- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05758285
Brug af ansvarlig kunstig intelligens (AI) til at forudsige onlineterapiresultat og engagement
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Psykiske lidelser bidrager i høj grad til den globale sygdomsbyrde, men mange mennesker har ikke adgang til mental sundhedspleje. Dette behandlingsgab skyldes til dels strukturel (f.eks. tilgængelighed) og holdningsrelateret (f.eks. frygt for stigmatisering) barrierer i sundhedspleje. Digital terapi (DTx) i form af digitale mentale sundhedsinterventioner eller digital psykoterapi kan være løsningen på dette problem. Integrationen af informations- og kommunikationsteknologi (IKT) og mental sundhedspleje har potentiale til at øge effektiviteten af leveringen af pleje og muliggøre personalisering af behandlinger. Kunstig intelligens (AI)-baseret analyse af store datasæt fra digitale psykoterapiprogrammer kan muliggøre udvikling og validering af personlige forudsigelsesmodeller. Forudsigelsen af individuelt engagement og den tidlige identifikation af uønskede engagementsmønstre kan forbedre personaliseringen af DTx, hvilket kan hjælpe med at reducere manglende overholdelse og forbedre behandlingsresultatet. Den personlige forudsigelse af DTx-resultater og engagementsmønstre kan opnås ved at implementere AI-baserede tilgange, såsom Machine Learning-forudsigelsesmodeller. Personlige forudsigelsesmodeller kan føre til en bedre forståelse af, hvem der tjener mest på hvilken slags DTx i en virkelig verden. Tilsammen kan personalisering af DTx-behandlingsresultater og engagement i) forbedre beslutningsprocesser i patient-kliniker-dyader, ii) forbedre effektiviteten af digital psykoterapi, iii) reducere patienters lidelse og iv) reducere direkte og indirekte omkostninger relateret til mental sundhed omsorg. Der er behov for at tage højde for potentiel diskrimination på grund af mental sundhed i AI-baserede forudsigelsesmodeller. Uvildig og ikke-diskriminerende AI omtales ofte som ansvarlig AI. At tage højde for bias i AI-baserede forudsigelsesmodeller baseret på et specifikt datasæt er især vigtigt i mental sundhedspleje for at forhindre acceleration af sundhedsdiskrimination.
Denne undersøgelse skal udvikle AI-baserede modeller til personlig forudsigelse af behandlingsengagement og behandlingsresultater hos patienter, der deltager i digital psykoterapi. Et stort datasæt fra den virkelige verden af patienter i et digitalt psykoterapiprogram vil blive brugt til at træne AI-algoritmer. Ansvarlige AI-algoritmer vil blive udviklet ved at beskrive, redegøre for og afbøde skævhed på grund af sværhedsgraden af mentale forstyrrelser i AI-baserede modeller, foruden at overveje bias på grund af andre følsomme egenskaber, såsom køn, etnicitet og sociodemografisk status. Målet med det foreslåede projekt er at estimere AI-baserede forudsigelsesmodeller for behandlingsengagement og -resultater baseret på data fra Online Therapy Unit af prof. Heather Hadjistavropoulos fra University of Regina, Canada. Datasættet Online Therapy Unit indeholder en stor mængde data om DTx fra mennesker med psykiske lidelser (indsamlet som en del af forskningsforsøg i Online Therapy Unit fra 2013 til 2021) og stammer fra den offentligt finansierede, internet-leverede, kognitive adfærdsterapi (iCBT) program i Saskatchewan, Canada. Sammenfattende er Online Therapy Unit-datasættet særdeles velegnet som trænings- og testdatasæt for AI-baserede forudsigelsesmodeller, da det omfatter et stort antal deltagere, longitudinelle data hentet fra den virkelige verden i modsætning til et klinisk forsøg og et rigt sæt. af prædiktive funktioner.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Gunther Meinlschmidt, Prof.
- Telefonnummer: +41 61 328 63 10
- E-mail: gunther.meinlschmidt@usb.ch
Undersøgelse Kontakt Backup
- Navn: Noa Naa-Wansa Römmel
- Telefonnummer: +41 61 556 53 25
- E-mail: NoaNaa-Wansa.Roemmel@usb.ch
Studiesteder
-
-
-
Basel, Schweiz, 4031
- Rekruttering
- University Hospital Basel, Department of Psychosomatic Medicine
-
Kontakt:
- Gunther Meinlschmidt, Prof.
- Telefonnummer: +41 61 328 63 10
- E-mail: gunther.meinlschmidt@usb.ch
-
Ledende efterforsker:
- Gunther Meinlschmidt, Prof.
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Deltagere, der blev screenet som kvalificerede til at deltage i et velværekursus, der tilbydes på Online Therapy Unit mellem den 4. november 2013 og den 21. december 2021.
- Deltagere, der har givet samtykke til brugen af deres data til at evaluere og forbedre iCBT-tjenester.
- Fik adgang til lektion 1 af kursusindholdet og udfyldte baseline-spørgeskemaer.
Ekskluderingskriterier:
- Data vil kun blive udelukket i tilfælde af fejl i dataindsamlingen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Ændring i patientsundhedsspørgeskema 9-punkt (PHQ9) (procent ændring)
Tidsramme: uge 1 til uge 8
|
Ændring i PHQ9 (procent ændring) for at evaluere symptomforbedring vs. ingen symptomforbedring før til post-digital psykoterapiintervention.
Patientsundhedsspørgeskema (PHQ-9): Total = /27 ; Depression Sværhedsgrad: 0-4 ingen, 5-9 mild, 10-14 moderat, 15-19 moderat svær, 20-27 svær.
|
uge 1 til uge 8
|
Ændring i generel angstlidelse-7 spørgeskema (GAD7) (procent ændring)
Tidsramme: uge 1 til uge 8
|
Ændring i General Anxiety Disorder-7 spørgeskema (GAD7) for at evaluere symptomforbedring vs. ingen symptomforbedring før til post-digital psykoterapiintervention.
Score 0-4: Minimal Angst · Score 5-9: Mild Angst · Score 10-14: Moderat Angst · Score større end 15: Svær Angst.
|
uge 1 til uge 8
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Antal meddelelser sendt af klienten
Tidsramme: uge 1 til uge 8
|
Patienternes engagement i den digitale psykoterapiintervention ved at vurdere antallet af patientbeskeder
|
uge 1 til uge 8
|
Antal meddelelser modtaget af klienten
Tidsramme: uge 1 til uge 8
|
Patienternes engagement i den digitale psykoterapiintervention ved at vurdere antallet af terapeutbeskeder
|
uge 1 til uge 8
|
Antal telefonopkald til lægenotater
Tidsramme: uge 1 til uge 8
|
Patienternes engagement i den digitale psykoterapiintervention ved at vurdere antallet af telefonopkald
|
uge 1 til uge 8
|
Antal gange klient logget ind
Tidsramme: uge 1 til uge 8
|
Patienternes engagement i den digitale psykoterapiintervention ved at vurdere antallet af lektioner, der er tilgået
|
uge 1 til uge 8
|
Samarbejdspartnere og efterforskere
Efterforskere
- Ledende efterforsker: Gunther Meinlschmidt, Prof., University Hospital Basel, Department of Psychosomatic Medicine
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
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
Nøgleord
- Depressive symptomer
- Angst symptomer
- Kunstig intelligens (AI)
- Partiskhed
- Digital Therapeutics (DTx)
- Internet-leveret, kognitiv adfærdsterapi (iCBT)
- Informations- og kommunikationsteknologi (IKT)
- Forklarlig kunstig intelligens (XAI)
- Digital psykoterapi
- Personlige forudsigelsesmodeller
- AI-baserede forudsigelsesmodeller
- Online terapienhed
- Trivselskursus
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 2022-02263; th23Meinlschmidt
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 .
Kliniske forsøg med Psykiske lidelser
-
Chinese University of Hong KongIkke rekrutterer endnuMental sundhed velvære 1 | Mentalt velvære | Psykisk sundhedsproblem | Præcision mental sundhedHong Kong
-
Indiana UniversityCommunity Health Network; Boys & Girls Clubs of IndianapolisRekrutteringMental sundhed velvære 1 | Børns adfærd | Teenagers adfærd | Mental sundhed velvære 2Forenede Stater
-
University of MichiganRekruttering
-
Boston Medical CenterNational Cancer Institute (NCI); Northeastern UniversityAfsluttet
-
Rutgers, The State University of New JerseyRekrutteringMental sundhed velvære 1 | Erhvervsmæssige problemer | Mental sundhed velvære 2Forenede Stater
-
3-C Institute for Social DevelopmentUniversity of WashingtonRekrutteringMental Health ServicesForenede Stater
-
King's College LondonAga Khan University; UK Research and Innovation; Centro Internacional para...Ikke rekrutterer endnu
-
Transcultural Psychosocial Organization NepalKing's College LondonIkke rekrutterer endnu
-
Hospital Miguel ServetAktiv, ikke rekrutterendeMental Health WellnessSpanien