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

Brug af maskinlæring til at opdage risikofyldt adfærd i psykiatriske klinikker

9. juni 2024 opdateret af: CEYDA ÖZTÜRK AKDENİZ, Istanbul Medeniyet University

Opdagelse af risikofyldt adfærd og tilvejebringelse af et sikkert miljø hos patienter, der modtager døgnbehandling i en psykiatrisk klinik ved hjælp af en maskinlæringsmodel

Formålet med denne undersøgelse er at sikre patienternes sikkerhed på en psykiatrisk klinik og at opdage risikabel adfærd ved at bruge maskinlæringsmetoden. Risikoadfærd defineres som adfærd, der er personligt, socialt og udviklingsmæssigt uønsket og bringer liv og sundhed i fare. Patientsikkerhed og opretholdelse af et sikkert miljø er blandt sundhedspersonalets primære pligter. Selvmord er den vigtigste evidensbaserede risikofaktor, især blandt personer med psykiatriske sygdomme, og er en af ​​de vigtigste faktorer, der truer patientsikkerheden. I slutningen af ​​denne undersøgelse har det til formål at opdage risikobetonet adfærd hos patienter, før de skader sig selv, og at gøre det muligt for sundhedspersonale at foretage tidlig intervention for denne adfærd, og dermed understøtte et sikkert behandlingsmiljø med det computersystem, der er blevet trænet med maskinlæringsmodel installeret i klinikkerne.

Studieoversigt

Detaljeret beskrivelse

Formålet med denne undersøgelse er at opdage risikoadfærd hos patienter i en psykiatrisk klinik ved hjælp af maskinlæringsmetoden. Risikofyldt adfærd; Det defineres som adfærd, der er personligt, socialt og udviklingsmæssigt uønsket og bringer liv og sundhed i fare. Patientsikkerhed og at sikre et sikkert miljø er blandt sundhedspersonalets primære opgaver. Selvmord er den vigtigste evidensbaserede risikofaktor, især hos personer med psykiatriske sygdomme, og er en af ​​de vigtigste faktorer, der truer patientsikkerheden. Selvmordsforsøg er en krisesituation, man ofte støder på på klinikker. Det er kendt, at frekvensen af ​​selvmordsforsøg stiger 5-10 gange hos indlagte patienter. I klinikker med indlagte patienter støder man ofte på selvmordsforsøg samt anden risikofyldt adfærd.

Forebyggelse af risikabel adfærd og tilvejebringelse af et sikkert miljø på psykiatriske klinikker er et vigtigt emne i vores land og i verden. For at afsløre risikoadfærd og sikre patient/medarbejdernes sikkerhed er der foranstaltninger til at overvåge patienter med kameraer på psykiatriske klinikker inden for rammerne af kvalitetsstandarder i sundhed. Disse foranstaltninger er dog ikke tilstrækkelige til fuldstændigt at løse problemet. På psykiatriske klinikker varetages patientovervågning af en sygeplejerske, som konstant overvåger de kamerabilleder, der er placeret i stuerne på computerskærmen. Det lave antal sygeplejersker, især på nattevagter, gør kameraovervågning vanskelig i nattevagter og udgør et problem i forhold til patientsikkerheden. Konstant overvågning af monitorer fra sygeplejersken reducerer tidsforbruget med patienten og øger arbejdsbyrden. Derudover, når skærmovervågning ikke udføres, kan risikabel adfærd ikke opdages. Derfor skal der udvikles nye metoder til at sikre trygge rammer på psykiatriske klinikker. I denne forstand er maskinlæringsmetoden, som i stigende grad bruges i kunstig intelligens og dataanalyse, en specialiseret undergren af ​​kunstig intelligens-algoritmer, der forsøger at udlede meningsfulde resultater/forudsigelser fra eksisterende data. Maskinlæringsmetoden bruges hyppigt inden for sundhedsområdet, og psykiatri er et af disse områder. Hovedformålet med denne undersøgelse er at opdage risiko- og højrisikoadfærd hos patienter behandlet på en psykiatrisk klinik ved hjælp af maskinlæringsmetoden og at sikre, at patienter får behandling i et sikrere miljø.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

1

Kontakter og lokationer

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

Studiekontakt

Studiesteder

      • Istanbul, Kalkun, 34000
        • Detecting Risky Behaviors and Providing a Safe Environment in Patients Receiving Inpatient Treatment in a Psychiatric Clinic Using Machine Learning Model

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Undersøgelsens befolkning var teater- og dramaskuespillere, som tilfældigt udviste selvmords- og voldelig adfærd ved at bruge et tomt rum på en psykiatrisk klinik til at træne og teste maskinlæringsmodellen. Antallet af skuespillere er 4-5 personer

Beskrivelse

Inklusionskriterier:

  • Den er velegnet til alle voksne patienter, der modtager døgnbehandling på psykiatriske klinikker. Den er designet til det rum, hvor patienterne sover.

Ekskluderingskriterier:

  • Personer under 18 år vil blive udelukket fra undersøgelsen

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Målrettet output
Tidsramme: 01.05.2024-01.08.2024
Opdagelse af selvmord og voldelig adfærd ved hjælp af maskinlæringsmetode
01.05.2024-01.08.2024

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 (Anslået)

20. juni 2024

Primær færdiggørelse (Anslået)

1. september 2024

Studieafslutning (Anslået)

20. september 2024

Datoer for studieregistrering

Først indsendt

20. april 2024

Først indsendt, der opfyldte QC-kriterier

14. maj 2024

Først opslået (Faktiske)

20. maj 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

11. juni 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

9. juni 2024

Sidst verificeret

1. juni 2024

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • İstanbulMedeniyet

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 .

Kliniske forsøg med Maskinelæring

3
Abonner