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

Randomiseret forsøg med AI-telemedicinsk støtte til praktiserende læger i El Salvador

13. februar 2026 opdateret af: Hospital El Salvador

Pragmatisk Randomiseret Klinisk Forsøg med AI-assisteret Telemedicin til at Forbedre Diagnosenøjagtigheden Blandt Almenpraktiserende Læger i El Salvador

Formålet med denne kliniske undersøgelse er at undersøge, om adgang til en kunstig intelligens (AI) klinisk beslutningsstøtteassistent kan forbedre diagnostisk nøjagtighed under reelle telemedicinske konsultationer blandt praktiserende læger i El Salvador.

De vigtigste spørgsmål, den sigter mod at besvare, er:

  • Øger adgangen til AI-assistenten andelen af korrekte diagnoser sammenlignet med telemedicin uden AI-støtte?
  • Varierer effekten af AI-assistenten afhængigt af lægens tidligere erfaring med at bruge AI i telemedicin?

Forskerne vil sammenligne læger med AI-assistenten aktiveret med læger med AI-assistenten midlertidigt deaktiveret for at se, om adgang til AI forbedrer diagnostisk nøjagtighed.

Deltagerne (lægerne) vil:

  • Yde telemedicinske konsultationer som en del af deres rutinemæssige kliniske arbejde.
  • Blive tilfældigt tildelt enten at have AI-assistenten aktiveret eller deaktiveret i undersøgelsesperioden.
  • Fortsætte med at dokumentere kliniske konsultationer på den elektroniske platform som sædvanligt.
  • Få deres anonymiserede konsultationsnotater gennemgået af et uafhængigt ekspertpanel for at fastslå diagnostisk nøjagtighed.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

180

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

Studiesteder

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Beskrivelse

Inklusionskriterier:

  • Skal være en læge ansat i DoctorSV-telemedicinprogrammet
  • Skal give skriftligt informeret samtykke til at deltage i studiet
  • Konsultationer skal være for akutte patologier i fordøjelses-, åndedræts- eller urinvejssystemet eller akutte oftalmologiske infektioner, der kan håndteres i primærsektoren
  • Konsultationen skal være det første medicinske kontakt (første besøg) for den aktuelle akutte episode
  • Tilstanden skal svare til specifikke ICD-11-koder defineret i studieprotokollen

Eksklusionskriterier:

  • Læger, der er inaktive på platformen i mere end 4 på hinanden følgende uger
  • Læger, der skifter til andre arbejdsformer end telemedicin eller reducerer deres arbejdstid til mindre end 20 timer om ugen
  • Læger, hvis ansættelseskontrakt ophører (opsigelse, afskedigelse eller kontraktudløb) i dataindsamlingsperioden
  • Konsultationer klassificeret af lægen som krævende øjeblikkelig personlig opmærksomhed
  • Konsultationer, der kræver henvisning til et andet behandlingsniveau eller speciale for endelig håndtering
  • Konsultationer afbrudt eller ufuldstændige på grund af forbindelses- eller systemfejl
  • Konsultationer udelukkende til administrative formål (f.eks. attester, gentagne recepter uden klinisk evaluering)
  • Konsultationer, der er opfølgningsbesøg eller kontroller for en tidligere evalueret episode

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Diagnostisk
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Dobbelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: AI Deaktiveret (Standard Telemedicin)
Læger i denne arm vil gennemføre telemedicinske konsultationer med AI-assistentfunktionerne midlertidigt deaktiveret. De vil udføre den standard kliniske arbejdsgang uden automatiseret støtte til anamneseoptagelse eller diagnostiske forslag. Denne arm repræsenterer fjernelsen af AI-værktøjet for at måle dets indvirkning.
Andet: Standard Telemedicinsk Arbejdsgang (Ingen AI)
Standard konsultation i primærsektoren via videokald uden brug af kunstig intelligens. Lægerne stoler udelukkende på deres egen kliniske dømmekraft og manuel dokumentation uden automatiserede opsummeringer eller diagnostiske prompts.
Aktiv komparator: AI-aktiveret (AI-assisteret telemedicin)
Læger i denne arm vil udføre telemedicinske konsultationer med fuld adgang til DoctorSV AI-assistenten.
Enhed: DoctorSV AI-assistent

Et AI-værktøj integreret i telemedicinplatformen, bygget på Googles Gemini Large Language Models (LLMs). Systemet fungerer via to moduler:

(1) en klinisk historieassistent, der understøtter struktureret dokumentation af patientinformation i realtid, og (2) et fordiagnostisk værktøj, der analyserer dokumenteret kliniske data for at generere differentialdiagnoseforslag til lægens overvejelse. Modellen bruger kontekstuel promptning for at sikre, at forslagene er kulturelt og klinisk relevante for El Salvador.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed
Tidsramme: Gennem studiefærdiggørelsen, ~ 12-16 uger
Andelen af konsultationer, hvor den primære diagnose registreret af den deltagende læge matcher "guldstandarden" som referencediagnose. Referencediagnosen fastlægges af et panel på tre uafhængige, blindede ekspertvurderere, der gennemgår de anonymiserede kliniske notater. En diagnose betragtes som "korrekt" (værdi = 1), hvis den matcher referencediagnosen inden for den samme klinisk ækvivalente diagnostiske gruppe; ellers betragtes den som "forkert" (værdi = 0). Analysen vil sammenligne andelen af korrekte diagnoser mellem AI-aktiverede og AI-deaktiverede grupper.
Gennem studiefærdiggørelsen, ~ 12-16 uger

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk Overensstemmelse
Tidsramme: Gennem undersøgelsens afslutning, ~12-16 uger
Overensstemmelsesgraden mellem lægens diagnose og ekspertens referencediagnose, målt ved hjælp af Cohens Kappakoefficient. Denne måling evaluerer diagnosticens pålidelighed ud over simpel procentvis overensstemmelse og tager højde for overensstemmelse, der opstår tilfældigt.
Gennem undersøgelsens afslutning, ~12-16 uger
Diagnostisk nøjagtighed stratificeret efter lægens erfaring
Tidsramme: Gennem studieafslutning, ~12-16 uger
Evaluering af diagnostisk nøjagtighed (andel af korrekte diagnoser) sammenlignet mellem undergrupper af læger med "Høj erfaring" (≥1 år i programmet eller ≥20 konsultationer) versus "Lav erfaring" (<1 år i programmet eller <20 konsultationer).
Gennem studieafslutning, ~12-16 uger
Diagnostisk nøjagtighed opdelt efter klinisk system
Tidsramme: Igennem studieafslutningen, ~12-16 uger.
Andelen af korrekte diagnoser stratificeret efter patologiens fysiologiske system: Respiratorisk, Fordøjelses-, Urinvejs- eller Øjenpatologi. Dette resultat vurderer, om AI'ens præstation eller anvendelighed varierer afhængigt af den specifikke type klinisk tilstand.
Igennem studieafslutningen, ~12-16 uger.

Samarbejdspartnere og efterforskere

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

Sponsor

Hospital El Salvador

Efterforskere

  • Ledende efterforsker: Manuel Bello, MD, Hospital Nacional El Salvador

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)

1. februar 2026

Primær færdiggørelse (Anslået)

1. august 2026

Studieafslutning (Anslået)

1. august 2026

Datoer for studieregistrering

Først indsendt

6. februar 2026

Først indsendt, der opfyldte QC-kriterier

6. februar 2026

Først opslået (Faktiske)

12. februar 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

17. februar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

13. februar 2026

Sidst verificeret

1. februar 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • CNEIS/2025/32

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Dataene vil ikke blive sendt eller delt til servere uden for dem, der bruges af DoctorSV-platformen, for at sikre deltagernes (lægernes) såvel som patienternes sikkerhed og privatliv.
Dataene er begrænset til forskningsteamet og de specifikke formål med denne undersøgelse.

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 Kunstig intelligens (AI) i diagnose

Kliniske forsøg med Standard Telemedicinsk Arbejdsgang (Ingen AI)

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Poland

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner