AI-assisteret hudvurdering til forebyggelse af trykskader for intensivsygeplejersker (IT-PIP)
En randomiseret kontrolleret undersøgelse af anvendelsen af kunstig intelligens (AI) i hudvurdering til forebyggelse af tryksår og stadieinddeling af kritisk sygeplejepersonale
Formålet med denne kliniske undersøgelse er at afdække, om et kunstig intelligens (AI)-assisteret hudvurderingsværktøj kan forbedre nøjagtigheden af trykskadestadievurdering hos intensivsygeplejersker. Studiet sigter også mod at forstå, om AI-værktøjet øger sygeplejerskers viden og selvtillid i udførelsen af hudvurderinger. De vigtigste spørgsmål, det sigter mod at besvare, er:
Forbedrer AI-assisteret vurdering nøjagtigheden af trykskadestadievurdering sammenlignet med standard visuel vurdering?
Forbedrer brugen af AI sygeplejerskers viden og selvtillid relateret til hudvurdering og trykskadestadievurdering?
Forskere vil sammenligne sygeplejersker, der bruger en AI-assisteret mobilapplikation, med sygeplejersker, der udfører standard manuelle vurderinger, for at se, om AI-værktøjet forbedrer stadievurderingsnøjagtigheden og understøtter tidlig identifikation af trykskader.
Deltagere vil:
Udfylde korte spørgeskemaer om deres viden og selvtillid før og efter træning
Udføre hudvurderinger på deres tildelte intensivpatienter ved enten standardmetoder eller AI-værktøjet.
Få deres vurderinger sammenlignet med en blindet sårplejespecialist, som vil fastslå den mest nøjagtige stadievurdering
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
Trykskader forbliver en væsentlig og stort set forebyggelig komplikation blandt kritisk syge patienter, hvor intensivafdelingspopulationer er særligt udsatte på grund af immobilisering, hemodynamisk ustabilitet og komplekse medicinske behov. På KFSHRC-Jeddah skete mere end halvdelen af alle rapporterede hospitalserhvervede trykskader i 2024 i intensivafdelinger, hvilket understreger vedvarende udfordringer i tidlig opsporing og konsekvent stadieinddeling. Selvom organisationen følger evidensbaserede praksisser og bruger værktøjer såsom Braden-skalaen og NPIAP's stadieinddelingsretningslinjer, fortsætter variationer i sygeplejerskers viden, færdigheder og selvtillid med at påvirke forebyggelseskvaliteten og nøjagtigheden af vurderingen.
Traditionel hudvurdering er primært baseret på visuel inspektion og klinisk skøn, hvilket kan føre til inkonsekvent fortolkning af tidlige vævsforandringer, især ved mørkere hudtoner, dybdevævsskader og fugtrelateret hudskade. Disse begrænsninger fremhæver behovet for innovative tilgange, der understøtter mere konsekvent og objektiv stadieinddeling.
Kunstig intelligens (AI)-assisteret billedgenkendelse er opstået som et potentielt værdifuldt supplement til standard sygeplejerskevurdering. Ved at analysere hudkarakteristika såsom farve, tekstur og kontur kan AI-værktøjer muligvis assistere sygeplejersker i at identificere tidlige stadieforandringer og give beslutningsstøtte i overensstemmelse med NPIAP-kriterier. Integration af AI i rutinemæssig praksis har potentiale til at forbedre tidlig opsporing, øge nøjagtigheden af stadieinddeling og reducere praksisvariation.
Denne randomiserede kontrollerede undersøgelse evaluerer brugen af en AI-assisteret mobilapplikation sammenlignet med standard manuel hudvurdering udført af intensivsygeplejersker. Interventionen bruger et billedgenkendelsesværktøj, der analyserer standardiserede fotografier af hudområder med høj risiko og giver stadieinddelingsanbefalinger baseret på NPIAP-definitioner. Sygeplejersker i kontrolgruppen vil fortsætte med at udføre traditionelle visuelle og palpationsbaserede vurderinger i henhold til eksisterende hospitalprotokoller.
Alle deltagende sygeplejersker vil modtage præ-interventionsundervisning i forebyggelse af trykskader, omfattende hudvurdering og NPIAP-stadieinddeling for at etablere en konsekvent baseline. Interventionsgruppen vil gennemgå yderligere træning i standardiseret billedoptagelse for at sikre passende belysning, afstand og positionering. En blindet sårplejespecialist vil uafhængigt gennemgå alle vurderinger og billeder; denne eksterne gennemgang fungerer som referencestandard for evaluering af nøjagtighed og interbedømerpålidelighed.
Ud over at undersøge nøjagtigheden af stadieinddelingen vil undersøgelsen vurdere ændringer i sygeplejerskers viden og selvtillid før og efter interventionen ved hjælp af validerede instrumenter. Den vil også udforske gennemførligheden og accepten af at integrere AI i intensivafdelingsarbejdsgange. Resultaterne forventes at bidrage med viden om, hvordan AI-teknologi kan understøtte sygeplejepraksis, forbedre klinisk beslutningstagning og hjælpe med at reducere forekomsten af hospitalserhvervede trykskader i intensivafdelingsmiljøer.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Dr. Jennifer De Beer, PhD
- Telefonnummer: +966559232671
- E-mail: debeerj@kfshrc.edu.sa
Studiesteder
-
-
Mecca Region
-
Jeddah, Mecca Region, Saudi Arabien, 21423
- Rekruttering
- King Faisal Specialist Hospital and Research Center- Jeddah
-
Kontakt:
- Abeer Omer, MBBS
- Telefonnummer: +966114423657/+966503284853
- E-mail: aomer@kfshrc.edu.sa
-
Kontakt:
- Aziz Ashraf Afshan, MBCHB
- Telefonnummer: +966554965750
- E-mail: aali01@kfshrc.edu.sa
-
Ledende efterforsker:
- Jennifer de Beer, PhD Nursing
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Beskrivelse
Inklusionskriterier
- Sygeplejere, der har arbejdet i organisationen i mindst 6 måneder
- Sygeplejere, der er involveret i direkte patientpleje i mere end 50% af deres arbejdstid.
- Hudvurderinger og klassificering af patienter med risiko for at udvikle tryksår (ved brug af Braden-scoringssystemet).
- Voksne patienter (18 år og ældre)
- Patienter, der i øjeblikket er indlagt på intensivafdelingen og modtager intensivbehandling.
- Ingen aktuelle alvorlige hudtilstande - patienter uden aktive alvorlige dermatologiske tilstande (f.eks. store åbne sår, alvorlige udslæt), der ville forstyrre den AI-baserede hudvurderingsproces.
Eksklusionskriterier
- Sygeplejere, der har arbejdet i organisationen i mindre end 6 måneder
- Sygeplejere, der er involveret i direkte patientpleje i mindre end 50% af deres arbejdstid
- Palliativ pleje eller terminal sygdom - patienter, der modtager palliativ pleje eller dem med en terminal diagnose, hvor forebyggelse af tryksår muligvis ikke er en prioritet, og hvor deltagelse i studiet muligvis ikke stemmer overens med deres behandlingsmål.
- Alvorlige eller aktive dermatologiske tilstande - patienter med aktive hudtilstande såsom alvorlige udslæt, forbrændinger eller andre dermatologiske problemer, der kunne forstyrre nøjagtige hudvurderinger ved AI eller forvirre studieresultaterne.
- Nylige hudtransplantationer eller avanceret sårpleje - patienter, der for nylig har gennemgået hudtransplantationer, eller dem, der modtager kompleks sårplejebehandling, der ligger uden for typisk praksis for forebyggelse af tryksår.
- Ude af stand til at opretholde den nødvendige positionering til hudvurdering - patienter, der fysisk ikke kan forblive i den nødvendige position til hudvurderingerne, enten på grund af alvorlige bevægelsesbegrænsninger eller kritiske medicinske tilstande.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Forebyggelse
- Tildeling: Randomiseret
- Interventionel model: Parallel tildeling
- Maskning: Enkelt
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Ingen indgriben: Standardvurdering
|
|
|
Andet: ChatGPT-assisteret hudvurdering
Sygeplejersker vil bruge ChatGPT-baseret AI-støtte til at hjælpe med hudvurdering og stadieinddeling.
|
ChatGPT Hudvurdering
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Aftale mellem sygeplejerske og ekspert vedrørende hudvurdering og tryksårsklassificering ved brug af NPIAP-kriterier
Tidsramme: Dag 1 til 6 måneder
|
Det primære resultat måler eksplicit overensstemmelsen mellem sygeplejerske-tildelte og ekspert-tildelte tryksårstadier ved hjælp af National Pressure Injury Advisory Panel (NPIAP) stadiekriterierne, i stedet for at angive et studieobjektiv. Overensstemmelse vil blive kvantificeret ved hjælp af Cohens Kappa-statistik, og nøjagtigheden vil blive opsummeret som den procentdel af sygeplejerske-tildelte stadier, der nøjagtigt matcher ekspert-tildelte stadier. Overensstemmelsesanalyser vil blive udført separat for manuelle sygeplejerskevurderinger og AI-assisterede sygeplejerskevurderinger, hvilket muliggør en klar og rapporterbar sammenligning mellem studiegrupper. Overensstemmelsesresultater vil blive opsummeret på tværs af individuelle vurderingsdomæner, herunder erythema, misfarvning, ødem, temperatur og overordnet tryksårstadieinddeling, ved hjælp af kvantitative overensstemmelsesmålinger. Det primære resultat vil blive vurderet fra dag 1 gennem 6 måneder. |
Dag 1 til 6 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Viden - Ændring fra baseline i sygeplejerskens vidensscore på Pressure Ulcer Prevention Knowledge Assessment Instrument (PUPKAI)
Tidsramme: Dag 1 (Baseline) og Dag 1 (Umiddelbart efter intervention)
|
Sygeplejerskers viden relateret til tryksårforebyggelse og -graduering vil blive målt ved hjælp af Pressure Ulcer Prevention Knowledge Assessment Instrument (PUPKAI), et valideret spørgeskema med 26 multiple-choice-spørgsmål. Hvert korrekt svar vil blive scoret som ét point, og itemscores vil blive summeret for at generere en samlet vidensscore i intervallet 0 til 26, hvor højere scorer indikerer større viden. Samlede PUPKAI-scorer vil blive beregnet på to forudbestemte tidspunkter: Dag 1 (baseline, før interventionen) og Dag 1 (umiddelbart efter interventionen). Resultatet vil blive rapporteret som ændring fra baseline i samlet PUPKAI-score, beregnet som scoren efter interventionen minus baseline-scoren. Til statistisk analyse vil beskrivende statistik blive brugt til at opsummere baseline- og efter-interventionsscorer. Ændringer i PUPKAI-scorer inden for grupper vil blive analyseret ved hjælp af parrede statistiske tests (parret t-test eller Wilcoxons rangsumtest, afhængigt af datadistributionen). |
Dag 1 (Baseline) og Dag 1 (Umiddelbart efter intervention)
|
|
Ændring fra baseline i sygeplejerskens selvtillidsscore på Skin Assessment Confidence Scale (SACS)
Tidsramme: Dag 1 (Baseline) og Dag 1 (Umiddelbart efter intervention)
|
Sygplejerskers tillid til hudvurdering og tryksårstadiering vil blive målt ved hjælp af Skin Assessment Confidence Scale (SACS), et 10-punkts Likert-skala instrument. Hvert punkt scores på en 5-punkts skala, og punktresultaterne summeres for at generere et samlet tillidsscore, der spænder fra 10 til 50, hvor højere score angiver større tillid til udførelse af hudvurderinger og anvendelse af tryksårstadieringskriterier. Samlede SACS-scores vil blive beregnet på to forudbestemte tidspunkter: Dag 1 (baseline, før interventionen) og Dag 1 (umiddelbart efter interventionen). Resultatet vil blive rapporteret som ændring fra baseline i samlet SACS-score, beregnet som post-interventionsscore minus baseline-score. Til statistisk analyse vil deskriptiv statistik blive brugt til at opsummere baseline- og post-interventionstillidsscores. Indenfor-gruppeændringer i SACS-scores vil blive analyseret ved hjælp af parrede statistiske tests (parret t-test eller Wilcoxons tegnrangerede test, afhængigt af datafordeling |
Dag 1 (Baseline) og Dag 1 (Umiddelbart efter intervention)
|
Samarbejdspartnere og efterforskere
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
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- RAC 2251201
- Research Ethics Committee (Anden identifikator: The Research Ethics Committee of the College of Dentistry, University of Baghdad. Project No. 1026125)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
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 .