- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT06660979
Verwendung von Reinforcement Learning zur Personalisierung elektronischer Gesundheitsakten-Tools, um das Verschreiben zu erleichtern (REINFORCE-EHR)
30. März 2026 aktualisiert von: Julie Lauffenburger, Brigham and Women's Hospital
Das übergeordnete Ziel der vorgeschlagenen Forschung besteht in der Verfeinerung, Anpassung und Durchführung von Wirksamkeitstests eines neuartigen, auf Verstärkungslernen basierenden Ansatzes zur Personalisierung von EHR-basierten Tools für PCPs zur Verschreibung von Hochrisikomedikamenten für ältere Erwachsene.
Die Studie wird bei Atrius Health, einem integrierten Liefernetzwerk in Massachusetts, durchgeführt und wird sich auf Erstversorger auswirken.
Die Forscher werden eine Cluster-randomisierte Studie mit Verstärkungslernen durchführen, um Tools für elektronische Gesundheitsakten (EHR) anzupassen, um Hochrisikomedikamente im Vergleich zur üblichen Pflege zu verschreiben.
60 PCPs werden randomisiert (d. h. jeweils 30 für die Intervention zum verstärkten Lernen und die übliche Pflege [kein EHR-Tool] in jedem Arm) an der Studie teilnehmen und sie etwa 30 Wochen lang begleiten.
Das primäre Ergebnis wird das Absetzen oder die Anordnung einer Dosisreduzierung der Hochrisikomedikamente für geeignete Patienten durch eingeschlossene Erstversorger unter Verwendung von EHR-Daten bei Atrius sein.
Die primäre Hypothese ist, dass die personalisierte Intervention mittels Reinforcement Learning die Verschreibungspflicht im Vergleich zur üblichen Pflege verbessern wird.
Studienübersicht
Studientyp
Interventionell
Einschreibung (Tatsächlich)
1249
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Massachusetts
-
Boston, Massachusetts, Vereinigte Staaten, 02215
- Atrius Health
-
-
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
Nein
Beschreibung
Einschlusskriterien:
Die Studie betrifft Erstversorger (einschließlich Ärzte und PCP-ernannte Krankenpfleger und Arzthelferinnen) bei Atrius Health.
Patienten der PCPs werden in die Intervention und Analyse einbezogen, wenn sie >/= 65 Jahre alt sind und ihnen in den letzten 180 Tagen basierend auf EHR-Daten >/= 90 Tabletten mit Hochrisikomedikamenten verschrieben wurden.
Ausschlusskriterien:
- Kein primärer Gesundheitsdienstleister bei Atrius Health
- Vorherige Randomisierung zum Interventionsarm in der vorherigen NUDGE-EHR-Studie
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Versorgungsforschung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Doppelt
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Verstärkungslernintervention
Bei der Intervention handelt es sich um ein verstärkendes Lernprogramm, das EHR-basierte Tools für PCPs personalisiert, um den Verzicht auf Hochrisikomedikamente im Rahmen der Nachsorge zu fördern.
Die Reinforcement-Learning-Intervention wählt auf der Grundlage eines Algorithmus aus einem Inventar von EHR-Tools ein Tool für jeden Anbieter aus und wählt Tools aus, von denen vorhergesagt wird, dass sie den einzelnen Anbieter zum Handeln motivieren.
Die Wirksamkeit jedes Instruments wird in einem ausgewählten Intervall bewertet, basierend darauf, ob PCPs bei berechtigten Patienten eine Verschreibungsaufhebungsmaßnahme ergreifen.
Der Algorithmus ist darauf trainiert, diese Aktionen im Laufe der Zeit zu maximieren.
|
Bei der Intervention handelt es sich um ein verstärkendes Lernprogramm, das EHR-basierte Tools für PCPs personalisiert, um den Verzicht auf Hochrisikomedikamente im Rahmen der Nachsorge zu fördern.
Die Reinforcement-Learning-Intervention wählt auf der Grundlage eines Algorithmus aus einem Inventar von EHR-Tools ein Tool für jeden Anbieter aus und wählt Tools aus, von denen vorhergesagt wird, dass sie den einzelnen Anbieter zum Handeln motivieren.
Der Bestand an EHR-Tools, aus denen der Algorithmus auswählt, umfasst die folgenden potenziellen Faktoren: offene Begegnung, Auftragseingabe, Cold-State-Outreach, Vereinfachung und Risikoeinschätzung.
|
|
Kein Eingriff: Übliche Pflege
Es werden keine EHR-basierten Tools bereitgestellt, die über die in der regulären klinischen Praxis verwendeten hinausgehen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Absetzen oder Ausschleichen von Hochrisikomedikamenten
Zeitfenster: Bis zum Abschluss der Testphase bis zu 7 Monate
|
Der Verschreibungsverzicht wird anhand routinemäßig erfasster Daten aus dem EHR-System für berechtigte Patienten beurteilt, bei denen festgestellt wurde, dass ein Verschreibungsverzicht erforderlich ist.
Das Ergebnis der Verschreibung wird eine „Reduzierung“ unangemessener Verschreibungen sein, definiert als entweder das Absetzen einer der interessierenden Medikamentenklassen oder die Anordnung einer Dosisreduzierung.
|
Bis zum Abschluss der Testphase bis zu 7 Monate
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Absetzen von Hochrisikomedikamenten
Zeitfenster: Bis zum Abschluss der Testphase bis zu 7 Monate
|
Das Absetzen von Medikamenten wird anhand routinemäßig erfasster Daten aus dem EHR-System für berechtigte Patienten beurteilt, bei denen ein Verschreibungsbedarf festgestellt wurde.
|
Bis zum Abschluss der Testphase bis zu 7 Monate
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
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)
11. August 2025
Primärer Abschluss (Tatsächlich)
27. März 2026
Studienabschluss (Tatsächlich)
27. März 2026
Studienanmeldedaten
Zuerst eingereicht
24. Oktober 2024
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
25. Oktober 2024
Zuerst gepostet (Tatsächlich)
28. Oktober 2024
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
2. April 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
30. März 2026
Zuletzt verifiziert
1. November 2025
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2024P002700
- 2P30AG064199-06 (US NIH Stipendium/Vertrag)
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 .
Klinische Studien zur Altern
-
Seoul National University HospitalAbgeschlossenAltern | Photo-AgingKorea, Republik von
-
Seoul National University HospitalAbgeschlossen
-
University of MichiganBausch Health Americas, Inc.Abgeschlossen
Klinische Studien zur Verstärkungslernen
-
University of California, BerkeleyAbgeschlossenPhysische Aktivität | Übung | Stimmung | Maschinelles Lernen | Mobile GesundheitVereinigte Staaten
-
University of California, BerkeleyAbgeschlossenCOVID-19 | Angst | Depressive SymptomeVereinigte Staaten
-
Adai Technology (Beijing) Co., Ltd.AbgeschlossenDepression | AngstChina
-
University College DublinAbgeschlossenÜbung | Mobile AnwendungenIrland
-
Antoine FourréUniversiteit Antwerpen; University of Mons; University of Picardie Jules VerneAbgeschlossenSchmerzen im unteren Rücken | Physiotherapie | Wissen, Einstellungen, Praxis | ÄrzteBelgien
-
McMaster UniversityAbgeschlossenDepression | AngstKanada
-
Jia LiuAbgeschlossenArteriosklerose der HalsschlagaderChina
-
Universitätsklinikum Hamburg-EppendorfGerman Cancer Research CenterRekrutierung
-
University GhentRekrutierungSuizidpräventionBelgien
-
KTO Karatay UniversityAbgeschlossenGesundheitserziehung | Randomisierte, kontrollierte Studie | Gesundheitskompetenz | Sexuelle Gesundheit | Flipped-Classroom-Modell im UnterrichtTürkei (türkiye)