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

Die Anwendung des großen Sprachmodells bei der Triage von Brustschmerzen im Notfall (ALERT)

10. November 2026 aktualisiert von: Tang Yida, Peking University Third Hospital

This study will evaluate the accuracy and efficiency of large language model in emergency triage.

Studienübersicht

Detaillierte Beschreibung

The study is to evaluate the value of large language model in emergency triage, their accuracy and efficiency were evaluated and compared with traditional triage. To explore whether the model can effectively reduce the workload of medical staff, while improving the speed and quality of triage. In addition, the ability of the model to predict serious medical events such as acute heart events and strokes was evaluated. It also included surveys of patients; acceptance and satisfaction with the use of the artificial intelligence-assisted triage system. Analyze the economic benefits of adopting this technology, including cost saving and optimal allocation of resources.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

1165

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

    • Beijing Municipality
      • Beijing, Beijing Municipality, China
        • Peking University Third Hospital

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, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Beschreibung

Inclusion Criteria:

  1. All patients with chest pain entered the emergency triage procedure.
  2. patients aged 18 and above.

Exclusion Criteria:

  1. Patients with severe cognitive impairment or inability to communicate.
  2. There are patients who have been explicitly referred to specific departments (for example, some of the 120 transfer patients, who may go directly to the green channel) .
  3. Patients with unstable vital signs .
  4. Patients with potential medical problems.
  5. Is participating in other clinical trials.
  6. Failure to follow test procedures.
  7. Those who refuse to sign the informed consent form.

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: Parallele Zuordnung
  • Maskierung: Keine (Offenes Etikett)

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Experimental: Large Language Model Diagnostic

Patients interacted with the large-language model triage system MedGuide-V5 during the waiting period before or after routine triage in the emergency department. During this phase, MedGuide-V5 will automatically record data and metrics during communication with patients.

The large language model MedGuide-V5 is able to quickly extract key information from a patients description, and by analyzing these descriptions, it provides physicians with a possible initial diagnosis to help them quickly prioritize the treatment of patients.

Aktiver Komparator: Routine diagnostic and therapeutic procedure

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
The Diagnostic Accuracy Rate of MedGuide-V5
Zeitfenster: through study completion, an average of 10 months

To assess the consistency of the diagnosis of chest pain made by physicians with the assistance of large language models with the actual diagnosis made by patients after all examinations were completed.

through study completion, an average of 10 months

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
The Satisfaction of Medical Personnel
Zeitfenster: during evaluation

To evaluate the satisfaction and acceptance of medical personnel with the use of large language models in assisting triage systems through methods such as questionnaire surveys. The name of this questionnaire is: Researcher Evaluation Form, with scores ranging from 1 to 10. The higher the score, the more helpful the large language model is to researchers.

during evaluation
Medical Personnel Treatment Plan Adjustment Rate
Zeitfenster: during evaluation

The number of times medical personnel adjust treatment plans after receiving feedback from MedGuide V5's results and referring to the suggestions provided by the large language model.

during evaluation
Emergency Department Revisit Rate within 30 Days
Zeitfenster: during evaluation

Evaluate the occurrence of patients revisiting the emergency department or being readmitted within 30 days after large language model-assisted triage and traditional triage.

during evaluation

Mitarbeiter und Ermittler

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

Ermittler

  • Hauptermittler: Yi-Da Tang, MD, PhD, Peking University Third Hospital
  • Hauptermittler: Wen-Yao Wang, MD, PhD, Peking University Third Hospital

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. Dezember 2023

Primärer Abschluss (Tatsächlich)

20. August 2026

Studienabschluss (Tatsächlich)

20. August 2026

Studienanmeldedaten

Zuerst eingereicht

22. Dezember 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

8. Juli 2024

Zuerst gepostet (Tatsächlich)

9. Juli 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

12. November 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

10. November 2026

Zuletzt verifiziert

1. November 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

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