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

Mensch vs. Maschine: ein RCT, der traditionellen Präsenzunterricht, KI und VR zum Erlernen grundlegender CCE vergleicht

8. April 2024 aktualisiert von: Lau Yie Hui, Tan Tock Seng Hospital

Mensch vs. Maschine: eine randomisierte kontrollierte Studie zum Vergleich von traditionellem Präsenzunterricht, künstlicher Intelligenz und virtueller Realität zum Erlernen der grundlegenden Echokardiographie in der Intensivpflege

Ziel der Studie ist es zu untersuchen, ob eine praktische Schulung für grundlegende CCE mit Virtual-Reality-Simulatoren oder unter Anleitung künstlicher Intelligenz der Schulung durch einen erfahrenen Ausbilder nicht unterlegen ist.

Studienübersicht

Detaillierte Beschreibung

Bei der Basis-Echokardiographie (Stufe 1) für die Intensivpflege (CCE) wird ein Ultraschallgerät zur qualitativen Beurteilung des Herzens am Krankenbett verwendet. Es wird zunehmend am Krankenbett zur Diagnostik und zum Screening wichtiger Differenzialdiagnosen eingesetzt. CCE wird immer mehr medizinischem Personal aus vielen Bereichen der Medizin gelehrt, darunter Notfallmedizin, Anästhesiologie, Intensivmedizin und sogar Familienmedizin. Online gibt es eine Fülle von Lernressourcen, der Zugang zu direkter Betreuung durch Trainer und zu Präsenzkursen kann jedoch begrenzt und kostspielig sein. Zum Zeitpunkt der Studie hat eine örtliche medizinische Fakultät eine Vorlesung eingerichtet, es gibt jedoch keinen Weg zur Zertifizierung innerhalb der örtlichen medizinischen Fakultäten oder Institutionen. Maschinelles Lernen wird zunehmend in der medizinischen Bildgebung eingesetzt, und Deep-Learning-Algorithmen sind nun in der Lage, die Bildaufnahme zu steuern und es Anfängern mit minimaler Ausbildung in der Echokardiographie zu ermöglichen, Bilder in diagnostischer Qualität zu erhalten. Künstliche Intelligenz (KI) in der Echokardiographie kann das Bild von Anfängern verbessern. Ultraschallhardware, die Software für maschinelles Lernen in Echtzeit implementiert, kann bei der Erkennung und Identifizierung von Strukturen helfen. Es sind jedoch weitere Studien erforderlich, um festzustellen, inwieweit KI das Lernen beeinflusst.

Studientyp

Interventionell

Einschreibung (Geschätzt)

66

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienkontakt

Studienorte

      • Singapore, Singapur, 319581
        • Rekrutierung
        • Tan Tock Seng Hospital
        • Kontakt:
        • Hauptermittler:
          • Yie H Lau

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Einschlusskriterien:

  • Medizinstudenten haben nur begrenzten klinischen Kontakt zur Intensiv-Echokardiographie
  • über 21 Jahre alt

Ausschlusskriterien:

  • vorherige Teilnahme an Intensiv-Echokardiographie-Kursen oder
  • Weigerung, an der Studie teilzunehmen oder beide praktischen Sitzungen zu absolvieren

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Sonstiges
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Doppelt

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: 22 Medizinstudierende (AI)
Medizinstudenten wurden diesem Arm randomisiert zugeteilt
Nutzung des KI-fähigen Ultraschallsystems für selbstgesteuertes Lernen
Andere Namen:
  • KI-gestütztes Ultraschallsystem (Kosmos(TM))
Aktiver Komparator: 22 Medizinstudierende (Simulator)
Medizinstudenten wurden diesem Arm randomisiert zugeteilt
Nutzung des Simulators zum selbstgesteuerten Lernen
Aktiver Komparator: 22 Medizinstudenten (Kontrolle)
Medizinstudenten wurden diesem Arm randomisiert zugeteilt
Medizinstudenten, die diesem Arm randomisiert zugeteilt werden

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Verbesserung der Bildaufnahme und Strukturerkennung nach 3 Monaten.
Zeitfenster: 3 Monate
Die in diesem Zeitraum aufgenommenen Bilder werden anhand der validierten Skala zur schnellen Beurteilung der Kompetenz in der Echokardiographie bewertet. Der erfahrene CCE-Trainer, der den Probanden bewertet, weiß nicht, in welchem ​​Teil der Studie sich der Proband befindet
3 Monate

Mitarbeiter und Ermittler

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

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 (Geschätzt)

4. April 2024

Primärer Abschluss (Geschätzt)

31. Dezember 2024

Studienabschluss (Geschätzt)

1. Januar 2025

Studienanmeldedaten

Zuerst eingereicht

4. April 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

8. April 2024

Zuerst gepostet (Tatsächlich)

9. April 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

9. April 2024

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

8. April 2024

Zuletzt verifiziert

1. April 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • DSRB 2023/00640

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

lokale PDPA- und Datenfreigaberegeln

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