (MD, 2.89; רווח בר-סמך 95%, 1.61–4.16, עמ' < 0.001) בהשוואה לאלו שאינם יודעים כיצד משתמשים בבינה מלאכותית בפרקטיקה סיעודית. עם זאת, ההטרוגניות הייתה גבוהה מאוד בכל התוצאות (I2 = 91–98%), מה שמעיד על שונות משמעותית בין המחקרים. עם זאת, מכיוון שתוצאות אלו נמדדו באמצעות מכשירים עם טווחי סקאלה משתנים מאוד (למשל, סולמות של 5 נקודות עד 100 נקודות), ה-MD הגולמי המאוחד אינו מייצג הבדל מוחלט עקבי. כיוון ההשפעה העקבי בכל המחקרים (חיובי) הוא הממצא העיקרי, לא ערכי MD הספציפיים.

אחיות שיודעות כיצד משתמשים בבינה מלאכותית בפרקטיקה סיעודית מדווחות על תפיסות, עמדות וכוונות חיוביות יותר מאשר אלו שאינן יודעות. עם זאת, בשל הטרוגניות גבוהה, שונות בקנה מידה ועיצוב חתך רוחבי, ממצאים אלו הם רק ליצירת השערות. טענות סיבתיות אינן מוצדקות.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

במיוחד בתחום הבריאות, הבינה המלאכותית הפכה לטכנולוגיה משבשת וקריטית. תהליכי עבודה רפואיים, תוצאות קליניות ומתן טיפול במטופלים עוברים מהפכה בזכות בינה מלאכותית1. הסיעוד שואף להעניק טיפול אמפתי ומבוסס ראיות בסביבות קליניות שונות2. אחיות חייבות להיות מוכנות לאמץ כל טכנולוגיה שמשפרת את התוצאות הכוללות של המטופלים, משום שהן אנשי מקצוע בתחום הבריאות בקו הראשון. סביר להניח שבינה מלאכותית תשתלב בפרקטיקה הסיעודית. כדי להבטיח אימוץ מוצלח של בינה מלאכותית במגזר הבריאות, יש להעריך את מוכנות האחיות לאמץ אותה3. מכיוון שלבינה מלאכותית יש פוטנציאל לקדם את מערכת הבריאות באמצעות פת....

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

עיצוב המחקר:

מחקר זה היה סקירה שיטתית ומטא-אנליזה שנערכה בהתאם להנחיות PRISMA (פריטי דיווח מועדפים לסקירות ומטא-אנליזות שיטתיות). רשימת הבדיקה המלאה של PRISMA 2020 מסופקת כתיק משלים 1. הפרוטוקול נועד לסנתז באופן כמותי ראיות על תפיסות האחות, עמדות וכוונות לגבי השימוש בבינה מלאכותית (AI) בטיפול במטופלים, תוך השוואת אלו עם ידע קודם בבינה מלאכותית לאלו ללא18. איור 1 ממחיש את תהליך בחירת המחקר.

קריטריוני זכאות
המחקרים נבחרו בהתבסס על מסגרת PICOS19 הבאה:

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

לאחר בחינת 2245 פרסומים רלוונטיים, 9 מחקרים שפורסמו בין 2021 ל-2025 עמדו בקריטריוני ההכללה 26,27,28,29,30,31,32,33,34. טבלה 2 מסכמת את ממצאי המחקרים הללו. בסך הכל נבדקו 36.......

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

למטה-אנליזה הנוכחית, נבדקו 9 מחקרים עם 3648 אחיות: 26,27,28,29,30,31,32,33,34. המטא-אנליזה הזו השווה בין אחיות שמדווחות כי הן יודעות כיצד בינה מלאכותית משמשת בפרקטיקה סיעודית לבין אלו שאינ.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מצהירים שאין להם אינטרסים מתחרים.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
ספריית קוקרייןספריית קוקרייןhttps://www.cochranelibrary.com/
EmbaseEmbasehttps://www.embase.com/landing?status=grey
הערת סיום X9Clarivate Analyticshttps://support.clarivate.com/Endnote/s/?language=en_USתוכנת ניהול הפניות להסרת שכפול וארגון ציטוטים
Google Scholarגוגלhttps://scholar.google.com/
רשימת בדיקה להערכה ביקורתית של מכון ג'ואנה בריגס (JBI)מכון ג'ואנה בריגסhttps://jbi.global/critical-appraisal-toolsכלי להערכת איכות למחקרים אנליטיים-חתך
מיקרוסופט אקסלמיקרוסופט קורפוריישןhttps://www.microsoft.com/en-usפיתוח טופס חילוץ נתונים; ניהול נתונים; המרת סטטיסטיקה
OVIDOVIDhttps://www.ovid.com/
תבנית דיאגרמת זרימה PRISMA 2020קבוצת העבודה של PRISMAhttps://www.prisma-statement.org/prisma-2020-flow-diagramתבנית לדיאגרמת זרימת בחירת המחקר 
PubMedהמכונים הלאומיים לבריאותhttps://pubmed.ncbi.nlm.nih.gov/
מנהל ביקורות (RevMan) שיתוף הפעולה עם קוקרןגרסה 5.4תוכנה להכנת ותחזוקה של ביקורות על Cochran; משמש למטא-אנליזה (איגוד, גרפים של יער, הטרוגניות, ניתוחי רגישות).

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Dave, M., Patel, N. Artificial intelligence in healthcare and education. Br Dent J. 234 (10), 761-764 (2023).
  2. Malenfant, S., Jaggi, P., Hayden, K. A., Sinclair, S. Compassion in healthcare: An updated scoping review of the literature. BMC Palliat Care. 21 (1), 80(....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Artificial Intelligence NursingNursing Practice AINurse Perception AINurse Attitude AINurse Intention AIMeta Analysis NursingPatient Care AIAI Knowledge NursesCross Sectional StudiesContinuous Outcome Model

Related Articles