Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Verknüpfung neuartiger Diagnostik mit datengesteuerter klinischer Entscheidungsunterstützung in der Notaufnahme

11. April 2022 aktualisiert von: Stocastic, LLC

Das Hauptziel dieser Studie ist die Validierung der Verwendung eines elektronischen Tools zur Unterstützung klinischer Entscheidungen (CDS), TriageGO mit Monozytenverteilungsbreite (TriageGO-MDW), in der Notaufnahme (ED). TriageGO-MDW ist ein Nicht-Geräte-CDS, das entwickelt wurde, um Notfallmediziner (Krankenschwestern, Ärzte und Anbieter von fortgeschrittenen Praxen) bei der Durchführung einer risikobasierten Bewertung und Priorisierung von Patienten während ihres Besuchs in der Notaufnahme zu unterstützen. Diese Studie folgt einem Effektivitäts-Implementierungs-Hybriddesign über die folgenden drei Ziele (Phasen), die nacheinander ausgeführt werden:

(Ziel 1) Validierung des TriageGO-MDW-Algorithmus vor Ort anhand retrospektiver Daten an ED-Studienstandorten.

(Ziel 2) Bereitstellung von TriageGO-MDW integriert mit der elektronischen Patientenakte (EMR) und Durchführung einer Benutzerbewertung.

(Ziel 3) Bewertung von TriageGO-MDW im Steady-State in Bezug auf klinische, Prozess- und wahrgenommene Nutzenergebnisse.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

300000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

  • Vereinigte Staaten
    • Kansas
      • Kansas City, Kansas, Vereinigte Staaten, 66160
        • Rekrutierung
        • Kansas University Medical Center
        • Kontakt:
          • Nima Sarani, MD
    • Missouri
      • Kansas City, Missouri, Vereinigte Staaten, 64108
        • Rekrutierung
        • University Health Truman Medical Center
        • Kontakt:
          • Kevin O'Rourke, MD

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (ERWACHSENE, OLDER_ADULT)

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Alle Notaufnahmebesuche von erwachsenen Patienten während des Studienzeitraums werden in unsere Analyse aufgenommen.

Beschreibung

Einschlusskriterien: Erwachsene Patienten, die an einem Studienstandort ED behandelt werden

Ausschlusskriterien: Keine

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Vorimplementierung
Bei allen Begegnungen mit ED-Patienten wird die übliche Betreuung gewährleistet.
Sonstiges: Übliche Pflege
Klinische Versorgung ohne Entscheidungsunterstützung durch TriageGo-MDW
Nach der Implementierung
TriageGo-MDW CDS wird während aller Begegnungen mit ED-Patienten an zwei Punkten im ED-Versorgungskontinuum zur Verfügung gestellt: (1) kurz nach der Ankunft während der anfänglichen ED-Triage (erste Triage) und (2) nachdem die ersten Laborergebnisse in die EHR eingegeben wurden . Allgemeine Schätzungen des Schweregrads der Krankheit werden den Pflegekräften bei der ED-Triage in Form von empfohlenen Triage-Acuity-Scores (CDS für First Triage) zur Verfügung gestellt. Allgemeine Schätzungen des Schweregrads der Krankheit zusammen mit dem geschätzten Risiko für bestimmte Folgen, einschließlich Sepsis und septischer Schock, werden den Ärzten vorgelegt, nachdem die Laborergebnisse vorliegen (CDS für Frühbewertung). TriageGO-MDW-Risikoschätzungen werden durch maschinelle Lernalgorithmen unter Verwendung routinemäßig verfügbarer klinischer Daten als Prädiktoreingaben generiert. Krankenschwestern und Kliniker erhalten Risikoschätzungen innerhalb bestehender EHR-Workflows, zusammen mit kurzen und schnell interpretierbaren Erklärungen der Logik, die jeder Risikoschätzung zugrunde liegt.
Sonstiges: TriageGO-MDW Klinische Entscheidungsunterstützung
TriageGO-MDW ist eine geräteunabhängige klinische Entscheidungshilfe, die klinische Risikoschätzungen auf Patientenebene basierend auf klinischen Daten aus der elektronischen Patientenakte liefert

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Intensivpflege
Zeitfenster: Baseline (vor der Intervention)
Aufnahme auf eine Intensivstation innerhalb von 24 Stunden nach ED-Disposition; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Intensivpflege
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Aufnahme auf eine Intensivstation innerhalb von 24 Stunden nach ED-Disposition; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Sterblichkeit im Krankenhaus
Zeitfenster: Baseline (vor der Intervention)
Tod während der Begegnung im Indexkrankenhaus; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Sterblichkeit im Krankenhaus
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Tod während der Begegnung im Indexkrankenhaus; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Emergente Chirurgie
Zeitfenster: Baseline (vor der Intervention)
Verfahren im Operationssaal innerhalb von 12 Stunden nach Ankunft der Notaufnahme; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Emergente Chirurgie
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Verfahren im Operationssaal innerhalb von 12 Stunden nach Ankunft der Notaufnahme; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Sepsis
Zeitfenster: Baseline (vor der Intervention)
Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Sepsis
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Septischer Schock
Zeitfenster: Baseline (vor der Intervention)
Erfüllung der Kriterien für einen septischen Schock innerhalb von 24 Stunden nach Ankunft der ED; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Septischer Schock
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Erfüllung der Kriterien für einen septischen Schock innerhalb von 24 Stunden nach Ankunft der ED; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Virusinfektion
Zeitfenster: Baseline (vor der Intervention)
Positiver Test auf Influenza oder Covid-19 (SARS-CoV-2)-Infektion innerhalb von 24 Stunden nach Ankunft der ED; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
Baseline (vor der Intervention)
Virusinfektion
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Positiver Test auf Influenza oder Covid-19 (SARS-CoV-2)-Infektion innerhalb von 24 Stunden nach Ankunft der ED; Die Vorhersageleistung von maschinellen Lernalgorithmen, die TriageGO-MDW für dieses Ergebnis zugrunde liegen, wird gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)

Andere Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Erfassungsrate der Intensivpflege-Triage
Zeitfenster: Baseline (vor der Intervention)
Anteil der Patienten mit Intensivaufnahme, Notoperation oder Mortalität im Krankenhaus, die bei der ED-Triage als hohe Akutheit identifiziert wurden
Baseline (vor der Intervention)
Erfassungsrate der Intensivpflege-Triage
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Anteil der Patienten mit Intensivaufnahme, Notoperation oder Mortalität im Krankenhaus, die bei der ED-Triage als hohe Akutheit identifiziert wurden
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Triage-Erfassungsrate bei Krankenhauseinweisungen
Zeitfenster: Baseline (vor der Intervention)
Anteil der Patienten, die eine Krankenhauseinweisung benötigen und bei der ED-Triage als mäßig oder hoch akut identifiziert wurden
Baseline (vor der Intervention)
Triage-Erfassungsrate bei Krankenhauseinweisungen
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Anteil der Patienten, die eine Krankenhauseinweisung benötigen und bei der ED-Triage als mäßig oder hoch akut identifiziert wurden
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Durchflussmetriken für ED-Patienten
Zeitfenster: Baseline (vor der Intervention)
Die Intervalle zwischen wichtigen ED-Versorgungsereignissen, einschließlich Ankunft zur Disposition, Ankunft zum Behandlungsraum, Ankunft zum Behandlungsanbieter, Ankunft zur Verlegung auf die Intensivstation, Ankunft zur Abreise aus der Notaufnahme, werden gemessen
Baseline (vor der Intervention)
Durchflussmetriken für ED-Patienten
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Die Intervalle zwischen wichtigen ED-Versorgungsereignissen, einschließlich Ankunft zur Disposition, Ankunft zum Behandlungsraum, Ankunft zum Behandlungsanbieter, Ankunft zur Verlegung auf die Intensivstation, Ankunft zur Abreise aus der Notaufnahme, werden gemessen
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Qualitätsmetriken der Sepsisversorgung
Zeitfenster: Baseline (vor der Intervention)
Gemessen werden Standardmetriken für die Qualität der Sepsisversorgung, einschließlich der Zeit bis zur Diagnose und Behandlung sowie der Compliance-Raten der Sepsis-1 (SEP-1) Core Measure der Centers for Medicare and Medicaid Services (CMS) und ihrer Komponenten
Baseline (vor der Intervention)
Qualitätsmetriken der Sepsisversorgung
Zeitfenster: während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)
Gemessen werden Standardmetriken für die Qualität der Sepsisversorgung, einschließlich der Zeit bis zur Diagnose und Behandlung sowie der Compliance-Raten der Sepsis-1 (SEP-1) Core Measure der Centers for Medicare and Medicaid Services (CMS) und ihrer Komponenten
während Steady State nach der Implementierung (ca. 3 Monate nach Intervention)

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Stocastic, LLC

Mitarbeiter

University of Kansas
Truman Medical Center
Beckman Coulter, Inc.

Ermittler

  • Hauptermittler: Scott Levin, PhD, Stocastic, LLC
  • Hauptermittler: Jeremiah Hinson, PhD/MD, Stocastic, LLC
  • Hauptermittler: Nima Sarani, MD, University of Kansas
  • Hauptermittler: Kevin O'Rourke, MD, Truman Medical Center

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (TATSÄCHLICH)

1. Februar 2022

Primärer Abschluss (ERWARTET)

1. Januar 2023

Studienabschluss (ERWARTET)

1. Januar 2024

Studienanmeldedaten

Zuerst eingereicht

22. Februar 2022

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

11. April 2022

Zuerst gepostet (TATSÄCHLICH)

19. April 2022

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (TATSÄCHLICH)

19. April 2022

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

11. April 2022

Zuletzt verifiziert

1. März 2022

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 21-STOC-101

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

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 .

Abonnieren