- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT07474584
Studie OpRESTORE AI-Patient Navigator
Studie OpRESTORE AI-Patient Navigator: Vývoj a testování navigátora pro pacienty vylepšeného umělou inteligencí pro britské veterány se zdravotními problémy souvisejícími se službou
OpRESTORE je celostátní služba NHS, která podporuje britské veterány se složitými fyzickými zdravotními problémy spojenými s jejich vojenskou službou. Veteráni odeslaní do OpRESTORE často potřebují péči od mnoha různých specialistů, včetně chirurgů, týmů pro léčbu bolesti, rehabilitačních a duševních zdravotních služeb. V současné době rozhodnutí o tom, která služba je nejvhodnější, provádí multidisciplinární tým (MDT) kliniků. Ačkoli je tento proces účinný, může být pomalý, náročný na zdroje a pro pacienty někdy obtížně uchopitelný.
Tato studie vyvine a otestuje nový digitální „navigátorský“ nástroj, který využívá umělou inteligenci (AI) k podpoře těchto rozhodnutí o doporučení. Cílem je zjistit, zda nástroj dokáže bezpečně a přesně přiřadit veterány ke správné cestě péče, a zároveň snížit zpoždění a zlepšit zkušenost pacientů.
Projekt bude realizován v několika fázích:
- Přezkoumání minulých záznamů OpRESTORE k návrhu modelu AI.
- Testování nástroje spolu s MDT („stínové testování“) za účelem ověření, zda jeho doporučení odpovídají klinickým rozhodnutím.
- Provedení případové kontrolní studie k porovnání výsledků mezi pacienty doporučenými s podporou AI a těmi, kteří byli doporučeni pouze MDT.
- Vytvoření a testování strukturovaného formuláře pro samoodeslání, který usnadní veteránům přímý přístup k péči.
Hlavním výsledkem bude, zda nástroj AI činí stejná rozhodnutí o doporučení jako MDT. Mezi další výsledky patří spokojenost pacientů, kvalita života, čas potřebný k dosažení správné služby a celkové náklady.
Studie bude rekrutovat veterány ve věku 18 let a starší, kteří jsou odesláni do OpRESTORE s potřebou fyzického zdraví. Bude probíhat dva roky. Pokud bude úspěšná, tento přístup by mohl uvolnit čas kliniků, zkrátit čekací doby na léčbu a zlepšit zdraví a pohodu veteránů, a zároveň položit základy pro širší využití navigace podporované AI v rámci NHS.
Přehled studie
Postavení
Podmínky
Detailní popis
POZADÍ
Úvod OpRESTORE byl založen v roce 2016 s cílem poskytovat specializovanou multidisciplinární péči britským válečným veteránům s potřebami služebně souvisejícího fyzického zdraví. Za posledních sedm let bylo do služby odesláno více než 1 500 pacientů, což odráží jak vysokou zátěž komplexních onemocnění v této skupině, tak i nenaplněnou potřebu koordinovaných postupů péče. OpRESTORE prokázal jasné přínosy: pacienti uvádějí vysokou spokojenost, téměř 60 % případů je přesměrováno na vhodnější postup a v ukazatelích EQ-5D-5L jsou pozorována statisticky významná zlepšení. Nicméně míra odesílání pacientů roste o více než 30 % ročně, což hrozí překročením klinické kapacity. Výzvou není nedostatek odborných znalostí, ale škálovatelnost. Aby bylo možné nadále poskytovat kvalitní, včasnou a spravedlivou péči, je nutná digitální evoluce postupu OpRESTORE.
Proč byl OpRESTORE potřeba OpRESTORE vznikl jako reakce na systémové neefektivity v postupech péče o pacienty v NHS. Za poslední desetiletí se roky dobrého zdraví zkrátily, přičemž 15–20 % populace je postiženo muskuloskeletální patologií, což je hlavní příčinou invalidity a ekonomické neaktivity a tvoří podstatnou část pracovní zátěže OpRESTORE. Primární péče je stále více přetížená: poprvé za dvě desetiletí převyšuje nespokojenost pacientů s praktickými lékaři spokojenost. Přístup je obzvláště omezený v znevýhodněných komunitách, což přispívá k prohlubování zdravotních nerovností. Pro veterány jsou tyto výzvy umocněny fragmentovanou lékařskou péčí po přechodu z ozbrojených sil, obtížemi při orientaci v systému civilní zdravotní péče a psychosociálními dopady opuštění služebního života. Skepticismus ohledně schopnosti civilních poskytovatelů pochopit nuance stavů souvisejících s vojenskou službou také odrazuje veterány od využívání péče NHS.
Postupy odesílání pacientů jsou hlavním úzkým hrdlem. 7–9 % návštěv u praktického lékaře vede k odeslání pacienta, ale 18 % pacientů vyžaduje čtyři nebo více konzultací, než jsou odesláni. Klíčové je, že 21 % pacientů spadá do „černé díry odeslání“, kde jsou schůzky zrušeny, špatně směrovány nebo ztraceny následná péče. Tato zpoždění prodlužují již tak dlouhou cestu odeslání: v roce 2022 čekalo 25 % lidí v Anglii na schůzku, test nebo zákrok a 59 % pacientů nedostalo specializovanou péči v rámci 18týdenního cíle. Výsledkem je systém, ve kterém praktičtí lékaři nesou rostoucí pracovní zátěž, specialisté čelí nevhodným nebo opožděným odesláním a pacienti zažívají nerovnoměrnou, zdlouhavou a fragmentovanou péči. Veteráni, kteří často trpí mnohočetnými onemocněními, komplexními fyzickými potřebami a často i psychosociálními problémy, jsou na tato selhání obzvláště zranitelní.
Navigace ve zdravotnictví jako řešení
Navigace ve zdravotnictví nabízí osvědčené řešení fragmentovaných systémů. Evidence je rozsáhlá: pro tento projekt byla konzultována jedna metaanalýza a 13 systematických přehledů, kromě relevantních individuálních publikací. Tyto studie společně ukazují, že navigační programy důsledně zlepšují přístup k péči a zlepšují výsledky pacientů. Klíčová zjištění zahrnují:
- Zvýšený zájem o screening,
- Zlepšená účast na schůzkách, dodržování následné péče a dodržování léčby,
- Zkrácení doby do diagnózy a léčby,
- Snižená neplánovaná péče včetně návštěv pohotovosti a hospitalizací ((8,16,17) a kratší hospitalizace, když k nim dojde,
- Zlepšená spokojenost pacientů a výsledky, zejména u chronických onemocnění a znevýhodněných skupin,
- Snižená úmrtnost.
Bylo také prokázáno, že navigace přináší měřitelné úspory nákladů. Příklady zahrnují snížení výdajů na onkologickou péči o 1 676 USD na pacienta za měsíc a úspory 17 780 USD ročně pro pacienty v programu NavSTAR pro zneužívání návykových látek. Systematické přehledy důsledně docházejí k závěru, že navigace pacientů zkracuje pobyty v nemocnici a snižuje neplánovanou péči, což jsou oba hlavní hnací síly nákladů. Studie finančního modelování podobně předpovídají významné úspory na pacienta v přechodné péči a onkologických postupech.
Navigátor pacientů OpRESTORE prokázal některé z těchto přínosů. Více než polovina pacientů je přesměrována na jiný postup, než se původně očekávalo, což zajišťuje vhodnější využití vzácných specializovaných služeb. Výsledky hlášené pacienty (PROM; EQ-5D-5L) ukazují měřitelné zlepšení kvality života a průzkumy pacientů uvádějí vysokou míru spokojenosti se službou. Stručně řečeno, OpRESTORE prokázal koncept navigace pro veterány v britském kontextu.
Nově se objevující výzva: pracovní zátěž a škálovatelnost Navzdory těmto úspěchům nyní OpRESTORE čelí bodu zvratu. S objemem odeslání rostoucím o více než 30 % ročně hrozí, že pracovní zátěž převýší dostupný personál. Pokračování v rozšiřování čistě prostřednictvím lidských kapacit není udržitelné. Co je potřeba, je digitální rozšíření postupu, pracovat chytřeji, ne tvrději. Některé prvky navigace, zejména třídění jednoduchých případů, jsou vhodné pro automatizaci. To však musí být dosaženo bez obětování prvků zaměřených na pacienta a „lidského přístupu“, které jsou základem úspěchu OpRESTORE. Řešení s umělou inteligencí by mohlo zefektivnit pracovní postup, snížit pracovní zátěž a uvolnit lidské zdroje, aby přidaly hodnotu prostřednictvím přímého kontaktu s pacienty, nikoli byrokratických a administrativních procesů.
Dalším rozměrem je potenciál modelů vlastního odeslání. Napříč Evropou se systémy zdravotní péče stále více obracejí k restriktivnímu gatekeepingu, omezují přímý přístup ke specialistům v naději na kontrolu nákladů v důsledku stárnutí populace a rostoucí poptávky. Přesto takové přístupy riskují oddálení péče pro ty, kteří ji skutečně potřebují. Navigace pacientů vylepšená umělou inteligencí nabízí vyváženější alternativu: umožňuje efektivní vlastní odeslání pacientů, kteří si zaslouží specializovanou péči, a zároveň zajišťuje inteligentní gatekeeping prostřednictvím triage usnadněného umělou inteligencí.
Mezery v důkazech a role umělé inteligence Zatímco navigace pacientů je dobře etablována v onkologické péči a některých kontextech chronických onemocnění, existuje málo publikovaného výzkumu o navigaci ve zdravotnictví vylepšené umělou inteligencí, zejména ve Spojeném království a napříč více specializacemi. Současná publikovaná literatura se většinou skládá ze studijních protokolů nebo budoucích projektů a názorových článků. Přehledy zdůrazňují potenciál umělé inteligence podporovat třídění, personalizovat vzdělávání pacientů, zlepšovat koordinaci péče a optimalizovat využití zdrojů. Chybí však robustní hodnocení v reálném světě.
Náš tým tuto mezeru řeší systematickým přehledem umělé inteligence v navigaci ve zdravotnictví (PROSPERO 2025 CRD420251019208). To bude informovat o návrhu a hodnocení digitální, umělou inteligencí vylepšené verze postupu OpRESTORE.
Digitalizace a inteligentní automatizace OpRESTORE je nejen klíčová pro jeho další růst a úspěch, ale je také jedinečně postavená, aby sloužila jako testovací případ pro průkopnickou navigaci pacientů s umělou inteligencí u britských veteránů. Je bezpečná, s etablovanou multidisciplinární klinickou záchrannou sítí. Má téměř devět let dat na úrovni pacientů napříč >1 500 případy. Skladba případů nabízí jak složitost (mnohočetná onemocnění, patologie související se službou), tak jednoduchost (téměř 50 % zůstává na stejném postupu a existuje vysoká homogenita, přičemž muskuloskeletální odeslání tvoří 74 % případů). Tato rovnováha činí OpRESTORE jak rigorózním, tak proveditelným prostředím pro pilotní navigaci s umělou inteligencí.
Soulad s politikou Důležité je, že digitalizace OpRESTORE je v souladu s prioritami britského zdravotního systému. Plán obnovy přístupu k primární péči (2023–25) zdůrazňuje význam vlastního odeslání a digitální transformace pro snížení zátěže praktických lékařů a zlepšení přístupu ke zdravotní péči. Dlouhodobý plán NHS a přehled Darzi (2024) zdůrazňují urychlení digitalizace, využití umělé inteligence a posun k efektivitě navigace pacientů podporované technologiemi. Institut Tonyho Blaira (2024) zdůraznil umělou inteligenci, konkrétně pro třídění a navigaci, jako klíčový hybatel udržitelné reformy zdravotnictví.
Závěr OpRESTORE prokázal hodnotu navigace pacientů pro veterány ve Spojeném království, ale čelí neudržitelnému nárůstu poptávky. Digitalizace, informovaná robustním výzkumem a nástroji vylepšenými umělou inteligencí, nabízí bezpečnou, škálovatelnou cestu vpřed. Kombinací navigace založené na důkazech s národními politickými prioritami navrhovaný výzkum vygeneruje poznatky relevantní nejen pro veterány, ale i pro širší NHS a mezinárodní systémy zdravotní péče.
ODŮVODNĚNÍ PRO SOUČASNOU STUDII Tento projekt si klade za cíl vyhodnotit, zda nástroj navigace pacientů vylepšený umělou inteligencí může replikovat rozhodování MDT a zároveň snížit pracovní zátěž kliniků. Tato studie je navržena tak, aby informovala o postupném zavádění digitálního navigačního postupu, včetně vlastního odeslání, klinicky ověřeného algoritmického třídění a nakonec selektivní automatizace pro vhodné případy.
Výzkumná otázka:
Může digitální navigátor pacientů vylepšený umělou inteligencí bezpečně a přesně replikovat rozhodnutí MDT v postupu OpRESTORE a zároveň snížit pracovní zátěž kliniků? Může zlepšit efektivitu systému a zkušenosti a výsledky hlášené pacienty?
Hypotéza:
Digitální nástroj navigace pacientů vylepšený umělou inteligencí bude schopen vést pacienty k vhodným postupům péče se stejnou spolehlivostí jako rozhodování MDT, přičemž bude vyžadovat méně manuálního vstupu. Navíc strukturované vlastní odeslání zachytí bohatší klinická data než tradiční odeslání vedená praktickými lékaři, což povede ke zlepšené zkušenosti a zapojení pacientů.
2. STUDIJNÍ CÍLE
Primární cíl:
Zjistit, zda je digitální navigační algoritmus vylepšený umělou inteligencí ekvivalentní rozhodování MDT při směrování pacientů k vhodným postupům péče.
Sekundární cíle:
- Vyhodnotit zkušenost pacientů (PREMs) a PROMs napříč různými postupy odeslání.
- Identifikovat kohorty pacientů vhodné pro automatizaci (definováno jako 80–95 % počáteční přesnosti algoritmu).
- Posoudit dobu do diskuse MDT a vydání odeslání.
- Provést analýzu nákladů porovnávající standardní a digitální pracovní postupy.
Porovnat rozhodnutí MDT s doporučeními založenými na pokynech NICE.
3. DESIGN STUDIE
Typ studie: Vývoj a hodnocení digitální zdravotní intervence – Smíšená metoda vývoje digitálního zdravotnictví a algoritmu umělé inteligence, zahrnující retrospektivní analýzu klinických záznamů, prospektivní observační validaci a budoucí intervenční případovou kontrolní studii nástroje navigace ve zdravotnictví založeného na umělé inteligenci.
Doba trvání: 2 roky
Subjekty: Veteráni přistupující k navigačnímu postupu pacientů OpRESTORE.
3.1. STUDIJNÍ UKAZATELE VÝSLEDKŮ
Primární koncový bod:
Souhlas mezi doporučeními postupu péče generovanými algoritmem a rozhodnutími MDT.
Sekundární koncové body:
- Přesnost odeslání, určená nezávislými odborníky, je rovna nebo lepší než u MDT.
- Zvýšení skóre EQ5D-5L (od vstupu do výstupu) pacientů v postupu podporovaném algoritmem je rovno nebo větší než u standardního postupu.
- Míry zkušeností hlášené pacienty (PREMs) hodnocené po odeslání (např. celková spokojenost, snadnost použití, dostupnost) pacientů v postupu podporovaném algoritmem jsou rovny nebo větší než u standardního postupu.
- Doba od odeslání do rozhodnutí MDT a vydání odeslání je rychlejší v postupu podporovaném algoritmem.
- Náklady na epizodu odeslání jsou nižší v postupech podporovaných umělou inteligencí.
- Podíl odeslání asistovaných algoritmem poskytující silnou podporu pro léčebný postup a nevyžadující další vstup od MDT, s cílem 40 %.
- Vhodnost této platformy pro podskupinu veteránů-amputátorů.
Typ studie
Zápis (Odhadovaný)
Fáze
- Nelze použít
Kontakty a umístění
Studijní kontakt
- Jméno: Natalia L Sanchez-Thompson, MRCS MSc
- Telefonní číslo: +447791700255
- E-mail: natalia.sanchez-thompson@nhs.net
Studijní místa
-
-
-
London, Spojené království, W2 1NY
- OpRESTORE, Imperial College Healthcare NHS trust
-
Kontakt:
- Beth Lambert
- E-mail: beth.lambert4@nhs.net
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Popis
Kritéria pro zařazení:
- Splňuje kritéria pro odeslání do služby OpRESTORE
- Věk 18 let nebo starší.
- Způsobilost k udělení souhlasu.
- Má potřebu v oblasti fyzického zdraví (např. ne čistě duševní zdraví nebo hledání rady v oblasti sociální péče)
Kritéria pro vyloučení:
- Odeslání zpracovaná mimo standardní pracovní postup multidisciplinárního týmu.
- Pacienti bez způsobilosti k udělení souhlasu.
- Vězni.
- Akutní projevy, které je nejlépe řešit prostřednictvím záchranných služeb a nejsou vhodné pro OpRESTORE.
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Výzkum zdravotnických služeb
- Přidělení: Randomizované
- Intervenční model: Paralelní přiřazení
- Maskování: Singl
Zbraně a zásahy
Skupina účastníků / Arm |
Intervence / Léčba |
|---|---|
|
Aktivní komparátor: Standardní péče – MDT postup
Pacient bude zařazen do stávající cesty OpRESTORE.
To znamená manuální zpracování jeho doporučení týmem pro navigaci ve zdravotnictví OpRESTORE, shrnutí zdravotního stavu, projednání na multidisciplinárním týmu a dosažení shody o výsledku léčby.
|
Toto je současný standard péče, který představuje navigační cestu ve zdravotní péči, kde jsou informace extrahovány ručně a případy jsou diskutovány na opRESTORE MDT pro veterány ve Spojeném království.
|
|
Experimentální: AI-OpRESTORE - automatizovaná cesta
V tomto postupu jsou data automaticky shromažďována od samotných pacientů prostřednictvím samonavádění, automatického screeningu jejich zdravotní dokumentace a pouze tam, kde je to potřeba, lidským vkladem (členy klinického týmu OpRESTORE) nebo dodatečnými informacemi.
Tyto informace jsou následně zpracovány prediktivním algoritmem výsledků, který rozhoduje o výsledku léčby.
Rozhodnutí je považováno za konečné, ale pro účely této studie je přezkoumáno členy klinického týmu a klinickými členy výzkumného týmu, aby byla zajištěna klinická soudržnost a zabránilo se poškození účastníků.
|
V rámci této studie byl vyvinut algoritmus, který na základě základních demografických proměnných, cílených klinických otázek a předchozích klinických záznamů předpovídá pacientovi nejlepší léčebnou cestu.
Toto je první verze tohoto vyvíjeného algoritmu, která je postavena na datech veteránů z britského OpRESTORE a testována na stejné populaci.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Shoda algoritmu vůči kontrole
Časové okno: Po dokončení jak rozhodnutí MDT, tak generování výstupu algoritmu (podle toho, co nastane později), obvykle 8 týdnů po doporučení pro prospektivní případy nebo po zpracování algoritmu pro retrospektivní data.
|
Shoda mezi doporučeními péče generovanými algoritmem a rozhodnutími multidisciplinárního týmu (MDT).
Rozhodnutí MDT určují nejvhodnější léčebný postup a jsou zaznamenána v souhrnném dokumentu MDT a databázi sledování doporučení.
Cesty odpovídají konkrétním službám NHS nebo třetího sektoru seskupeným do kategorií a podkategorií (např. ortopedická chirurgická klinika podle kloubu; ORL služby rozdělené na ORL kliniku nebo audiologii; služby pro léčbu bolesti rozdělené na kliniky NHS, konkrétní konzultanty nebo programy třetího sektoru).
Výstupy algoritmu jsou porovnány s rozhodnutími MDT a klasifikovány jako: plná shoda (kategorie a podkategorie), pouze shoda kategorií, nesprávné doporučení nebo doporučení na MDT z důvodu nízké spolehlivosti algoritmu.
|
Po dokončení jak rozhodnutí MDT, tak generování výstupu algoritmu (podle toho, co nastane později), obvykle 8 týdnů po doporučení pro prospektivní případy nebo po zpracování algoritmu pro retrospektivní data.
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Výsledky hlášené pacienty (EQ5D-5L)
Časové okno: Od náboru do 6 měsíců po náboru.
|
Zlepšení výsledků hlášených pacienty (od výchozího stavu k ukončení) u pacientů sledovaných podle algoritmem podporovaného postupu je stejné nebo lepší než u pacientů sledovaných podle standardního postupu.
Používá se standardizovaný dotazník EuroQol EQ5D-5L.
Nižší skóre odpovídá lepší kvalitě života.
Skládá se z 5 otázek a výsledky jsou prezentovány popisně jako 5místné číslo (kde každá číslice odpovídá odpovědi na jednu z otázek) nebo jako složené skóre s minimální hodnotou 5 a maximální hodnotou 25 (všechny otázky mají stejnou váhu).
|
Od náboru do 6 měsíců po náboru.
|
|
Přesnost doporučení
Časové okno: V okamžiku rozhodnutí o výsledku ve srovnání s odborným vstupem do 3 měsíců od doporučení.
|
Přesnost odkazů, jak ji určili nezávislí odborníci, je rovna nebo lepší než přesnost MDT.
Výsledky spadají do 3 kategorií podobných primárním výsledkům: plná shoda (kategorie a podkategorie), shoda pouze v kategorii, nesprávné doporučení.
Ti, na které algoritmus odkazuje na MDT, nejsou pro tento výsledek zvažováni.
|
V okamžiku rozhodnutí o výsledku ve srovnání s odborným vstupem do 3 měsíců od doporučení.
|
|
Míry zkušeností hlášené pacienty
Časové okno: Od doporučení do 6 měsíců po doporučení
|
Dotazníky PREMs (hodnocení zkušeností pacientů) vyhodnocené po doporučení srovnávané mezi pacienty využívajícími samodoporučení versus doporučení praktickým lékařem a mezi těmi, kteří procházejí algoritmem, a těmi, kteří procházejí manuálním MDT (4 výsledné skupiny).
PREMS je hodnoceno pomocí dotazníku Veteran Affairs Trust.
Skládá se ze 4 otázek s možnostmi výběru odpovědí na 5bodové Likertově škále.
Srovnání je popisné napříč 4 otázkami (složené skórování není validováno).
|
Od doporučení do 6 měsíců po doporučení
|
|
Účinnost časové dráhy
Časové okno: Od přijetí doporučení k rozhodnutí o léčebném postupu (algoritmem generované doporučení nebo rozhodnutí multidisciplinárního týmu), až 6 měsíců.
|
Čas od přijetí doporučení (samoodeslání nebo doporučení praktickým lékařem) k rozhodnutí o léčebném postupu.
V kontrolní skupině jde o čas od přijetí doporučení k definitivnímu rozhodnutí o léčbě zaznamenanému na MDT a zdokumentovanému v pacientově sledovači a v zápisu z MDT.
Ve skupině s algoritmem jde o čas od přijetí doporučení k doporučení léčby generovanému algoritmem.
Pokud je důvěra v algoritmus nízká, případ je předán MDT a čas k rozhodnutí je zaznamenán po dokončení MDT, stejně jako v kontrolní skupině.
|
Od přijetí doporučení k rozhodnutí o léčebném postupu (algoritmem generované doporučení nebo rozhodnutí multidisciplinárního týmu), až 6 měsíců.
|
|
Náklady na jeden odkazový případ
Časové okno: Od doporučení až do propuštění ze služby (obvykle ne déle než 6 měsíců).
|
Náklady na jeden epizodu doporučení jsou nižší v cestách podporovaných umělou inteligencí.
|
Od doporučení až do propuštění ze služby (obvykle ne déle než 6 měsíců).
|
|
Stupeň automatizace
Časové okno: Hodnoceno od doporučení do propuštění ze služby (obvykle ne déle než 6 měsíců)
|
Podíl doporučení s algoritmickou asistencí poskytujících silnou podporu pro léčebný postup a nevyžadujících další vstup multidisciplinárního týmu (MDT), s cílem 40 %.
|
Hodnoceno od doporučení do propuštění ze služby (obvykle ne déle než 6 měsíců)
|
Další výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Vhodnost pro osoby s amputací
Časové okno: Hodnoceno po vygenerování výsledku MDT a po dobu 3 měsíců poté.
|
Vhodnost této platformy pro podskupinu veteránů-amputátorů.
|
Hodnoceno po vygenerování výsledku MDT a po dobu 3 měsíců poté.
|
Spolupracovníci a vyšetřovatelé
Vyšetřovatelé
- Vrchní vyšetřovatel: Shehan Hettiaratchy, FRCS MD, Imperial College Healthcare NHS Trust
Publikace a užitečné odkazy
Obecné publikace
- McBrien KA, Ivers N, Barnieh L, Bailey JJ, Lorenzetti DL, Nicholas D, Tonelli M, Hemmelgarn B, Lewanczuk R, Edwards A, Braun T, Manns B. Patient navigators for people with chronic disease: A systematic review. PLoS One. 2018 Feb 20;13(2):e0191980. doi: 10.1371/journal.pone.0191980. eCollection 2018.
- Ali-Faisal SF, Colella TJ, Medina-Jaudes N, Benz Scott L. The effectiveness of patient navigation to improve healthcare utilization outcomes: A meta-analysis of randomized controlled trials. Patient Educ Couns. 2017 Mar;100(3):436-448. doi: 10.1016/j.pec.2016.10.014. Epub 2016 Oct 17.
- Desveaux L, McBrien K, Barnieh L, Ivers NM. Mapping variation in intervention design: a systematic review to develop a program theory for patient navigator programs. Syst Rev. 2019 Jan 8;8(1):8. doi: 10.1186/s13643-018-0920-5.
- Roland KB, Milliken EL, Rohan EA, DeGroff A, White S, Melillo S, Rorie WE, Signes CC, Young PA. Use of Community Health Workers and Patient Navigators to Improve Cancer Outcomes Among Patients Served by Federally Qualified Health Centers: A Systematic Literature Review. Health Equity. 2017 May 1;1(1):61-76. doi: 10.1089/heq.2017.0001. eCollection 2017.
- Naylor MD, Brooten DA, Campbell RL, Maislin G, McCauley KM, Schwartz JS. Transitional care of older adults hospitalized with heart failure: a randomized, controlled trial. J Am Geriatr Soc. 2004 May;52(5):675-84. doi: 10.1111/j.1532-5415.2004.52202.x. Erratum In: J Am Geriatr Soc. 2004 Jul;52(7):1228.
- Le Berre M, Maimon G, Sourial N, Gueriton M, Vedel I. Impact of Transitional Care Services for Chronically Ill Older Patients: A Systematic Evidence Review. J Am Geriatr Soc. 2017 Jul;65(7):1597-1608. doi: 10.1111/jgs.14828. Epub 2017 Apr 12.
- Large O, Ward D, Refsum C, Atkinson I. Preparing the NHS for the AI Era: Why Smarter Triage and Navigation Mean Better Health Care. 2025.
- FIT FOR THE FUTURE 10 Year Health Plan for England Executive Summary. 2025.
- NHS England. Delivery plan for recovering access to primary care: update and actions for 2024-25 [Internet]. 2024 [cited 2024 Nov 5]. Available from: https://www.england.nhs.uk/long-read/delivery-plan-for-recovering-access-to-primary-care-update-and-actions-for-2024-25/
- Hill A, Morrissey D, Marsh W. "It's the future, come on!": a think aloud study exploring clinicians' use of knowledge-based AI decision support. Int J Med Inform. 2025 Dec;204:106089. doi: 10.1016/j.ijmedinf.2025.106089. Epub 2025 Aug 21.
- Moser EC, Narayan G. Improving breast cancer care coordination and symptom management by using AI driven predictive toolkits. Breast. 2020 Apr;50:25-29. doi: 10.1016/j.breast.2019.12.006. Epub 2020 Jan 21.
- D'Amours G, Clausen M, Luca S, Reble E, Kodida R, Assamad D, Bernier F, Chad L, Costain G, Dhalla I, Faghfoury H, Friedman JM, Hewson S, Jamieson T, Silver J, Shuman C, Osmond M, Carroll JC, Jobling R, Laberge AM, Aronson M, Liston E, Lerner-Ellis J, Marshall C, Brudno M, Pham Q, Rudzicz F, Cohn R, Mamdani M, Smith M, Shastri-Estrada S, Seto E, Thorpe K, Ungar W, Hayeems RZ, Bombard Y. Genetics Navigator: protocol for a mixed methods randomized controlled trial evaluating a digital platform to deliver genomic services in Canadian pediatric and adult populations. BMJ Open. 2024 Sep 3;14(9):e090084. doi: 10.1136/bmjopen-2024-090084.
- Puthenpura V, Hunter M, Marks AM. "Techquity" in Pediatric, Adolescent, and Young Adult Oncology: Addressing Inequities Through Artificial Intelligence and Immersive Technologies. Pediatr Blood Cancer. 2025 Oct;72(10):e31909. doi: 10.1002/pbc.31909. Epub 2025 Jul 18.
- Sripa P, Hayhoe B, Garg P, Majeed A, Greenfield G. Impact of GP gatekeeping on quality of care, and health outcomes, use, and expenditure: a systematic review. Br J Gen Pract. 2019 May;69(682):e294-e303. doi: 10.3399/bjgp19X702209. Epub 2019 Mar 25.
- Ntais C, Kontodimopoulos N, Talias MA. Gatekeeping or Provider Choice for Sustainable Health Systems? A Literature Review on Their Impact on Efficiency, Access, and Quality of Services. J Mark Access Health Policy. 2024 Dec 6;12(4):378-387. doi: 10.3390/jmahp12040029. eCollection 2024 Dec.
- Rajabiun S, Cabral HJ, Chen CA, Lloyd-Travaglini C, Dugas JN, Amburgey D, Fitzgerald M, Lemon SC, Haas JS, Freund KM, Battaglia T; TRIP Consortium. Cost and activity analysis for a citywide patient navigation intervention to engage underserved patients in breast cancer treatment: Findings from the Translating Research Into Practice study. Cancer. 2025 Jan 1;131(1):e35671. doi: 10.1002/cncr.35671.
- Orme S, Zarkin GA, Dunlap LJ, Nordeck CD, Schwartz RP, Mitchell SG, Welsh C, O'Grady KE, Gryczynski J. Cost and Cost Savings of Navigation Services to Avoid Rehospitalization for a Comorbid Substance Use Disorder Population. Med Care. 2022 Aug 1;60(8):631-635. doi: 10.1097/MLR.0000000000001743. Epub 2022 Jun 10.
- Mullangi S, Worland SC, Dharmarajan K, Green RJ, Sachdeva K, Johnstone D, et al. Reduction in cancer spending due to patient navigation. JCO Oncol Pract. 2023 Nov;19(11_suppl):557-557.
- Manderson B, McMurray J, Piraino E, Stolee P. Navigation roles support chronically ill older adults through healthcare transitions: a systematic review of the literature. Health Soc Care Community. 2012 Mar;20(2):113-27. doi: 10.1111/j.1365-2524.2011.01032.x. Epub 2011 Oct 13.
- Ranaghan C, Boyle K, Meehan M, Moustapha S, Fraser P, Concert C. Effectiveness of a patient navigator on patient satisfaction in adult patients in an ambulatory care setting: a systematic review. JBI Database System Rev Implement Rep. 2016 Aug;14(8):172-218. doi: 10.11124/JBISRIR-2016-003049.
- Bush ML, Kaufman MR, Shackleford T. Adherence in the Cancer Care Setting: a Systematic Review of Patient Navigation to Traverse Barriers. J Cancer Educ. 2018 Dec;33(6):1222-1229. doi: 10.1007/s13187-017-1235-2.
- Robinson-White S, Conroy B, Slavish K, Rosenzweig M. Patient Navigation in Breast Cancer: A Systematic Review. Cancer Nurs [Internet]. 2010;33(2). Available from: http://journals.lww.com/cancernursingonline
- Genoff MC, Zaballa A, Gany F, Gonzalez J, Ramirez J, Jewell ST, Diamond LC. Navigating Language Barriers: A Systematic Review of Patient Navigators' Impact on Cancer Screening for Limited English Proficient Patients. J Gen Intern Med. 2016 Apr;31(4):426-34. doi: 10.1007/s11606-015-3572-3. Epub 2016 Jan 19.
- Budde H, Williams GA, Winkelmann J, Pfirter L, Maier CB. The role of patient navigators in ambulatory care: overview of systematic reviews. BMC Health Serv Res. 2021 Oct 28;21(1):1166. doi: 10.1186/s12913-021-07140-6.
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
Klíčová slova
Další identifikační čísla studie
- 199335
- OpRESTORE number (Jiný identifikátor: OpRESTORE, Imperial College Healthcare NHS trust)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
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 OpRESTORE navigace ve zdravotnictví
-
Johns Hopkins Bloomberg School of Public HealthNational Institute on Minority Health and Health Disparities (NIMHD)NáborPřípravka | Prevence HIV | Ženy | Intimní partnerské násilí (IPV)Spojené státy
-
University of California, San DiegoNational Cancer Institute (NCI); Dana-Farber Cancer Institute; University of... a další spolupracovníciNábor
-
Weill Medical College of Cornell UniversityUkončeno
-
University of New MexicoStaženoOnemocnění ledvin | Sociální determinanty zdraví
-
Johns Hopkins Bloomberg School of Public HealthNational Institute on Drug Abuse (NIDA); University of Wisconsin, MadisonDokončenoHIV | Užívání drogSpojené státy
-
University of California, San DiegoNational Institute of Mental Health (NIMH); Kaiser PermanenteDokončenoPoruchou autistického spektra | Duševní zdraví | Implementační věda | Behaviorální zdravíSpojené státy
-
University of New MexicoUniversity of Pittsburgh; Case Western Reserve University; University of Massachusetts...Aktivní, ne nábor
-
Tulane UniversityUniversity of Alabama at Birmingham; Louisiana State University Health Sciences... a další spolupracovníciUkončenoCOVID-19 | Systémový lupus erythematodesSpojené státy
-
Seoul National University Bundang HospitalNábor
-
Katherine DeansSociety of University SurgeonsDokončeno