- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT06913049
Vývoj, implementace a hodnocení systému podpory sociálního zapojení
Cílem této klinické studie je zjistit, zda modely umělé inteligence a strojového učení (AI/ML) mohou pomoci řešit sociální potřeby u účastníků Medicaid. Hlavní otázky, na které je třeba odpovědět, jsou:
Mohou AI/ML modely přesně identifikovat sociální potřeby z administrativních údajů o zdravotní péči?
Mohou modely AI/ML přesně předvídat, které lidé se budou zapojit do sociální podpory?
Vědci budou porovnat jednotlivce, kteří žijí v různých regionech, aby zjistili, zda modely AI/ML fungují lépe než status quo.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Sociální řidiči zdraví (SDOH) jsou největšími faktory ovlivňujícími naše zdraví a pohodu, ale jsou obtížné pro systémy zdravotní péče řešit. Navzdory novým modelům, které poskytují pobídky pro zdravotní plány a poskytovatele, aby dosáhly klinické péče o zlepšení zdravotních výsledků pacientů, stávající datové infrastruktury postrádají relevantní informace na podporu těchto zásahů. Prvním problémem je identifikace; Poskytovatelé podkopávají sociální potřeby ve stávajících schématech a metodách sběru doplňkových dat, jako jsou sociální obrazovky, nejsou běžné, standardizované nebo snadno sdílené. Druhým problémem je nedostatek zapojení mezi jednotlivci a sociálními službami, což je obzvláště frustrující, protože existuje mnoho postupů založených na důkazech, které komunitní organizace (CBO) používají k řešení sociálních potřeb. Bez přesných informací o tom, kdo potřebuje sociální podporu a jak maximalizovat jejich zapojení s CBO, mají poskytovatelé a pojišťovny omezenou schopnost nasazovat intervence, které odstraňují překážky v péči a vyrovnávají zdravotní výsledky napříč zranitelnými populacemi.
Náš projekt bude aplikovat přesný přístup k medicíně k identifikaci a zapojení příjemců Medicaid se sociálními potřebami. Vyšetřovatelé se spojili s organizací spravované péče, která koordinuje výhody pro více než 250 000 členů Maryland Medicaid. Spustili celopustný program sociálního screeningu, aby přidal své stávající klinické údaje hlášené sociální potřeby. Vyšetřovatelé posílí infrastrukturu zdravotních informačních technologií (IT) pomocí sady modelů strojového učení pro identifikaci rizik, systém podpory angažovanosti, který maximalizuje využití sociálních podpor člena a nepřetržitý proces kvalitativního a kvantitativního zlepšení pro vytvoření systému zdraví učení. Tuto práci provedeme prostřednictvím následujících cílů:
Cíl 1: Vypracovat a nasazovat sadu modelů strojového učení, které používají více zdrojů dat na úrovni individuálních a komunit, aby předpovídali, kteří členové používají pohotovostní oddělení k plnění sociálních nebo neurgentních potřeb na rozdíl od léčby naléhavých zdravotních stavů. Tyto modely identifikují jednotlivce, jejichž sociální potřeby řídí nevhodné využití, aby vysoce rizikové jednotlivci dostali vylepšené terénní služby, aby usnadnili dokončení komplexního posouzení sociálních potřeb. Vyšetřovatelé budou analyzovat tato hodnocení, aby zjistili, zda naše modely vedou k posouzení jednotlivců s vyšším profilem sociálních potřeb.
CIM 2: Vypracovat a nasazovat systém podpory angažovanosti, který identifikuje a zobrazuje charakteristiky členů, které jim brání v zapojení do CBO. Tento systém bude používat techniky umělé inteligence k identifikaci charakteristik jednotlivců, kteří se historicky uvolnili z potrubí sociálních služeb před obdržením sociálních služeb a navrhli potenciální strategie pro zvýšení angažovanosti. Vyšetřovatelé použijí modely na nově hodnocené členy a předkládají předpovídání vysoce rizikových jednotlivců na zdravotnické pracovníky v komunitě prostřednictvím jejich stávající platformy IT, což jim umožní aktivně řešit překážky členů pro přístup ke službám. Vyšetřovatelé budou analyzovat úspěch angažovanosti (tj. Zda člen, který byl odkazován na služby, získal pomoc od CBO), aby určil, zda náš systém podpory zvýšil pravděpodobnost úspěchu.
Cíl 3: Implementujte proces nepřetržitého kvalitativního a kvantitativního zlepšení, který identifikuje opakující se témata a body odpojení v případech, kdy členové nebyli schopni dokončit svůj příslušný sociální zásah. Tato zjištění bude analyzována výzkumným týmem s cílem identifikovat potenciální taktiku pro řešení bariér angažovanosti a výsledná doporučení pro zvýšení zapojení se prostřednictvím systému rozšíří buď aktualizací zdravotních infrastruktury nebo školení zaměstnanců. Prostřednictvím tohoto cíle si vyšetřovatelé vytvoří zdravotnický systém učení, přičemž tým neustále zdokonaluje metody angažovanosti v celém projektu.
Studijní tým je v dobré pozici, aby vyvinul intervenční protokol sociálních potřeb a bude zahrnovat přísná hodnocení pro posouzení účinků našeho zásahu na zdravotní a sociální výsledky zúčastněných členů podle jejich demografických a geografických charakteristik. Společně tyto cíle pomohou informovat příští generaci paradigmat péče o hodnoty identifikací a řešením sociálních potřeb a zmenšením rozdílů ve zdravotních výsledcích ve velké, vysoce rizikové populaci.
Typ studie
Zápis (Odhadovaný)
Fáze
- Nelze použít
Kontakty a umístění
Studijní kontakt
- Jméno: Ian Stockwell, PhD
- Telefonní číslo: 410-455-8424
- E-mail: istock1@umbc.edu
Studijní místa
-
-
Maryland
-
Baltimore, Maryland, Spojené státy, 21250
- University of Maryland, Baltimore County
-
Kontakt:
- Ian Stockwell, PhD
- Telefonní číslo: 410-455-8424
- E-mail: istock1@umbc.edu
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
Přijímá zdravé dobrovolníky
Popis
Kritéria pro zařazení:
- Členové plánu zdraví partnerů ve věku 18-64 let
Kritéria pro vyloučení:
-
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Podpůrná péče
- Přidělení: Nerandomizované
- Intervenční model: Paralelní přiřazení
- Maskování: Singl
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Experimentální: Sess - léčba
Tato ARM obdrží zdroje koordinace péče podporované naším systémem podpory sociálního angažovanosti, včetně třídění dosahu screeningu na základě předpokládaného rizika nesplněné sociální potřeby a podpory zapojení, aby se snížila jako pravděpodobnost předčasného ukončení studia z pracovního postupu sociálních služeb.
|
V tomto protokolu vyvineme a nasadíme sadu modelů strojového učení, které používají více zdrojů dat na úrovni individuálních a komunit, aby předpovídali, kteří členové používají pohotovostní oddělení k plnění sociálních nebo ne-ne-neurgentních potřeb, na rozdíl od léčby naléhavých zdravotních stavů.
Tyto modely identifikují jednotlivce, jejichž sociální potřeby řídí nevhodné využití, aby vysoce rizikové jednotlivci dostali vylepšené terénní služby, aby usnadnili dokončení komplexního posouzení sociálních potřeb.
Budeme také vyvinout a nasazovat systém podpory angažovanosti, který identifikuje a zobrazuje charakteristiky členů, které jim brání v zapojení do organizace založené na komunitě (CBO).
Tento systém bude používat techniky umělé inteligence k identifikaci charakteristik jednotlivců, kteří se historicky uvolnili z potrubí sociálních služeb před obdržením sociálních služeb a navrhli potenciální strategie pro zvýšení angažovanosti.
|
|
Žádný zásah: Sess - kontrola
Tato paže neobdrží žádný zásah.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Změna v prevalenci sociálních sociálních potřeb souvisejících se zdravotními potřebami (HRSN), jak bylo hodnoceno nástrojem pro screeningové oddělení HRSN v Marylandu
Časové okno: Od zápisu do 12 měsíců.
|
Budeme analyzovat výsledky sociálního screeningu jednotlivců v léčebném rameni, abychom zjistili, zda náš systém vede k posouzení jednotlivců s vyšším profilem sociálních potřeb.
|
Od zápisu do 12 měsíců.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Změna v podílu účastníků, kteří dostávají sociální služby, kteří mají sociální potřebu související se zdravím
Časové okno: Od zápisu do 12 měsíců.
|
Budeme analyzovat úspěch angažovanosti (tj. Zda člen, který byl odkazován na služby, získal pomoc od CBO) pomocí sekundárních dat k určení, zda náš podpůrný systém zvýšil pravděpodobnost úspěchu.
|
Od zápisu do 12 měsíců.
|
Spolupracovníci a vyšetřovatelé
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Odhadovaný)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další identifikační čísla studie
- Kuali #1569
- 1R01MD019814-01 (Grant/smlouva NIH USA)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu IPD
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
produkt vyrobený a vyvážený z USA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .
Klinické studie na Sociální determinanty zdraví (SDOH)
-
University of BernUniversity Hospital Inselspital, BerneDokončenoNeuroscience of Dreaming, HealthŠvýcarsko
-
Queens College, The City University of New YorkNáborZveřejnění článků předložených American Journal of Public HealthSpojené státy
-
University of AarhusRegion MidtJylland Denmark; Tryg Danmark; Randers Municipality, DenmarkNeznámýKardiovaskulární onemocnění | Podpora zdraví | Duševní zdraví | Fyzická nečinnost | Self-reported Quality of HealthDánsko
-
Yorkshire Ambulance Service NHS TrustUniversity of BradfordZatím nenabírámeTestování Point of Care | Klinické rozhodování | Komunitní urgentní a pohotovostní péče | Allied Health Professional
-
University of California, San FranciscoUniversity of California, DavisZatím nenabírámeÚčastnice musí být ženy ve věku 25 let a více | Účastníci by neměli mít podle vlastního vyjádření anamnézu srdečního onemocnění nebo cévní mozkové příhody | Účastníci by neměli mít žádné terminální onemocnění nebo diagnostikované kognitivní postižení, včetně Alzheimerovy choroby | Účastníci... a další podmínkySpojené státy
Klinické studie na Systém podpory sociálního zapojení
-
University of Illinois at Urbana-ChampaignDokončenoStárnutí | Mírná kognitivní porucha | Dobře stárnoutSpojené státy
-
Corona Management SystemsKwara State Primary Healthcare Development Agency; Oyo State Primary Healthcare...Nábor