Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Dataindsamling til tilsluttet netværk til EMS'er Omfattende teknisk support ved hjælp af kunstig intelligens

3. juli 2023 opdateret af: Yonsei University
I øjeblikket er det hjemlige akutmedicinske system afbrudt fra informationsstrømmen mellem hospitaler, akutpladser og kontrolinstanser, som er deltagere i det akutmedicinske system, og der er begrænsninger i at indsamle og udnytte integrerede data i nødsituationer [1]. På grund af manglen på mandskab til beredskabstjenesterne på stedet og manglen på et system til levering af patientoplysninger i realtid, er der desuden ikke foretaget tilstrækkelige dataregistreringer til at afspejle situationen på beredskabsstedet, og akut patientinformation på præstationen -hospitalsstadiet leveres ikke til overførselshospitalet [1]. Optegnelser over præhospitale patientoplysninger, som i øjeblikket er ved at blive udarbejdet, er ofte skrevet i hånden, baseret på paramedicineres hukommelse efter at have afsluttet patientoverførsel, så dataene er meget unøjagtige og kan ikke garanteres at være pålidelige[2]. Især i tilfælde af de fire store alvorlige nødsygdomme, som kaldes hjertestop, alvorligt traume, kardiovaskulær nødsituation og cerebrovaskulær nødsituation, er patientinformationen, der identificeres i nødstadiet, meget vigtig for at bestemme sværhedsgraden, så det er meget vigtigt at indsamle patientinformation i realtid i felten for at evaluere sværhedsgraden, og baseret på resultaterne af denne evaluering er det muligt at vælge en medicinsk institution, der er egnet til behandling [3,4]. I tilfælde af disse alvorlige akutsygdomme, da målrettet behandling er fastlagt at blive udført inden for en vis tid, er det, hvis lægeinstitutionens lægepersonale er bekendt med patientens oplysninger, inden patienten ankommer til hospitalet, evt. at forberede sig på forhånd til akut behandling og derved øge præstationsraten for akutbehandling inden for en rimelig tid [5,6,7].

Studieoversigt

Status

Status

Angiver den aktuelle rekrutteringsstatus eller den udvidede adgangsstatus.
Afsluttet

Betingelser

Betingelser

Den sygdom, lidelse, syndrom, sygdom eller skade, der undersøges. På ClinicalTrials.gov kan tilstande også omfatte andre sundhedsrelaterede problemer, såsom levetid, livskvalitet og sundhedsrisici.

Detaljeret beskrivelse

Vi udvikler en AI-baseret algoritme, der kan forudsige de fire store alvorlige nødsygdomme, der kræver øjeblikkelig akut behandling, og evaluere deres sværhedsgrad gennem følgende input- og outputmodeller.

  1. Algoritme-inputdata 1) Video/Billeddata

    • Videooptagelse via et 360-graders kamera installeret inde i ambulancen og en mobil hotspot (MHS) enhedsforbindelse (RJ-45 kablet forbindelse)
    • Videodataindsamling via nakkebøjlekamera (bærbar)
    • Antal videoer gennem smarte briller (bærbare) enheder og førstehjælpsterminaler 2) Lydsignaldata
    • Indsaml præhospital paramedicinerstemme og patientstemmedata gennem knogleledningsmikrofoner båret af paramedicinere 3) Biosignaldata
    • Patientovervågningsenhed installeret i ambulance Mobile Hot Spot-enhed (MHS) Indsamling og overførsel af vitale tegn via TCP/IP-forbindelse
    • Defibrillatorer og nødterminaler, der bruges af feltpersonale (5G-support) Saml og transmitter vitale tegn via TCP/IP-forbindelse

  2. Udviklingsteknologi 1) Udvikling af stemmegenkendelse AI-teknologi i nødsituationer

    • Indsaml talt tekst, nødrelaterede sætninger og stemmedata fra site-transportfasen
    • Indsamling af taletekst fra on-site overførselstjenestescenarie for at bygge stemme-DB til stemmegenkendelsesindlæring
    • Parafrasering, fra den indsamlede tekst, hvor paramedicinere genererer sætninger med lignende betydninger, der kan udtales 2) Etablering af et naturligt sprogbehandlingssystem for taletransskriptionsdata i nødmiljøet - naturlig sprogbehandling såsom stemmingsanalyse og genkendelse af entitetsnavne Optimer akutmedicinen modulets domæne
    • Indsamling af sprogdata i nødmiljøer såsom nødaktiviteter, førstehjælp og førstehjælp
    • Behandling af indsamlede sprogdata i nødmiljøet til domæneoptimering og indlæring af en maskinlæringsbaseret naturlig sprogbehandlingsmodel 3) Paramedicinsk stemmeinformationsstøjfjernelse og højttaleradskillelsesmodeldesign 4) Udvikling af AI-baseret billedgenkendelse bio-tegn informationsovervågningsteknologi i ambulancer
    • Udvikling af billedbaseret tegngenkendelsesalgoritme til PMS (Patient Monitoring System) udstyr udsender vitale tegn
    • Implementering af automatisk genkendelsesteknologi til PMS-udstyr (placering, type, mærke osv.) gennem AI-læringsbaseret 5G 360°CAM-video
    • Udvikling af automatisk tegnområdegenkendelse og OCR (Optical Character Recognition)-baseret læsealgoritme for hver type vitalt signal
    • Implementering af NLP (Natural language process)-baseret specifik/forvrænget tegnkorrektionsteknologi

    • Udvikling af billedforbehandlingsteknologi, der minimerer virkningerne af baggrund, støj, vibrationer, belysning mv.

      5) Udvikling af nødaktivitet billede information objekt detektion modul 6) AI adfærd detektion video analyse modellering

    • Adfærdsdetektion ved hjælp af deep learning Billedanalysemodellering - Analyse af generelle adfærdsdetektionsteknikker
    • Klassemåltest svarende til akut medicinsk adfærd under generel adfærdsdetektion
    • Klassedetektion svarende til paramedicineres redningsaktiviteter og patienters bevægelse
    • Generel adfærdsdetektionsmodellering 7) Den opnåede inputvariabel baseret på de opnåede mangefacetterede data udtrækker hoveddeterminanterne for modeloutputvariablen gennem Ji-an Lee dybe netværksmetoden og beregner den forudsigelige effekt for den endelige outputvariabel.

Undersøgelsestype

Undersøgelsestype

Beskriver karakteren af ​​en klinisk undersøgelse. Undersøgelsestyper omfatter interventionelle undersøgelser (også kaldet kliniske forsøg), observationsundersøgelser (herunder patientregistre) og udvidet adgang.
Observationel

Tilmelding (Faktiske)

Tilmelding

Antallet af deltagere i en klinisk undersøgelse. Den "forventede" tilmelding er det mål for antallet af deltagere, som forskerne skal bruge til undersøgelsen.
15296

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Berettigelseskriterier

De nøglekrav, som personer, der ønsker at deltage i et klinisk studie, skal opfylde eller de egenskaber, de skal have. Kvalifikationskriterier består af både inklusionskriterier (som er nødvendige for at en person kan deltage i undersøgelsen) og eksklusionskriterier (som forhindrer en person i at deltage). Typer af berettigelseskriterier omfatter, om en undersøgelse accepterer raske frivillige, har alders- eller aldersgruppekrav eller er begrænset af køn.

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

  • Én interimanalyse 6 måneder efter studiestart.
  • Dataanalyse: Patienter, der blev transporteret til skadestuen på Severance Hospital med ambulancekøretøjer fra to brandstationer i 6 måneder, og mere end 20 % af de punkter, der skulle udfyldes i sagsjournalen, blev kontrolleret
  • Unormal forvaltningsplan: Forskerne diskuterer årsagen til den manglende værdi gennem et dataanalysemøde og planlægger en plan for det.

Beskrivelse

Inklusionskriterier:

  • Patienter transporteres fra Seodaemun Brandstation, Mapo Brandstation til Severance Hospital Emergency Care Center via 119 ambulance

Ekskluderingskriterier:

  • Mindreårige under 18 år

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte

Gruppe / kohorte

En gruppe eller undergruppe af deltagere i et observationsstudie, der vurderes for biomedicinske eller sundhedsmæssige resultater.
Mapo Brandstation

Hvad måler undersøgelsen?

Primære resultatmål

Primære resultatmål

I et klinisk studies protokol er det planlagte resultatmål, der er det vigtigste for at evaluere effekten af ​​en intervention/behandling. De fleste kliniske undersøgelser har ét primært resultatmål, men nogle har mere end ét.
Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Area Under Receiver driftskarakteristika, AUROC
Tidsramme: 6 måneder efter studiestart, og i gennemsnit 1 år indtil sidste analyse
  • Metode til evaluering af algoritmeforudsigelse af ydeevne: Evaluering af modulydeevne ved at måle modtagerens operationskarakteristiske grafområde (AUROC) med diagnosenavnet på den faktisk overførte patient og forudsigelsesværdien, der udsendes gennem algoritmen
  • Verifikation af, hvordan nøjagtigheden af ​​den trænede model forbedres ved akkumulering af potentielle data gennem AUROC-sammenligning
6 måneder efter studiestart, og i gennemsnit 1 år indtil sidste analyse

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Sponsor

Den organisation eller person, der igangsætter undersøgelsen, og som har myndighed og kontrol over undersøgelsen.
Yonsei University

Efterforskere

Efterforskere

En forsker involveret i et klinisk studie. Beslægtede termer omfatter stedets principal investigator, site sub-investigator, studieformand, undersøgelsesleder og undersøgelseshovedinvestigator.
  • Ledende efterforsker: Hyuk-Jae Chang, Severance Cardiovascular Hospital

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

Studiestart

Den faktiske dato, hvor den første deltager blev tilmeldt en klinisk undersøgelse. Den "forventede" undersøgelses startdato er den dato, som forskerne tror vil være undersøgelsens startdato.
19. april 2021

Primær færdiggørelse (Faktiske)

Primær færdiggørelse

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention for at indsamle endelige data for det primære resultatmål. Hvorvidt det kliniske studie sluttede i henhold til protokollen eller blev afsluttet, påvirker ikke denne dato. For kliniske undersøgelser med mere end ét primært resultatmål med forskellige afslutningsdatoer refererer dette udtryk til den dato, hvor dataindsamlingen er afsluttet for alle de primære resultatmål. Den "forventede" primære afslutningsdato er den dato, som forskerne tror vil være den primære afslutningsdato for undersøgelsen.
31. december 2021

Studieafslutning (Faktiske)

Studieafslutning

Den dato, hvor den sidste deltager i et klinisk studie blev undersøgt eller modtog en intervention/behandling for at indsamle endelige data for de primære resultatmål, sekundære udfaldsmål og uønskede hændelser (det vil sige den sidste deltagers sidste besøg). Den "forventede" undersøgelses afslutningsdato er den dato, som forskerne tror vil være undersøgelsens afslutningsdato.
31. december 2021

Datoer for studieregistrering

Først indsendt

Først indsendt

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsendte en undersøgelsespost til ClinicalTrials.gov. Der er typisk en forsinkelse på et par dage mellem den første indsendte dato og postens tilgængelighed på ClinicalTrials.gov (den første offentliggjorte dato).
3. juli 2023

Først indsendt, der opfyldte QC-kriterier

Først indsendt, der opfyldte QC-kriterier

Den dato, hvor undersøgelsens sponsor eller investigator første gang indsender en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Sponsoren eller investigatoren skal muligvis revidere og indsende en undersøgelsespost en eller flere gange, før NLM's kvalitetskontrolkriterier er opfyldt. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
3. juli 2023

Først opslået (Faktiske)

Først opslået

Datoen, hvor undersøgelsesposten først var tilgængelig på ClinicalTrials.gov efter National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgang er afsluttet. Der er typisk en forsinkelse på et par dage mellem den dato, hvor undersøgelsens sponsor eller investigator indsendte undersøgelsesposten, og den første offentliggjorte dato.
11. juli 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

Sidste opdatering sendt

Den seneste dato, hvor ændringer i en undersøgelsespost blev gjort tilgængelig på ClinicalTrials.gov. Der kan være en forsinkelse mellem det tidspunkt, hvornår ændringerne blev indsendt til ClinicalTrials.gov af undersøgelsens sponsor eller investigator (datoen for sidste opdatering afsendt) og den sidste opdatering, der blev sendt.
11. juli 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

Den seneste dato, hvor undersøgelsens sponsor eller investigator indsendte ændringer til en undersøgelsespost, der er i overensstemmelse med National Library of Medicine (NLM) kvalitetskontrol (QC) gennemgangskriterier. Det er sponsorens eller investigatorens ansvar at sikre, at undersøgelsesposten er i overensstemmelse med NLM QC-gennemgangskriterierne.
3. juli 2023

Sidst verificeret

Sidst verificeret

Den seneste dato, hvor undersøgelsens sponsor eller investigator bekræftede oplysningerne om en klinisk undersøgelse på ClinicalTrials.gov som nøjagtige og aktuelle. Hvis en undersøgelse med rekrutteringsstatus som rekruttering; rekrutterer endnu ikke; eller aktiv, ikke rekruttering er ikke blevet bekræftet inden for de seneste 2 år, er undersøgelsens rekrutteringsstatus vist som ukendt.
1. juli 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

Andre undersøgelses-id-numre

Andre identifikatorer eller ID-numre end NCT-nummeret, der er tildelt til en klinisk undersøgelse af undersøgelsens sponsor, finansieringsgivere eller andre. Disse numre kan omfatte unikke identifikatorer fra andre forsøgsregistre og National Institutes of Health-bevillingsnumre.
  • 4-2019-0739

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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 .

Cookieindstillinger

Vi bruger cookies for at sikre, at vi giver dig den bedste oplevelse på vores hjemmeside. For flere detaljer skal du læse omhyggeligt vores Politik om beskyttelse af personlige oplysninger og cookies. ...>>>Du kan når som helst ændre dine præferencer eller trække dit samtykke tilbage ved at slette cookies fra din hjemmeside eller computer som beskrevet i politikken. Accepter det og vælg dine præferencer ved at markere de tilsvarende felter i afsnittet "Administrer indstillinger" nedenfor. Læs vores servicevilkår omhyggeligt, inden du fortsætter med at bruge nogen del af dette websted.
«Administrer indstillinger