Wiedza o sztucznej inteligencji w praktyce pielęgniarskiej: meta-analiza percepcji, postawy i intencji

Summary

Ta metaanaliza analizowała różnice w postrzeganiu pielęgniarek, postawach i intencjach dotyczących wykorzystania sztucznej inteligencji (AI) w opiece nad pacjentem. Pielęgniarki, które znały sposób wykorzystania AI w praktyce pielęgniarskiej, miały znacznie lepsze postrzeganie, postawy i intencje niż te, które tego nie znały.

Abstract

Ta metaanaliza miała na celu ocenę różnic w postrzeganiu, postawie i intencji dotyczących wykorzystania AI w opiece nad pacjentem między pielęgniarkami, którzy mają wiedzę o tym, jak AI jest stosowana w praktyce pielęgniarskiej, a bez niej.

Przeprowadziliśmy metaanalizę z wykorzystaniem modelu ciągłego wyniku, z metodami o stałym lub losowym efektach, aby oszacować różnicę średnią (MD) oraz 95% przedziały ufności (CI) dla każdego wyniku. Wybraliśmy 9 badań z udziałem 3648 pielęgniarek do tej metaanalizy. Pielęgniarki, które znają sposób wykorzystania AI w praktyce pielęgniarskiej, miały znacząco wyższą percepcję (łączona surowa MD, 1,43; 95% CI, 0,86–1,99, s. < 0,001), postawę (MD, 1,80; 95% CI, 0,81–2,78, s. < 0,001) oraz intencję (MD, 2,89; 95% CI, 1,61–4,16, s. < 0,001) w porównaniu z tymi, którzy nie wiedzą, jak AI jest wykorzystywana w praktyce pielęgniarskiej. Jednak heterogeniczność była bardzo wysoka dla wszystkich wyników (I² = 91–98%), co wskazuje na znaczne różnice między badaniami. Jednakże, ponieważ wyniki te były mierzone za pomocą instrumentów o bardzo zróżnicowanych zakresach skali (np. skale od 5 do 100 punktów), połączony surowy MD nie stanowi spójnej różnicy bezwzględnej. Głównym wynikiem jest spójny kierunek efektu we wszystkich badaniach (pozytywny), a nie konkretne wartości MD.

Pielęgniarki, które znają sposób wykorzystania AI w praktyce pielęgniarskiej, zgłaszają bardziej pozytywne postrzeganie, postawy i intencje niż te, które tego nie wiedzą. Jednak ze względu na wysoką heterogeniczność, zmienność skali i przekrojowe wzory, te wyniki są jedynie hipotezami. Roszczenia przyczynowe nie są uzasadnione.

Introduction

Szczególnie w sektorze opieki zdrowotnej sztuczna inteligencja stała się kluczową technologią przełomową. Procesy pracy w opiece zdrowotnej, wyniki kliniczne i opieka nad pacjentem są rewolucjonizowane przez sztuczną inteligencję:¹. Pielęgniarstwo ma na celu zapewnienie współczującej, opartej na dowodach opieki w środowiskach klinicznych². Pielęgniarki muszą być gotowe na korzystanie z każdej technologii, która poprawia ogólne wyniki leczenia pacjentów, ponieważ są pracownikami pierwszej linii służby zdrowia. Sztuczna inteligencja prawdopodobnie zostanie zintegrowana z praktyką pielęgniarską. Aby zapewnić pomyślne wdroże....

Protocol

Projekt badania:

Badanie to było przeglądem systematycznym i metaanalizą przeprowadzoną zgodnie z wytycznymi Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Wypełniona lista kontrolna PRISMA 2020 jest udostępniona jako Plik Uzupełniający 1. Protokół miał na celu ilościową syntezę dowodów na temat percepcji, postaw i intencji pielęgniarek dotyczących wykorzystania sztucznej inteligencji (AI) w opiece nad pacjentem, porównując osoby posiadające wcześniejszą wiedzę o AI z osobami bez¹⁸ roku życia. Rysunek 1 ilustruje proces wybo....

Results

Po przeanalizowaniu 2245 istotnych publikacji, 9 badań opublikowanych w latach 2021–2025 spełniło kryteria włączenia^{26,27,28,29,30,31,32,33,34}. Tabela 2 podsumowuje wyniki tych badań. Łącznie przebadanych .......

Discussion

W obecnej metaanalizie przebadanych było 9 badań z udziałem 3648 pielęgniarek: 26,27,28,29,30,31,32,33,34. Ta metaanaliza porównała pielęgniarki, które deklarują wiedzę, jak AI jest wykorzystywana w praktyce pielęgniarski.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Biblioteka Cochrane	Biblioteka Cochrane	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	Oprogramowanie do zarządzania referencjami do deduplikacji i organizacji cytowań
Google Scholar	Google	https://scholar.google.com/
Lista kontrolna krytycznej oceny Joanny Briggs Institute (JBI)	Instytut Joanny Briggs	https://jbi.global/critical-appraisal-tools	Narzędzie oceny jakości dla analitycznych badań przekrojowych
Microsoft Excel	Microsoft Corporation	https://www.microsoft.com/en-us	Tworzenie formularzy ekstrakcji danych; zarządzanie danymi; Konwersja statystyk
OWIDIUS	OWIDIUS	https://www.ovid.com/
Szablon diagramu przepływu PRISMA 2020	Grupa robocza PRISMA	https://www.prisma-statement.org/prisma-2020-flow-diagram	Szablon do diagramu przepływu wyboru badania
PubMed	Narodowe Instytuty Zdrowia	https://pubmed.ncbi.nlm.nih.gov/
Kierownik przeglądów (RevMan)	Współpraca Cochrane	Wersja 5.4	Oprogramowanie do przygotowywania i utrzymywania przeglądów Cochrane; Wykorzystywane do metaanalizy (pooling, wykresy leśne, heterogeniczność, analizy wrażliwości).