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

Sikkerhed og pålidelighed af kunstig intelligens-drevet symptomvurdering hos børn og unge

3. december 2020 opdateret af: Turku University Hospital

Digitale sundhedsteknologier (DHT) udvikles i stigende grad til at understøtte sundhedssystemer rundt om i verden. Men de mangler ofte evidensbaseret medicin og medicinsk validering. Der er et betydeligt behov i de vestlige lande for at allokere sundhedsressourcer nøjagtigt og give befolkningen detaljerede og pålidelige sundhedsoplysninger, der gør det muligt at tage et større ansvar for deres helbred. Intelligent patientflow management system (IPFM, produktnavn Klinik Frontline) er udviklet til at imødekomme disse behov. I praksis bruges IPFM til beslutningsstøtte i triaging og diagnostiske processer samt automatisering af styringen af ​​tilstrømning af patienterne. Kernen i IPFM er en klinisk kunstig intelligens (AI), som bruger en omfattende medicinsk database over kliniske sammenhænge genereret af læger.

Studiepopulationen i denne forskning består af patienter fra den pædiatriske akutklinik på Turku Universitetshospital (TUH). Data vil blive indsamlet i løbet af 6 måneders pilotering, hvorefter resultaterne vil blive analyseret. Det forventede antal patienter til undersøgelsen er minimum 500 patienter med målsætning om 1.000. Når de går på hospitalet, vil patienter eller deres værger rapportere deres demografi, baggrundsinformation og symptomer ved hjælp af en struktureret IPFM-onlineformular. Resultater opnået fra IPFM er blindet fra sundhedspersonalet, og IPFM påvirker ikke fagpersonens kliniske beslutningstagning. Data indhentet fra IPFM online formular og kliniske data fra akutmodtagelsen og TUH vil blive analyseret efter dataindsamlingen. Hovedformålet med forskningen er at validere brugen af ​​IPFM ved at evaluere sammenhængen mellem IPFM-output og 1) uopsættelighed og alvorlighed af forholdene; og 2) faktiske diagnoser diagnosticeret af læger. Forskningens hovedhypoteser er, at 1) IPFM er sikker og følsom til at vurdere, hvor hastende betingelserne for ankommende patienter til akutmodtagelsen er, og at 2) IPFM har tilstrækkelig sammenhæng mellem differentialdiagnose og faktisk diagnose stillet af lægen.

Studieoversigt

Status

Ukendt

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Forventet)

1000

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

Aldre berettiget til at studere

1 sekund til 17 år (BARN)

Tager imod sunde frivillige

Ja

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Børn og unge i alle aldre og følgesygdomme

Beskrivelse

Inklusionskriterier:

  • alle patienter på akutmodtagelsen med akutte symptomer

Ekskluderingskriterier:

  • Nødsituation

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
Intervention / Behandling
Børn og ungdom
AI-drevet triage-system

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Emergency Severity Index (ESI)
Tidsramme: 1.12.2020-31.12.2021
AI-drevet automatiseret analyse af triage urgency (ESI-indeks) vil blive sammenlignet med indekset estimeret af sundhedspersonale
1.12.2020-31.12.2021

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Primær diagnose
Tidsramme: 1.12.2020-31.12.2021
AI-drevet automatiseret analyse af diagnose vil blive sammenlignet med diagnosen vurderet af sundhedspersonale
1.12.2020-31.12.2021

Samarbejdspartnere og efterforskere

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

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 (FORVENTET)

1. december 2020

Primær færdiggørelse (FORVENTET)

1. juni 2021

Studieafslutning (FORVENTET)

1. december 2021

Datoer for studieregistrering

Først indsendt

26. november 2020

Først indsendt, der opfyldte QC-kriterier

3. december 2020

Først opslået (FAKTISKE)

10. december 2020

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (FAKTISKE)

10. december 2020

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

3. december 2020

Sidst verificeret

1. november 2020

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • ETMK Dnro: 68 /1801/2020

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 .

Abonner