- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04242043
Gennemførlighedsundersøgelse for at forbedre relevansen af diagnostiske forslag til en kunstig intelligenssoftware i den ældre befolkning. (Intel@Med-Fais)
Befolkningens aldring ledsages af problemet med kroniske patologier og nogle gange stor afhængighed, der kræver indlæggelse på plejehjem (NH'er). Cirka 660.000 mennesker bor i øjeblikket i NHs i Frankrig. En ud af 3 NH'er har ikke en koordinerende læge, selvom loven kræver det, og adgangen til pleje på disse NH'er er meget ulige nationalt og især i Limousin- og Dordogne-regionerne. Nogle Hospicer kan komme i en situation, hvor der ikke er en koordinerende læge og svær adgang til, at praktiserende læger (praktiserende læger) besøger et stort område.
Denne ulighed i adgang til pleje resulterer i en forskel i pleje, der kan gå så langt som et tab af muligheder for beboere, der straks overføres til akutmodtagelsen (ED) med risiko for iatrogeni eller delirium en gang i akutmodtagelsen eller risiko for uhensigtsmæssig indlæggelse.
Beboerne er indlagt:
- når sidstnævnte kunne have været undgået, fordi sundhedspersonalet, uden at vide hvilken holdning de skulle indtage, prioriterede indlæggelse
- Forsinket, fordi beboeren ventede på, at den behandlende læge skulle komme, hvilket resulterede i en forværring af symptomerne.
Ankomsten af kunstig intelligens (AI) er en mulighed for at finde nye modeller for plejeorganisation, der kan afbøde medicinsk ørkendannelse, men også udvikle avanceret praksis inden for gerontologi. For eksempel vil sygeplejersker være i stand til at gribe ind på et første niveau for tidlig opsporing, bedre triage og tidlig håndtering af visse patologier.
"MEDVIR Society" AI, udviklet af et fransk firma, er et medicinsk beslutningsstøttesystem med kunstig intelligens og tilbyder prædiagnosticering baseret på den indsamlede information (medicinsk og kirurgisk historie, samtidige behandlinger og symptomer). MEDVIR er et diagnostisk hjælpeværktøj og erstatter ikke den læge, der forbliver i enden af kæden, den endelige beslutningstager.
Før der udføres forskning for at integrere denne teknologi i rutinepleje, er det vigtigt at validere den diagnostiske relevans af AI hos ældre, da den er blevet valideret i den generelle befolkning.
Denne pilotgennemførlighedsundersøgelse vil så sætte os i stand til metodisk at dimensionere et fremtidigt projekt for at evaluere effektiviteten af dette nye plejesystem i håndteringen af ældre patienter i medicinske ørkener i Frankrig.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Isle, Frankrig, 87170
- Ehpad Des Bayles
-
Limoges, Frankrig, 87000
- Ehpad Le Roussillon
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patient på 65 år eller derover
- Patient, der lever i en af de to NHs test
- Patient med en funktionel klage eller unormale symptomer, der involverer opkald fra en læge
- Patient eller dennes juridiske repræsentant, som ikke har udtrykt sin modstand mod indsamlingen af hans medicinske og personlige data
- Patient tilknyttet social sikring
Ekskluderingskriterier:
- Afsluttet patient
- Patient med en klar vital nødsituation ifølge lægen
- Kronisk afasipatient
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
AI
|
Indledende evaluering af sygeplejersken ved hjælp af AI-værktøjet, som indlæser patientens symptomer eller funktionelle klager og komorbiditeter i MEDVIR og suppleres af en telemedicinsk løsning til datatransmission til den fjerntliggende teleekspertlæge placeret i et reguleringscenter eller sundhedscenter. Fjernlægen (en geriater fra "Prevention Care for Elderly Unit (UPSAV) platformen" af Klinisk Gerontologisk Afdeling på Limoges Universitetshospital) analyserer data indsamlet af sygeplejersken og etablerer et symptomsværhedskriterium og en diagnose ved hjælp af AI-teknologi. Både geriateren og NHs sygeplejerske kender ikke til AI's forslag. Alligevel kan geriateren iværksætte et besøg på beboerens bopæl for at verificere de oplysninger, der er nødvendige for at stille diagnosen og dermed forbedre algoritmens relevans. For beboeren forstyrrer denne undersøgelse ikke den sædvanlige pleje. |
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
AI diagnostiske forslag
Tidsramme: 1 måned
|
Antal AI-diagnostiske forslag, der svarer til den medicinske diagnose i undersøgelsesmåneden
|
1 måned
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
sværhedsgradsdiagnoser
Tidsramme: 1 måned
|
Antal sværhedsdiagnoser foreslået af AI-løsningen versus medicinsk diagnose af den eksterne geriater i løbet af undersøgelsesmåneden
|
1 måned
|
|
tilfredshedsundersøgelse
Tidsramme: 1 måned
|
Analyse af tilfredshedsundersøgelsen udfyldt af brugerne (NHs sygeplejersker, deltagere, NHs direktører og geriatere)
|
1 måned
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- 87RI19_0026 (Intel@Med-Faisa)
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 .