DOI: https://doi.org/10.2196/51086
PMID: https://pubmed.ncbi.nlm.nih.gov/39045815
تاريخ النشر: 2024-05-09
المؤلف: Philip Fei Wu وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
نظرة عامة
تبحث ورقة البحث في المواقف العامة تجاه روبوتات الدردشة الذكية في سياق إدارة الصحة المزمنة، وخاصة للأفراد الذين يعانون من COVID الطويل. تهدف إلى فهم تصورات وتفضيلات المستخدمين لإبلاغ تصميم وقبول روبوتات الدردشة الصحية. تم إجراء استبيان عبر الإنترنت، جذب 900 مشارك يعانون من حالات مزمنة. تكشف النتائج أن أقل من ثلث المستجيبين أعربوا عن احتمال استخدام روبوتات الدردشة الصحية خلال العام المقبل، ويرجع ذلك أساسًا إلى الشكوك بشأن قدرتها على تقديم نصائح طبية دقيقة. ومع ذلك، كان هناك انفتاح ملحوظ تجاه روبوتات الدردشة الصوتية للصحة النفسية وإدارة بيانات الصحة، حيث أبدى نصف المشاركين الذين يعانون من COVID الطويل اهتمامًا بروبوتات الدردشة الذكية عاطفيًا.
تخلص الدراسة إلى أنه على الرغم من وجود تردد تجاه الذكاء الاصطناعي بين المرضى، خاصة فيما يتعلق بإدارة الأمراض، إلا أن هناك فرصًا كبيرة لروبوتات الدردشة لتعزيز نمط الحياة والدعم العاطفي. تؤكد على الحاجة إلى مقدمي الرعاية الصحية ومطوري التكنولوجيا لمعالجة هذه الترددات واستغلال إمكانيات روبوتات الدردشة الذكية لتحسين إمكانية الوصول إلى الرعاية الصحية ونتائج المرضى. تسلط الأبحاث الضوء على اهتمام محدد في واجهات الصوت بين الأفراد الذين يعانون من حالات مزمنة، مما يشير إلى مسار لتطبيقات روبوتات الدردشة المستقبلية المصممة لتلبية الاحتياجات الفريدة لهذه الفئات.
مقدمة
ت outlines المقدمة دور روبوتات الدردشة الذكية كأدوات مصممة لمحاكاة المحادثة البشرية وتقديم استجابات مخصصة، خاصة في بيئات الرعاية الصحية. يمكن أن تساعد هذه الروبوتات الأفراد الذين يعانون من حالات صحية مزمنة من خلال تقديم معلومات مخصصة، ومراقبة الأعراض، والدعم العاطفي. أظهرت الأبحاث السابقة فعاليتها في تحسين الالتزام بالعلاج، وتعزيز جودة الحياة، ودعم إدارة الصحة النفسية. ومع ذلك، على الرغم من ردود الفعل الإيجابية من المستخدمين في بعض الدراسات، لا تزال هناك مخاوف بشأن قدرة روبوتات الدردشة على فهم القضايا الطبية المعقدة وتقديم تواصل تعاطفي.
تشير الأدبيات إلى أنه بينما تظهر روبوتات الدردشة الذكية وعدًا في إدارة الأمراض المزمنة، خاصة من خلال التفاعلات “التعاطفية” التي تستخدم ممارسات المساعدة الذاتية المستندة إلى الأدلة، لا تزال الأبحاث التجريبية حول المواقف العامة تجاه هذه التقنيات محدودة. من الجدير بالذكر أن الدراسات حول روبوتات الدردشة الصوتية نادرة، مع نتائج تشير إلى الجدوى ولكن تسلط الضوء على الحاجة إلى مزيد من التحقيق في فعاليتها في العالم الحقيقي. تهدف هذه الدراسة إلى معالجة الفجوات الحالية من خلال جمع رؤى من عينة كبيرة من الأفراد الذين يعانون من حالات مزمنة، مع التركيز على تجاربهم وتفضيلاتهم بشأن تفاعلات روبوتات الدردشة الذكية، مما يضمن أن التطورات المستقبلية تتماشى مع احتياجات المستخدمين.
الطرق
في هذه الدراسة، تم إجراء استبيان عبر الإنترنت من 1 يناير إلى 31 مارس 2023، مستهدفًا مستخدمي diabetes.co.uk، أكبر مجتمع للسكري عبر الإنترنت في أوروبا. كان الهدف من الاستبيان هو تقييم الوعي والمواقف تجاه روبوتات الدردشة الذكية بين الأفراد الذين يديرون مرض السكري وحالات مزمنة أخرى. كان تعريف روبوتات الدردشة الذكية واسعًا، بما في ذلك أمثلة مثل أليكسا وسيري، وتم توقيت الاستبيان بشكل استراتيجي لالتقاط التحولات في التصور العام بعد إطلاق ChatGPT في أواخر عام 2022. نقر 1,310 فردًا على رابط الاستبيان، الذي تم توزيعه من خلال إعلانات وسائل التواصل الاجتماعي.
تضمن الاستبيان، الذي تم إدارته عبر Qualtrics، 30 سؤالًا – 24 مغلقة، 2 مفتوحة، و4 ديموغرافية – تغطي مواضيع مثل الخصائص الديموغرافية، وأعراض COVID الطويل، واستخدام تطبيقات الصحة، وآراء حول روبوتات الدردشة. تم الحصول على موافقة المشاركين قبل إكمال الاستبيان. تم تنفيذ عمليات تنظيف البيانات لضمان الجودة، مما أسفر عن مجموعة بيانات نهائية تضم 888 سجلًا. استخدمت التحليلات SPSS لإدارة البيانات وR للاختبارات الإحصائية، مع التركيز على المواقف تجاه استخدام روبوتات الدردشة في سيناريوهات إدارة الصحة والعوامل المؤثرة في اعتماد روبوتات الدردشة، مثل الثقة والخصوصية. حصلت المنهجية على موافقة أخلاقية من لجنة الأخلاقيات المؤسسية للمؤلف الأول.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. عادةً ما يتضمن بيانات كمية، وتحليلات إحصائية، وتمثيلات بصرية مثل الرسوم البيانية أو الجداول التي توضح نتائج الدراسة. غالبًا ما تتم مقارنة النتائج مع الفرضيات أو الدراسات السابقة لتسليط الضوء على الاتجاهات أو الشذوذات المهمة.
في هذا القسم، قد يقوم المؤلفون بالإبلاغ عن مقاييس محددة، مثل القيم المتوسطة، والانحرافات المعيارية، وقيم p، لدعم ادعاءاتهم. بالإضافة إلى ذلك، يتم مناقشة أي علاقات ملحوظة أو علاقات سببية بين المتغيرات، مما يوفر رؤى حول الآليات الأساسية المعنية. بشكل عام، تعتبر النتائج أساسًا للنقاشات والاستنتاجات اللاحقة التي تم التوصل إليها في الورقة.
النقاش
توفر نتائج الاستبيان نظرة شاملة على المواقف العامة تجاه روبوتات الدردشة الصحية، مما يكشف عن درجة كبيرة من الشك والتردد بين المستجيبين، خاصة بين كبار السن وأولئك الذين يعانون من حالات صحية مزمنة. بينما أعربت الغالبية العظمى من المشاركين عن عدم الثقة في قدرة روبوتات الدردشة على تقديم نصائح طبية دقيقة، هناك انفتاح ملحوظ لاستخدام روبوتات الدردشة لدعم الصحة النفسية وإدارة نمط الحياة، خاصة بين الأفراد الذين يعانون من COVID الطويل. تشير البيانات إلى أن الألفة مع تقنيات الذكاء الاصطناعي والراحة في مناقشة القضايا الصحية مع روبوتات الدردشة هي مؤشرات قوية للاعتماد المحتمل، بينما لم تؤثر مخاوف الخصوصية بشكل كبير على الاهتمام باستخدام روبوتات الدردشة.
علاوة على ذلك، تسلط النتائج الضوء على تفضيل واضح للتفاعل البشري على التفاعل مع روبوتات الدردشة في معظم سيناريوهات الصحة، على الرغم من أن المستجيبين أبدوا استعدادًا لاستخدام روبوتات الدردشة الصحية الصوتية لتتبع الأعراض والدعم العاطفي. وهذا يشير إلى أن واجهات الصوت قد تقدم بديلاً قابلاً للتطبيق لكبار السن الذين يواجهون تحديات مع التواصل التقليدي القائم على النص. بشكل عام، تؤكد الدراسة على الحاجة إلى مقدمي الرعاية الصحية ومطوري التكنولوجيا لمعالجة تردد الذكاء الاصطناعي واستغلال المواقف الإيجابية تجاه روبوتات الدردشة في مجالات الصحة المحددة لتعزيز القبول واستخدام هذه التقنيات في بيئات الرعاية الصحية.
القيود
تقدم الدراسة عدة قيود قد تؤثر على صحة نتائجها. أولاً، يثير الاعتماد على استبيان عبر الإنترنت مخاوف بشأن تحيز الاستجابة، خاصة وأن العينة تتكون بشكل أساسي من إناث بالغين فوق 55 عامًا يعانون من مرض السكري وحالات صحية مزمنة أخرى. قد يكون لدى هذه الفئة زيادة في الوعي بالقضايا الصحية، مما قد يؤدي إلى تمثيل مفرط لأعراض COVID الطويل في العينة مقارنة بالسكان العامين، كما يتضح من مسح العدوى الوطني COVID-19 في المملكة المتحدة، الذي أشار إلى أن حوالي 3% من سكان المملكة المتحدة أبلغوا عن أعراض بعد أربعة أسابيع من الإصابة بـ COVID-19.
بالإضافة إلى ذلك، يحد الطابع العرضي للاستبيان من عمق الفهم بشأن مواقف وآراء المشاركين. لا توضح الدراسة الأسباب وراء زيادة الانفتاح على روبوتات الدردشة الذكية الصوتية بين كبار السن، مما يترك مجالًا للتكهن بأن واجهة الصوت قد تُعتبر أكثر سهولة في الاستخدام من إدخال النص. يُوصى بإجراء أبحاث مستقبلية تستخدم مقابلات متعمقة أو تصاميم تجريبية لاستكشاف هذه المواقف لدى المستخدمين بشكل أكبر وتحديد العلاقات السببية المحتملة.
DOI: https://doi.org/10.2196/51086
PMID: https://pubmed.ncbi.nlm.nih.gov/39045815
Publication Date: 2024-05-09
Author(s): Philip Fei Wu et al.
Primary Topic: Digital Mental Health Interventions
Overview
The research paper investigates public attitudes towards AI chatbots in the context of chronic health management, particularly for individuals with Long COVID. It aims to understand user perceptions and preferences to inform the design and acceptance of health chatbots. A web-based survey was conducted, attracting 900 participants with chronic conditions. Findings reveal that less than one-third of respondents expressed a likelihood of using health chatbots within the next year, primarily due to skepticism regarding their ability to provide accurate medical advice. However, there was a notable openness towards voice-based chatbots for mental well-being and health data management, with half of the Long COVID respondents showing interest in emotionally intelligent chatbots.
The study concludes that while AI hesitancy exists among patients, particularly concerning disease management, there are significant opportunities for chatbots to enhance lifestyle and emotional support. It emphasizes the need for healthcare providers and technology developers to address these hesitancies and leverage the potential of AI chatbots to improve healthcare accessibility and patient outcomes. The research highlights a specific interest in voice-based interfaces among individuals with chronic conditions, suggesting a pathway for future chatbot applications tailored to the unique needs of these populations.
Introduction
The introduction outlines the role of AI chatbots as tools designed to simulate human conversation and provide personalized responses, particularly in healthcare settings. These chatbots can assist individuals with chronic health conditions by offering tailored information, symptom monitoring, and emotional support. Previous research has demonstrated their effectiveness in improving medication adherence, enhancing quality of life, and supporting mental health management. However, despite positive user feedback in some studies, concerns remain regarding chatbots’ ability to understand complex medical issues and provide empathetic communication.
The literature indicates that while AI chatbots show promise in managing chronic diseases, particularly through “empathic” interactions that utilize evidence-based self-help practices, empirical research on public attitudes toward these technologies is still limited. Notably, studies on voice-based chatbots are scarce, with findings suggesting feasibility but highlighting the need for further investigation into their real-world efficacy. This study aims to address existing gaps by gathering insights from a large sample of individuals with chronic conditions, focusing on their experiences and preferences regarding AI chatbot interactions, thereby ensuring that future developments align with user needs.
Methods
In this study, a web-based survey was conducted from January 1 to March 31, 2023, targeting users of diabetes.co.uk, the largest online diabetes community in Europe. The survey aimed to assess the awareness and attitudes towards AI chatbots among individuals managing diabetes and other chronic conditions. The definition of AI chatbots was broad, including examples like Alexa and Siri, and the survey was strategically timed to capture shifts in public perception following the launch of ChatGPT in late 2022. A total of 1,310 individuals clicked on the survey link, which was disseminated through social media advertisements.
The survey, administered via Qualtrics, included 30 questions—24 closed, 2 open, and 4 demographic—covering topics such as demographic characteristics, Long COVID symptoms, health app usage, and opinions on chatbots. Participant consent was obtained prior to survey completion. Data cleaning processes were implemented to ensure quality, resulting in a final dataset of 888 records. The analysis utilized SPSS for data management and R for statistical tests, focusing on attitudes towards chatbot usage in health management scenarios and factors influencing chatbot adoption, such as trust and privacy. The methodology received ethical approval from the first author’s institutional ethics committee.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It typically includes quantitative data, statistical analyses, and visual representations such as graphs or tables that illustrate the outcomes of the study. The results are often compared against the hypotheses or previous studies to highlight significant trends or anomalies.
In this section, the authors may report on specific metrics, such as mean values, standard deviations, and p-values, to substantiate their claims. Additionally, any observed correlations or causal relationships between variables are discussed, providing insights into the underlying mechanisms at play. Overall, the results serve as a foundation for the subsequent discussion and conclusions drawn in the paper.
Discussion
The survey results provide a comprehensive overview of public attitudes toward health chatbots, revealing a significant degree of skepticism and hesitancy among respondents, particularly among older adults and those with chronic health conditions. While a majority of participants expressed distrust in the ability of chatbots to deliver accurate medical advice, there is a notable openness to using chatbots for supporting mental well-being and lifestyle management, especially among individuals suffering from Long COVID. The data indicates that familiarity with AI technologies and comfort in discussing health issues with chatbots are strong predictors of potential adoption, while privacy concerns did not significantly deter interest in chatbot use.
Moreover, the findings highlight a distinct preference for human interaction over chatbot engagement in most health scenarios, although respondents showed a willingness to utilize voice-based health chatbots for symptom tracking and emotional support. This suggests that voice interfaces may offer a viable alternative for older adults who face challenges with traditional text-based communication. Overall, the study underscores the need for healthcare providers and technology developers to address AI hesitancy and leverage positive attitudes towards chatbots in specific health domains to enhance acceptance and utilization of these technologies in healthcare settings.
Limitations
The study presents several limitations that may affect the validity of its findings. Firstly, the reliance on a web-based survey raises concerns about response bias, particularly as the sample predominantly comprised female adults over 55 with diabetes and other chronic health conditions. This demographic may have heightened awareness of health issues, potentially leading to an overrepresentation of Long COVID symptoms in the sample compared to the general population, as evidenced by the UK COVID-19 Infection National Survey, which indicated that approximately 3% of the UK population reported symptoms four weeks post-COVID-19 infection.
Additionally, the cross-sectional nature of the survey restricts the depth of understanding regarding participants’ attitudes and opinions. The study does not clarify the reasons behind the increased receptiveness to voice-based AI chatbots among older adults, leaving room for speculation that a voice interface may be perceived as more user-friendly than text input. Future research employing in-depth interviews or experimental designs is recommended to explore these user attitudes further and identify potential causal relationships.