- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06421480
Einsatz von maschinellem Lernen zur Erkennung riskanten Verhaltens in psychiatrischen Kliniken
Erkennung riskanter Verhaltensweisen und Bereitstellung einer sicheren Umgebung bei Patienten, die stationäre Behandlung in einer psychiatrischen Klinik erhalten, mithilfe eines Modells des maschinellen Lernens
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Das Ziel dieser Studie ist es, riskantes Verhalten von Patienten in einer psychiatrischen Klinik mithilfe maschineller Lernmethoden zu erkennen. Riskantes Verhalten; Darunter versteht man Verhaltensweisen, die persönlich, sozial und entwicklungsbedingt unerwünscht sind und Leben und Gesundheit gefährden. Die Patientensicherheit und die Gewährleistung einer sicheren Umgebung gehören zu den Hauptaufgaben des medizinischen Fachpersonals. Suizid ist der wichtigste evidenzbasierte Risikofaktor, insbesondere bei Personen mit psychiatrischen Erkrankungen, und einer der wichtigsten Faktoren, die die Patientensicherheit gefährden. Suizidversuche sind eine in Kliniken häufig anzutreffende Krisensituation. Es ist bekannt, dass die Rate von Suizidversuchen bei Krankenhauspatienten um das Fünf- bis Zehnfache ansteigt. In Kliniken mit stationären Patienten kommt es häufig zu Suizidversuchen und anderen riskanten Verhaltensweisen.
Risikoverhalten zu verhindern und in psychiatrischen Kliniken ein sicheres Umfeld zu schaffen, ist in unserem Land und in der Welt ein wichtiges Thema. Um riskantes Verhalten zu erkennen und die Patienten-/Mitarbeitersicherheit zu gewährleisten, gibt es im Rahmen der Qualitätsstandards im Gesundheitswesen Maßnahmen zur Überwachung von Patienten mit Kameras in psychiatrischen Kliniken. Diese Maßnahmen reichen jedoch nicht aus, um das Problem vollständig zu lösen. In psychiatrischen Kliniken erfolgt die Patientenüberwachung durch eine Krankenschwester, die ständig die in den Räumen platzierten Kamerabilder auf dem Computerbildschirm überwacht. Die geringe Anzahl an Pflegekräften, insbesondere in Nachtschichten, erschwert die Kameraüberwachung während der Nachtschichten und stellt ein Problem für die Patientensicherheit dar. Die ständige Überwachung der Monitore durch die Pflegekraft reduziert die Zeit, die mit dem Patienten verbracht wird, und erhöht die Arbeitsbelastung. Darüber hinaus können riskante Verhaltensweisen nicht erkannt werden, wenn keine Bildschirmüberwachung durchgeführt wird. Daher müssen neue Methoden entwickelt werden, um eine sichere Umgebung in psychiatrischen Kliniken zu gewährleisten. In diesem Sinne handelt es sich bei der Methode des maschinellen Lernens, die zunehmend in der künstlichen Intelligenz und Datenanalyse eingesetzt wird, um einen spezialisierten Teilzweig der Algorithmen der künstlichen Intelligenz, der versucht, aus vorhandenen Daten aussagekräftige Ergebnisse/Vorhersagen abzuleiten. Die Methode des maschinellen Lernens wird häufig im Gesundheitsbereich eingesetzt, und die Psychiatrie ist einer dieser Bereiche. Der Hauptzweck dieser Studie besteht darin, riskantes und risikoreiches Verhalten von Patienten, die in einer psychiatrischen Klinik behandelt werden, mithilfe maschineller Lernmethoden zu erkennen und sicherzustellen, dass Patienten in einer sichereren Umgebung behandelt werden.
Studientyp
Einschreibung (Geschätzt)
Kontakte und Standorte
Studienkontakt
- Name: ceyda öztürk akdeniz, 1
- Telefonnummer: 05394124524
- E-Mail: ceyda.ozturk@artvin.edu.tr
Studienorte
-
-
-
Istanbul, Truthahn, 34000
- Detecting Risky Behaviors and Providing a Safe Environment in Patients Receiving Inpatient Treatment in a Psychiatric Clinic Using Machine Learning Model
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Es eignet sich für alle erwachsenen Patienten, die stationär in psychiatrischen Kliniken behandelt werden. Es ist für den Raum konzipiert, in dem Patienten schlafen.
Ausschlusskriterien:
- Personen unter 18 Jahren werden von der Studie ausgeschlossen
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Gezielte Ausgabe
Zeitfenster: 01.05.2024-01.08.2024
|
Erkennung von Selbstmord und gewalttätigem Verhalten mithilfe der Methode des maschinellen Lernens
|
01.05.2024-01.08.2024
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Geschätzt)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
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
- İstanbulMedeniyet
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 Maschinelles Lernen
-
RenJi HospitalNoch keine RekrutierungDeep Learning, lumbale Magnetresonanztomographie
-
Chelsea and Westminster NHS Foundation TrustNational Institute for Health Research, United Kingdom; OCB MediaAbgeschlossenQualitätsverbesserung | Lernen | E-LearningVereinigtes Königreich
-
Hai LvNoch keine RekrutierungFacettengelenke; Entartung; Deep Learning; Künstliche Intelligenz
-
Orsi AcademyAbgeschlossen
-
Tianjin Eye HospitalRekrutierungDeep Learning, Hornhauterkrankungen, ScreeningChina
-
Maastricht University Medical CenterAktiv, nicht rekrutierendAktinische Keratose | Dermatologie | E-LearningNiederlande
-
Wuhan Union Hospital, ChinaNoch keine RekrutierungNicht-kleinzelligem Lungenkrebs | Pathologische vollständige Reaktion | Neoadjuvante Chemoimmuntherapie | Deep-Learning-Modell
-
Sun Yat-sen UniversityRekrutierungDeep-Learning-ModellChina
-
Bahria UniversityRekrutierungCovid-19 | Medizinstudent | E-LearningPakistan
-
Centre Hospitalier Universitaire, AmiensUnbekanntNierenkolik | Urolithiasis | Steine der Harnwege | Deep-Learning-RekonstruktionFrankreich