Kennis van Kunstmatige Intelligentie in de Verpleegkunde: Een meta-analyse van perceptie, houding en intentie

Summary

Deze meta-analyse onderzocht verschillen in de percepties, houdingen en intenties van verpleegkundigen met betrekking tot het gebruik van kunstmatige intelligentie (AI) in de patiëntenzorg. Verpleegkundigen die wisten hoe AI wordt gebruikt in de verpleegkundige praktijk hadden aanzienlijk hogere percepties, houdingen en intenties dan degenen die dat niet wisten.

Abstract

Deze meta-analyse had als doel verschillen te evalueren in perceptie, houding en intentie met betrekking tot het gebruik van AI in de patiëntenzorg tussen verpleegkundigen met en zonder kennis van hoe AI wordt toegepast in de verpleegkundige praktijk.

We voerden een meta-analyse uit met een continu uitkomstmodel met vaste of random-effecten methoden om het gemiddelde verschil (MD) en 95% betrouwbaarheidsintervallen (BI) voor elke uitkomst te schatten. We selecteerden 9 studies met 3648 verpleegkundigen voor deze meta-analyse. Verpleegkundigen die weten hoe AI wordt gebruikt in de verpleegpraktijk hadden significant hogere perceptie (gepoolde ruwe MD, 1,43; 95% BI, 0,86–1,99, p < 0,001), houding (MD, 1,80; 95% BI, 0,81–2,78, p < 0,001) en intentie (MD, 2,89; 95% BI, 1,61–4,16, p< 0,001) vergeleken met degenen die niet weten hoe AI wordt gebruikt in de verpleegkundige praktijk. De heterogeniteit was echter zeer hoog voor alle uitkomsten (I² = 91–98%), wat wijst op aanzienlijke variatie tussen de studies. Omdat deze uitkomsten echter werden gemeten met instrumenten met sterk uiteenlopende schaalbereiken (bijvoorbeeld 5-punts tot 100-puntsschaal), vertegenwoordigt de gepoolde ruwe MD geen consistent absoluut verschil. De consistente richting van effect in alle studies (positief) is de primaire bevinding, niet de specifieke MD-waarden.

Verpleegkundigen die weten hoe AI wordt gebruikt in de verpleegkundige praktijk rapporteren positievere percepties, houdingen en intenties dan degenen die dat niet weten. Door hoge heterogeniteit, schaalvariatie en dwarsdoorsnedeontwerpen zijn deze bevindingen echter uitsluitend hypothese-genererend. Causale claims zijn niet gerechtvaardigd.

Introduction

Met name in de gezondheidszorg is kunstmatige intelligentie een cruciale disruptieve technologie geworden. Zorgworkflows, klinische uitkomsten en patiëntenzorg worden allemaal gerevolutioneerd door kunstmatige intelligentie¹. Verpleegkunde streeft ernaar om meelevende, op bewijs gebaseerde zorg te bieden in klinische omgevingen². Verpleegkundigen moeten bereid zijn om elke technologie te omarmen die de algehele uitkomsten van patiënten verbetert, omdat zij frontlinie-zorgprofessionals zijn. Kunstmatige intelligentie zal waarschijnlijk geïntegreerd worden in de verpleegkundige praktijk. O....

Protocol

Studieontwerp:

Deze studie was een systematische review en meta-analyse uitgevoerd volgens de richtlijnen van Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). De voltooide PRISMA 2020-checklist wordt verstrekt als Aanvullend Dossier 1. Het protocol had als doel het bewijs kwantitatief te synthetiseren over de percepties, houdingen en intenties van verpleegkundigen met betrekking tot het gebruik van Kunstmatige Intelligentie (AI) in de patiëntenzorg, waarbij degenen met voorkennis van AI werden vergeleken met degenen zonder¹⁸

Results

Na het onderzoeken van 2245 relevante publicaties voldeden 9 studies die tussen 2021 en 2025 werden gepubliceerd aan de inclusiecriteria 26,27,28,29,30,31,32,33,34. Tabel 2

Discussion

Voor de huidige meta-analyse werden 9 studies met 3648 verpleegkundigen onderzocht: 26,27,28,29,30,31,32,33,34. Deze meta-analyse vergeleek verpleegkundigen die aangeven te weten hoe AI wo.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Cochrane Library	Cochrane Library	https://www.cochranelibrary.com/
Embase	Embase	https://www.embase.com/landing?status=grey
EndNote X9	Clarivate Analytics	https://support.clarivate.com/Endnote/s/?language=en_US	Reference management software for deduplication and citation organization
Google Scholar	Google	https://scholar.google.com/
Joanna Briggs Institute (JBI) Critical Appraisal Checklist	Joanna Briggs Institute	https://jbi.global/critical-appraisal-tools	Quality assessment tool for analytical cross-sectional studies
Microsoft Excel	Microsoft Corporation	https://www.microsoft.com/en-us	Data extraction form development; data management; conversion of statistics
OVID	OVID	https://www.ovid.com/
PRISMA 2020 Flow Diagram Template	PRISMA Working Group	https://www.prisma-statement.org/prisma-2020-flow-diagram	Template for study selection flow diagram
PubMed	National Institutes of Health	https://pubmed.ncbi.nlm.nih.gov/
Review Manager (RevMan)	The Cochrane Collaboration	Version 5.4	Software for preparing and maintaining Cochrane reviews; used for meta-analysis (pooling, forest plots, heterogeneity, sensitivity analyses).