AI-unterstützte medizinische Entscheidungsfindung
Eine Kohortenstudie zur Bewertung eines Modells für künstliche Intelligenz zur Unterstützung der medizinischen Entscheidungsfindung mithilfe von Echtzeit-Daten in Echtzeit, die elektronische Gesundheitsdaten in Echtzeit haben
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Geschätzt)
Einschreibung
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Fei Liu, MD
- Telefonnummer: +86 13810512704
- E-Mail: liufei_2359@163.com
Studienorte
-
-
Zhejiang
-
Wenzhou, Zhejiang, China
- Rekrutierung
- First Affiliated Hospital of Wenzhou Medical University
-
Kontakt:
- Cheng Tang
- Telefonnummer: +86-0577-88002888
- E-Mail: c249325687@163.com
-
Wenzhou, Zhejiang, China
- Rekrutierung
- Second Affiliated Hospital of Wenzhou Medical University
-
Kontakt:
- Linfeng Liu
- E-Mail: llfwfe@163.com
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Die Patienten haben während des Untersuchungszeitraums in eine Abteilung des Krankenhauses (z. B. Intensivstationen, allgemeine Stationen, Notfälle, ambulante Dienstleistungen) aufgenommen.
- Patienten mit verfügbaren Daten in Echtzeit elektronischer Gesundheitsakten (EHR), einschließlich mindestens zwei der folgenden: Laborergebnisse, Vitalfunktionen, Krankengeschichte und Bildgebungsdaten.
Ausschlusskriterien:
Patienten, die derzeit in eine andere klinische Studie eingeschlossen sind, die die Datenerfassung oder die Ergebnisse dieser Studie beeinträchtigen könnten.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Krankenhausweite Patientenkohorte
|
Die Intervention in dieser Studie umfasst ein KI-System, das die multimodale Datenfusion nutzt, um die klinische Entscheidungsfindung und Bewertung von Krankheiten zu unterstützen.
Patienten in dieser Kohorte werden Standarduntersuchungen unterzogen, wobei klinische Entscheidungen von den vom AI -System erzeugten Empfehlungen geleitet werden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Bereich unter der Kurve (AUC)
Zeitfenster: 1 Jahr
|
AUC der ROC-Kurve, wird zur Quantifizierung der diagnostischen Genauigkeit verwendet.
Keine Einheit (ein Verhältnis oder Prozentsatz, normalerweise ausgedrückt als Zahl zwischen 0 und 1).
|
1 Jahr
|
|
Allgemeine Verbesserung der Krankenhausressourcenauslastung
Zeitfenster: 1 Jahr
|
Die prozentuale Reduzierung der gesamten Krankenhausressourcenverwendung (z. B. Betttage, Aufnahme in der Intensivstation, diagnostische Tests), die auf AI-unterstützte Entscheidungen zurückzuführen sind, die als Prozentsatz ausgedrückt werden.
|
1 Jahr
|
|
Verbesserung der diagnostischen Genauigkeit auf Bevölkerungsebene
Zeitfenster: 1 Jahr
|
Die allgemeine Verbesserung der diagnostischen Genauigkeit bei allen Krankenhauspatienten (z. B. Prozentsatz der korrekten Diagnosen oder Verringerung der Fehldiagnosen), die durch das KI -Modell erleichtert werden und als Prozentsatz oder Verhältnis ausgedrückt werden.
|
1 Jahr
|
|
Systemweite Reduzierung der unerwünschten Ereignisraten
Zeitfenster: 1 Jahr
|
Die prozentuale Verringerung der wichtigsten unerwünschten Ereignisse (z. B. Mortalität, schwerwiegende Komplikationen oder längere Aufenthalte) bei allen Krankenhauspatienten aufgrund von AI-unterstützten Entscheidungen, die als Prozentsatz ausgedrückt werden.
|
1 Jahr
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Gesamtverbesserung bei den Ergebnissen des Krankenhauspatienten
Zeitfenster: 1 Jahr
|
Die Gesamtverbesserung der wichtigsten Patientenergebnisse (z. B. Mortalität, Morbidität, Erholungsraten) in der gesamten Krankenhausbevölkerung aufgrund von AI-unterstützten Entscheidungen, die als zusammengesetzter Wert oder Prozentsatz ausgedrückt werden.
|
1 Jahr
|
|
Verbesserung der Effizienz des Gesundheitssystems
Zeitfenster: 1 Jahr
|
Die allgemeine Verbesserung der Betriebswirkungsgrad des Krankenhauses (z. B. reduzierte Wartezeiten, optimierte Ressourcenzuweisung, verringerter Arbeitsbelastung), die dem KI -Modell zugeschrieben wird, das als prozentualer oder qualitativer Bewertung ausgedrückt wird.
|
1 Jahr
|
|
Bevölkerungsgesundheit Impact Score
Zeitfenster: 1 Jahr
|
Ein zusammengesetzter Wert, der den Effekt des KI -Modells auf die Bevölkerungsgesundheit im Einzugsgebiet des Krankenhauses widerspiegelt (z. B. verringerte Krankheitslast, verbesserte chronische Krankheitsmanagement), ausgedrückt als standardisierter Index oder prozentualer Veränderung.
|
1 Jahr
|
|
Langzeitindex für öffentliche Gesundheit.
Zeitfenster: 1 Jahr
|
Ein zusammengesetzter Index, der den langfristigen Beitrag des KI-Modells zur öffentlichen Gesundheit (z. B. verringerte Krankheitsprävalenz, verbesserte Lebenserwartung) misst, ausgedrückt als standardisierter Score oder prozentualer Verbesserung.
|
1 Jahr
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Geschätzt)
Primärer Abschluss
Studienabschluss (Geschätzt)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AI Prediction
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .