AI4Triage - Entwicklung einer auf künstlicher Intelligenz basierenden Methode zur Analyse von Triage-Daten.
AI4Triage - Entwicklung KI-basierter Methoden zur Analyse von Triage-Daten
Künstliche Intelligenz, insbesondere Graph Neural Networks (GNNs), hat enormes Potenzial bei der Analyse komplexer klinischer Daten gezeigt. Dank ihrer Fähigkeit, Beziehungen zwischen Variablen zu modellieren, stellen GNNs eine bedeutende Weiterentwicklung im Vergleich zu traditionellen Modellen dar, was eine bessere Interpretation medizinischer Informationen ermöglicht und datengestützte Entscheidungen in komplexen Kontexten wie der Notfallmedizin unterstützt.
Die Anwendung von GNNs auf klinische Triage und die Vorhersage der Verweildauer kann die klinische Effizienz durch Optimierung der Ressourcenzuweisung und des Patientenmanagements verbessern. Diese Beobachtungsstudie zielt darauf ab, die Genauigkeit der Vorhersagen im Vergleich zu realen klinischen Daten zu bewerten und trägt so zur Entwicklung fortschrittlicher prädiktiver Tools zur Unterstützung von Entscheidungsprozessen im Gesundheitswesen bei.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
Catanzaro, Italien
- University of Catanzaro
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- alle
Ausschlusskriterien:
- Patienten mit roten Codes und schweren Verletzungen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anzahl der Untertriage-Fälle
Zeitfenster: 12 Monate
|
Die Prüfer werden die Anzahl der Fehlklassifizierungen messen
|
12 Monate
|
|
Untertriage
Zeitfenster: 12 Monate
|
Die Prüfer werden die Fähigkeit zur Vorhersage von Untertriage messen
|
12 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
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 (Geschätzt)
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
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AI4Triage
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
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 .