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

Verbesserung der Qualität der ICD-10-Codierung mithilfe von KI: Protokoll für eine Crossover-randomisierte kontrollierte Studie (ClinCode)

22. Juni 2026 aktualisiert von: Taridzo Chomutare, University Hospital of North Norway

Verbesserung der Qualität der ICD-10-Kodierung (Internationale statistische Klassifikation von Krankheiten, zehnte Revision) mithilfe von KI: Protokoll für eine Crossover-randomisierte kontrollierte Studie

Ziel dieser randomisierten Studie ist es, mehr über die Rolle der KI in der klinischen Kodierungspraxis zu erfahren. Die Hauptfrage, die beantwortet werden soll, lautet:

Kann das KI-basierte CAC-System den Aufwand der klinischen Kodierung verringern und auch die Qualität dieser Kodierung verbessern? Die Teilnehmer werden gebeten, klinische Texte zu kodieren, sowohl während sie unser CAC-System verwenden als auch wenn dies nicht der Fall ist.

Studienübersicht

Status

Abgeschlossen

Intervention / Behandlung

Detaillierte Beschreibung

Sobald die Teilnehmer rekrutiert sind, werden sie nach dem Zufallsprinzip zwei Gruppen zugeteilt, ohne dass eine Verschleierung der Zuteilung erfolgt. Die Verschleierung der Zuordnung ist für klinische Kodierer nicht relevant, da bekannt ist, ob ein Teilnehmer unterstützt wird oder nicht, und wir werden keinen Placebo-Kodierungsassistenten entwickeln. Die Themenzuordnung für die Analysen verheimlichen wir jedoch.

Insgesamt kodieren die Teilnehmer 20 klinische Notizen, wobei jede Notiz zu einem einzelnen Patienten gehört. Die Teilnehmer werden gebeten, das Experiment in einer Sitzung ohne Unterbrechungen abzuschließen, und sie können vorherige Notizen nicht noch einmal durchgehen oder darauf zurückgreifen. Falls die Teilnehmer unterbrochen werden, werden sie aufgefordert, das Experiment zu verlassen, und alle unvollständigen Aufzeichnungen werden als ungültig verworfen.

Der Benutzerstudienprozess kann in den folgenden Schritten zusammengefasst werden:

  1. Die Studienteilnehmer werden nach dem Zufallsprinzip der Gruppe 1 und Gruppe 2 zugeteilt.
  2. Um die Teilnehmer auf das Experiment vorzubereiten, wird nach der Unterzeichnung des Einverständnisformulars und direkt vor Beginn der klinischen Kodierungsaufgabe ein kurzes Video-Tutorial abgespielt.
  3. In Periode 1 mit 10 klinischen Notizen verwendet Gruppe 1 die Kontrollschnittstelle, während Gruppe 2 die Interventionsschnittstelle verwendet.
  4. Die Datenerfassung erfolgt im Hintergrund über Tastendrücke (z.B. Zeit, zugewiesene Codes und Kommentare).
  5. Anschließend erfolgt für die letzten 10 klinischen Notizen ein sofortiger Übergang zu Periode 2.
  6. Die Datenerfassung erfolgt weiterhin per Tastendruck im Hintergrund.
  7. Am Ende absolvieren die Teilnehmer beider Gruppen die System-Usability-Skala.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

15

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

    • Troms
      • Tromsø, Troms, Norwegen, 9019
        • Norwegian Centre for E-health Research

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Der Teilnehmer hat bereits klinische Texte kodiert, vorzugsweise ICD-10-Kodierung
  • ist eine medizinische Fachkraft, z. Kliniker, Krankenschwester, professionelle Programmierer
  • kann Schwedisch verstehen

Ausschlusskriterien:

  • Teilnehmer außerhalb Norwegens und Schwedens

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Diagnose
  • Zuteilung: Zufällig
  • Interventionsmodell: Crossover-Aufgabe
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: Easy-ICD-Schnittstelle
Dieser Arm nutzt unser KI-basiertes computergestütztes klinisches Kodierungssystem (CAC), Easy-ICD
Easy-ICD ist ein KI-basiertes computergestütztes klinisches Kodierungssystem (CAC), das klinischen Kodierern dabei hilft, klinischen Notizen wie Entlassungszusammenfassungen ICD-10-Codes zuzuordnen.
Kein Eingriff: Steuerschnittstelle
Dieser Steuerarm verwendet eine ähnliche Schnittstelle wie Easy-ICD, jedoch ohne die KI-Funktionalität

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Zeit
Zeitfenster: 1 Stunde
Zeit in Sekunden, die benötigt wurde, um jeder der 20 klinischen Notizen ICD-10-Codes zuzuordnen.
1 Stunde
Genauigkeit
Zeitfenster: 1 Stunde
Die Genauigkeit wird berechnet, indem die Anzahl der korrekten ICD-10-Codes durch die Gesamtzahl der zugewiesenen Codes geteilt wird.
1 Stunde

Mitarbeiter und Ermittler

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

Ermittler

  • Hauptermittler: Hercules Dalianis, PhD, Norwegian Centre for E-health Research

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.

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)

20. Oktober 2023

Primärer Abschluss (Tatsächlich)

31. Mai 2024

Studienabschluss (Tatsächlich)

31. Mai 2024

Studienanmeldedaten

Zuerst eingereicht

16. Februar 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

23. Februar 2024

Zuerst gepostet (Tatsächlich)

29. Februar 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. Juni 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

22. Juni 2026

Zuletzt verifiziert

1. Februar 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 260972(REK)

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

Die von uns im Rahmen der Studie erfassten Daten sind alle anonym und werden nach Veröffentlichung der Benutzerstudie öffentlich zugänglich gemacht.

IPD-Sharing-Zeitrahmen

Bei der Veröffentlichung der Nutzerstudie.

IPD-Sharing-Zugriffskriterien

Die anonymen Daten werden öffentlich zugänglich sein.

Art der unterstützenden IPD-Freigabeinformationen

  • STUDIENPROTOKOLL
  • SAFT
  • ICF

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

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