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

AI4Triage - Udvikling af kunstig intelligens baserede metoder til analyse af triagedata.

31. december 2025 opdateret af: Pietro Hiram Guzzi, University of Catanzaro

AI4Triage - Udvikling af kunstig intelligens baserede metoder til analyse af triagedata

Kunstig intelligens, og især Graph Neural Networks (GNN'er), har vist enorm potentiale i analysen af komplekse kliniske data. Takket være deres evne til at modellere forhold mellem variable repræsenterer GNN'er en betydelig udvikling sammenlignet med traditionelle modeller, hvilket muliggør en bedre fortolkning af medicinsk information og understøtter datadrevne beslutninger i komplekse sammenhænge såsom akutmedicin.

Anvendelsen af GNN'er på klinisk triage og på forudsigelse af opholdstid kan forbedre klinisk effektivitet ved at optimere ressourceallokering og patienthåndtering. Denne observationsstudie har til formål at evaluere nøjagtigheden af forudsigelser i forhold til reelle kliniske data, hvilket bidrager til udviklingen af avancerede prædiktive værktøjer til at understøtte beslutningsprocesser inden for sundhedspleje.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1500

Kontakter og lokationer

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

Studiesteder

      • Catanzaro, Italien
        • University of Catanzaro

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

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

alle indlagt på er

Beskrivelse

Inklusionskriterier:

  • alle

Eksklusionskriterier:

  • patienter med røde koder og alvorlige skader

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
Antal Underprioriterede
Tidsramme: 12 måneder
Forskerne vil måle antallet af fejlklassifikationer
12 måneder
Undertriageret
Tidsramme: 12 måneder
Forskerne vil måle evnen til at forudsige undertriage
12 måneder

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 (Faktiske)

1. november 2025

Primær færdiggørelse (Anslået)

1. november 2026

Studieafslutning (Anslået)

30. november 2027

Datoer for studieregistrering

Først indsendt

17. december 2025

Først indsendt, der opfyldte QC-kriterier

17. december 2025

Først opslået (Anslået)

31. december 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

6. januar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

31. december 2025

Sidst verificeret

1. december 2025

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AI4Triage

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 Observation

Abonner