- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03833804
Datengetriebene Identifizierung für Substanzmissbrauch
Datengesteuerte Strategien zur Identifizierung von Substanzmissbrauch bei Krankenhauspatienten
Studienübersicht
Status
Detaillierte Beschreibung
Im Jahr 2016 hatten fast 30 % Krankenhausentlassungen in den Vereinigten Staaten (USA) eine Hauptdiagnosekategorie für eine substanzbedingte Erkrankung. Drogenmissbrauch steht an zweiter Stelle unter den Hauptdiagnosen für ungeplante 7-Tage-Krankenhauseinweisungsraten. Trotz der Verfügbarkeit von Screening, Brief Intervention und Referral to Treatment (SBIRT)-Interventionen ist Substanzmissbrauch nicht Teil der Aufnahmeroutine, und nur eine Minderheit der Patienten wird im Krankenhaus auf Substanzmissbrauch untersucht. Dies ist besonders problematisch, da bei Krankenhauspatienten die Prävalenz des Drogenmissbrauchs auf bis zu 25 % geschätzt wird und damit höher ist als in der Allgemeinbevölkerung oder im ambulanten Bereich. Praktische Screening-Methoden, die auf das Krankenhausumfeld zugeschnitten sind, werden benötigt.
Mit dem Aufkommen von Meaningful Use in der elektronischen Gesundheitsakte (EHR) kann die Effizienz der Alkoholerkennung verbessert werden, indem Daten genutzt werden, die während der üblichen Pflege gesammelt wurden. Die Dokumentation des Substanzkonsums ist weit verbreitet und kommt in über 96 % der Zulassungsbescheide von Anbietern vor, aber ihr Freitextformat macht es schwierig, sie zu durchsuchen und zu analysieren. Verarbeitung natürlicher Sprache (NLP) und maschinelles Lernen sind Teilbereiche der künstlichen Intelligenz (KI), die eine Lösung zur Analyse von Textdaten in der elektronischen Patientenakte bieten, um Drogenmissbrauch zu erkennen. Modernes NLP ist mit maschinellem Lernen verschmolzen, einem weiteren Teilgebiet der künstlichen Intelligenz, das sich auf das Lernen aus Daten konzentriert. Insbesondere die leistungsstärksten NLP-Methoden stützen sich auf überwachtes Lernen, eine Art maschinelles Lernen, das aktuelle Referenzstandards nutzt, um Vorhersagen über ungesehene Fälle zu treffen
In der früheren Version eines NLP- und maschinellen Lerntools verwendeten die Ermittler erfolgreich Daten aus klinischen Notizen, die in den ersten 24 Stunden der Krankenhausaufnahme gesammelt wurden, um eine Sensitivität und Spezifität von über 70 % für die Identifizierung von Alkoholmissbrauch zu erreichen. Mit fast 36 Millionen Krankenhauseinweisungen im Jahr 2016 hat ein Klassifikator für Drogenmissbrauch das Potenzial, Millionen Menschen zu betreffen.
Ziel dieser Studie ist es, prospektiv einen Substanzmissbrauchsklassifikator zu implementieren, um seine Wirksamkeit gegenüber der aktuellen Praxis aller hospitalisierten erwachsenen Patienten in einem tertiären Gesundheitssystem zu untersuchen. Das Gesundheitssystem verfügt über ein ausgereiftes Screening-System, um die Leistung der Klassifikatoren für den Substanzmissbrauch anhand der aktuellen Praxis des Fragebogen-Screenings zu untersuchen.
Die Hypothese ist, dass der Substanzmissbrauchsklassifikator einen standardisierten, interoperablen und genauen Ansatz zum Screening von Krankenhauspatienten bieten kann. Die erfolgreiche Implementierung des Klassifikators bei Krankenhauspatienten ist ein Schritt in Richtung eines automatisierten und umfassenden universellen Screeningsystems für Substanzmissbrauch.
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Majid Afshar, MD
- Telefonnummer: 3125459462
- E-Mail: majid.afshar@wisc.edu
Studienorte
-
-
Illinois
-
Chicago, Illinois, Vereinigte Staaten, 60612
- Rekrutierung
- Rush University Medical Center
-
Kontakt:
- Ali Keshavarzian
- E-Mail: ali_keshavarzian@rush.edu
-
Kontakt:
- Jenna Nikolaides
- E-Mail: jenna_nikolaides@rush.edu
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Alter 18 Jahre bis 89 Jahre
- Stationärer Status während des Krankenhausaufenthalts
- Aufenthaltsdauer von mehr als 24 Stunden
Ausschlusskriterien:
- Kann nicht an der SBIRT-Intervention der üblichen Versorgung teilnehmen
- Tod oder erhalten während der ersten 24 Stunden nach der Aufnahme
- Entlassung gegen ärztlichen Rat
- Verlegung aus einem anderen Akutkrankenhaus
- Verlegung in ein anderes Akutkrankenhaus
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Screening
- Zuteilung: N / A
- Interventionsmodell: Einzelgruppenzuweisung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Experimental: NLP (Natural Language Processing) Vorprüfung
Automatisierte Verarbeitung klinischer Notizen, die während der Routineversorgung in den ersten 24 Stunden der Krankenhauseinweisung gesammelt wurden, um Personen mit einem Risiko für Substanzmissbrauch zu identifizieren, um ein vollständiges Standard-of-Care-Screening und eine Bewertung, eine kurze Intervention oder eine Intervention zur Behandlung (SBIRT) zu erhalten.
|
Klinische Notizen, die am ersten Tag der Krankenhausaufnahme während der üblichen Pflege gesammelt wurden, als Eingabe für die Verarbeitung natürlicher Sprache und den Algorithmus für maschinelles Lernen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Anteil der Patienten, die bei einem universellen Screening positiv waren und SBIRT erhielten (Screening, kurze Intervention oder Überweisung zur Behandlung)
Zeitfenster: 54 Monate
|
Das primäre Ergebnis ist der Anteil der Patienten, die SBIRT nach einem positiven universellen Screening auf ein Risiko für Substanzmissbrauch erhielten.
Das Design ist eine unterbrochene prospektive Beobachtungsstudie in Zeitreihen.
|
54 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Wiedereinweisungen aus allen Gründen nach 6 Monaten nach der Begegnung mit dem Index-Krankenhaus
Zeitfenster: 12-monatige Einschreibung mit 6-monatiger Nachsorge für einen erneuten Krankenhausaufenthalt
|
Wir werden die Ergebnisse der Inanspruchnahme der Gesundheitsversorgung bei allen Patienten zwischen Vor- und Nachperioden vergleichen, wobei wir alle demografischen und klinischen Merkmale der Patienten kontrollieren.
|
12-monatige Einschreibung mit 6-monatiger Nachsorge für einen erneuten Krankenhausaufenthalt
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Nützliche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Geschätzt)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2021-0509
- A534285 (Andere Kennung: UW Madison)
- SMPH/MEDICINE (Andere Kennung: UW Madison)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
Art der unterstützenden IPD-Freigabeinformationen
- ANALYTIC_CODE
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 .
Klinische Studien zur Substanzbezogene Störungen
-
Hospices Civils de LyonAbgeschlossenNeuromyelitis-Optica-Spektrum-Erkrankungen | Neuromyelitis optica Spectrum Related DisordersFrankreich
-
Abbott Medical DevicesThoratec CorporationAbgeschlossenDriveline Heart-assisted Device Related InfectionVereinigte Staaten
-
Cure CMDRekrutierungEmery-Dreifuss-Muskeldystrophie | Angeborenes myasthenisches Syndrom | Gliedergürtel-Muskeldystrophie | Angeborene Muskeldystrophie mit ITGA7 (Integrin Alpha-7)-Mangel | Alpha-Dystroglykanopathie (angeborene Muskeldystrophie und abnormale Glykosylierung von Dystroglykan bei schwerer Epilepsie) und andere BedingungenVereinigte Staaten