TrialsgramBetaRCTs are beautiful
Ungeprüfte ÜbersetzungDie Deutsche Übersetzung dieses Eintrags wurde nicht fachlich geprüft und kann vom Original abweichen. Akronym, vollständiger Titel und Zitat bleiben stets in der Originalsprache.Originalpublikation öffnen ↗

Tai-Seale AI draft replies

AI-Generated Draft Replies Integrated Into Health Records and Physicians' Electronic Communication

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 52 Ärzten der Primärversorgung, verkürzten von generativer KI entworfene Antworten auf Patientennachrichten die ärztliche Zeit für das Lesen und Beantworten von Nachrichten verglichen mit verzögerter (Warteliste-)Aktivierung und zeitgleichen Kontrollen nicht.

N
52Patienten
Design
Randomisierte Wartelisten-Qualitätsverbesserungsstudie, einzelnes akademisches Gesundheitssystem
Endpunkt
Zeit für das Lesen und Beantworten von Nachrichten, Antwortlänge und Weiterempfehlungsbereitschaft
Relevanz
3Ergänzend — Kontext, kein Muss-Wissen.
ErgebnisLesezeit +21,8 % (95 %-KI 5,2 % bis 41,0 %; p=0,008); Antwortzeit −5,9 % (95 %-KI −16,6 % bis 6,2 %; p=0,33); Antwortlänge +17,9 % (95 %-KI 10,1 % bis 26,2 %; p<0,001). 25 Ärzte auf sofortige und 27 auf verzögerte Aktivierung randomisiert.
Tai-Seale M, et al. JAMA Netw Open. 2024;7(4):e246565. 10.1001/jamanetworkopen.2024.6565
Diskussion & Kritik

Ein früher, ehrlicher Test der am weitesten verbreiteten Generative-KI-Funktion in elektronischen Patientenakten: Die Entwürfe ließen Ärzte länger lesen und längere Antworten schreiben, ohne Antwortzeit zu sparen, auch wenn die Teilnehmer ihnen Wert beimaßen. Eine kleine Qualitätsverbesserungsstudie von Juni bis August 2023 mit Wartelisten-Randomisierung und einer nicht randomisierten zeitgleichen Kontrolle, und ohne Endpunkt zur Patientenerfahrung — die Autoren selbst fordern rigorose Studien.