Effektiviteten af et eTriaging-system til sygdomstriaging
Effektiviteten af at bruge eTriaging-system til sygdomstriaging i samfundsbefolkningen
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Fase
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510000
- Zhognshan Ophthalmic Center, Sun Yat-sen University
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier:
- Folk over 18 år.
- At have en smartphone/tablet og i stand til at se og betjene eTriaging APP'en.
- Villig til at deltage i undersøgelsen og levere informeret indhold.
Ekskluderingskriterier:
- NA
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Andet
- Tildeling: N/A
- Interventionel model: Enkelt gruppeopgave
- Maskning: Ingen (Åben etiket)
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Eksperimentel: Et selvevalueringsværktøj baseret på Large Language Model
Selvevalueringsværktøjet, drevet af en stor sprogmodel, behandler brugerforespørgsler gennem en omfattende generering, beslutning, handling og sikkerhedsramme for at levere optimale svar.
Systemets nøglefunktioner omfatter genfinding-augmented in-context learning, som forbedrer de svar, der genereres ved at hente information fra pålidelige websteder.
Det inkorporerer også et Guardrail-modul for at afbøde potentielt skadeligt indhold i svarene ved at validere indholdet før levering.
Derudover har systemet et selvkontrollerende hukommelsesmodul, der bevarer væsentlige kliniske egenskaber på tværs af multi-turn dialoger, hvilket sikrer ensartet og kontinuerlig interaktion med brugerne.
|
Efter baselinevurderingen vil deltagerne blive guidet til uafhængigt at bruge et selvevalueringsværktøj til at vurdere deres risiko for diabetisk retinopati (DR). Dette værktøj er en fusion af et konversations-AI-system baseret på LLM og en eksisterende logistisk diagnostisk model. AI-systemet er designet til at indsamle kliniske variabler, herunder alder, varighed af diabetes, Body Mass Index (BMI) og insulinforbrug. Derudover vil kliniske testdata såsom middelarterielt tryk, HbA1c, serumkreatinin og mikroalbuminuri blive ekstraheret fra et lokalt datasæt ved hjælp af patientens navn og ID. Når de er indsamlet, vil disse data blive overført til en serverbaseret diagnostisk model for yderligere analyse for at bestemme tilstedeværelsen af DR. |
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
AUROC af selvevalueringsværktøjet
Tidsramme: Umiddelbart efter brug af chatbot
|
Ydeevnen af selvevalueringsværktøjet evalueres med nøjagtighed med reference til de diagnostiske etiketter af senior øjenlæger baseret på fundusfotos.
|
Umiddelbart efter brug af chatbot
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Yingfeng Zheng, Zhongshan Ophthalmic Center, Sun Yat-sen University
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 2022KYPJ258
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .