Καθορίζει η ικανότητα του προϊστάμενου την ετοιμότητα υιοθέτησης της τεχνητής νοημοσύνης; Διερεύνηση σε επαγγελματίες υγείας.

Does leader competence determine AI adoption readiness? Exploration in healthcare professionals. (Αγγλική)

  1. MSc thesis
  2. ΙΩΑΝΝΑ ΚΑΛΟΥΔΗ
  3. Διοίκηση Μονάδων Υγείας (ΔΜΥ)
  4. 14 Σεπτεμβρίου 2024
  5. Ελληνικά
  6. 70
  7. Δρ Γεώργιος Κριτσωτάκης
  8. Δρ Γεώργιος Κριτσωτάκης | ΔΡ. ΤΟΜΑΡΑΣ, ΠΕΤΡΟΣ
  9. Τεχνητή Νοημοσύνη | Σύστημα Υγείας | Νοσηλευτές | Προϊστάμενος
  10. ΔΜΥ 50
  11. 1
  12. 3
  13. 42
  14. Περιλαμβάνει πίνακες και σχήματα
  15. Βασικές Αρχές Διοίκησης Διαχείρησης (Management) Υπηρεσιών Υγείας. / Δικαίος, Κ., Κουτούζης, Μ., Πολύζος, Ν., Σιγάλας, Ι. Και Χλέτσος, Μ.
    • Εισαγωγή: Η ραγδαία ανάπτυξη της Τεχνητής Νοημοσύνης (ΤΝ) έχει οδηγήσει σε πολλές αλλαγές στον τομέα της υγείας, με έμφαση στην αυτοματοποίηση και τη βελτιστοποίηση των κλινικών και διοικητικών διαδικασιών. Ωστόσο, η επιτυχής υιοθέτηση της ΤΝ εξαρτάται από την ετοιμότητα και αποδοχή των επαγγελματιών υγείας, καθώς και από την επάρκεια καθοδήγησης από τους προϊσταμένους τους. Η μελέτη αυτή εξετάζει το πώς αυτοί οι δύο παράγοντες αλληλεπιδρούν και επηρεάζουν τη συνολική υιοθέτηση των τεχνολογιών ΤΝ στην κλινική πράξη.

      Σκοπός: Ο σκοπός της μελέτης ήταν να αξιολογηθεί η ετοιμότητα υιοθέτησης της ΤΝ στην κλινική πράξη από επαγγελματίες υγείας, καθώς και να εξεταστεί αν και κατά πόσο η ικανότητα και η επάρκεια του προϊστάμενου επηρεάζει αυτή την ετοιμότητα.

      Υλικό & Μέθοδος: Η συγχρονική αυτή μελέτη διεξήχθη στο Γενικό Δημόσιο Νοσοκομείο στην Κρήτη και συμμετείχαν 49 επαγγελματίες υγείας. Οι κλίμακες που χρησιμοποιήθηκαν, επιπλέον των κοινωνικών – εργασιακών και άλλων χαρακτηριστικών, περιλάμβαναν την ‘Κλίμακα Ετοιμότητας Υιοθέτησης ΤΝ στην Κλινική Πράξη’ (Readiness to adopt AI in clinical practice, όπως προσαρμόστηκε από την ετοιμότητα υιοθέτησης στις νοσηλευτικές σπουδές) και την υποκλίμακα ‘Επάρκειας και Ικανότητας Προϊσταμένου’(Leader Competence/Ability LCA), από την ‘Κλίμακα Αντιλαμβανόμενης Αξιοπιστίας Προϊσταμένου’. Η ανάλυση των δεδομένων πραγματοποιήθηκε με το πρόγραμμα SPSS και εφαρμόστηκεπολλαπλή λογιστική παλινδρόμηση.

      Αποτελέσματα: Η κατανόηση της τεχνολογίας στην οποία βασίζεται η ΤΝ βρέθηκε να είναι ο σημαντικότερος παράγοντας που συνδέεται με την ετοιμότητα υιοθέτησης της ΤΝ. Από την άλλη πλευρά, η επάρκεια και η ικανότητα του προϊστάμενου δεν φάνηκε να σχετίζεται σημαντικά με την ετοιμότητα υιοθέτησης της ΤΝ. Ένας σημαντικός αρνητικός παράγοντας ήταν η έλλειψη υπολογιστή στην οικία των συμμετεχόντων, καθώς βρέθηκε να επηρεάζει αρνητικά την ετοιμότητα.

      Συμπεράσματα: Η ετοιμότητα των επαγγελματιών υγείας να υιοθετήσουν την ΤΝ στην κλινική πράξη εξαρτάται κυρίως από την κατανόηση της τεχνολογίας, ενώ η επάρκεια και η ικανότητα των προϊσταμένων δεν φαίνεται να έχουν σημαντική επίδραση. Ως εκ τούτου, απαιτούνται εκπαιδευτικά προγράμματα που να ενισχύουν την κατανόηση της ΤΝ από τους επαγγελματίες υγείας, παράλληλα με την παροχή τεχνολογικών πόρων, όπως υπολογιστές, ώστε να διευκολυνθεί η διαδικασία ενσωμάτωσης της ΤΝ στην καθημερινή κλινική πρακτική.

    • Introduction:The development of Artificial Intelligence (AI) has led to significant changes in the healthcare sector, with a focus on automating and optimizing clinical and administrative processes. However, the successful adoption of AI depends on the readiness and acceptance of healthcare professionals, as well as their supervisors’ competence. This study explores how these two factors interact and influence the overall adoption of AI technologies in clinical practice.

      Aim:To evaluate the readiness of healthcare professionals to adopt AI in clinical practice and to assess whether and to what extent the competence and ability of their supervisors influence this readiness.

      Materials & Methods:This cross-sectional study was conducted at a General Public Hospital in Crete and involved 49 healthcare professionals. The scales used, in addition to social, occupational, and other characteristics, included the ‘Readiness to Adopt AI in Clinical Practice Scale’ (as adapted from the ‘Readiness to adopt AI in nursing studies’) and the subscale ‘Leader Competence’ from the ‘Perceived Supervisor Trustworthiness Scale’. Data analysis was performed using SPSS, and multiple logistic regression was applied.

      Results:Understanding the technology underlying AI was found to be the most significant factor associated with readiness to adopt AI. On the other hand, supervisor competence and ability were not significantly related to AI readiness. A major negative factor was the lack of a computer in the participants’ homes, which was found to negatively affect readiness.

      Conclusions:Healthcare professionals’ readiness to adopt AI in clinical practice is primarily dependent on their understanding of the technology, while supervisor competence and ability do not seem to have a significant impact. Therefore, educational programs that enhance healthcare professionals’ understanding of AI, alongside providing technological resources such as computers, are required to facilitate the integration of AI into everyday clinical practice.

  16. Hellenic Open University
  17. Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές