- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT03833804
Identificación basada en datos para el uso indebido de sustancias
Estrategias basadas en datos para la identificación del abuso de sustancias en pacientes hospitalizados
Descripción general del estudio
Estado
Intervención / Tratamiento
Descripción detallada
En 2016, casi el 30 % de las altas hospitalarias en los Estados Unidos (EE. UU.) tenían una categoría de diagnóstico importante para una afección relacionada con el consumo de sustancias. El abuso de sustancias ocupa el segundo lugar entre los principales diagnósticos para las tasas de reingreso hospitalario no planificado de 7 días. A pesar de la disponibilidad de intervenciones de Detección, Intervención Breve y Derivación a Tratamiento (SBIRT), el abuso de sustancias no forma parte de la rutina de admisión y solo una minoría de pacientes son evaluados por uso indebido de sustancias en el entorno hospitalario. Esto es particularmente problemático, ya que entre los pacientes hospitalizados, se estima que la prevalencia del abuso de sustancias llega al 25%, más que en la población general o en el entorno ambulatorio. Se necesitan métodos de detección prácticos adaptados al entorno hospitalario.
Con el advenimiento del uso significativo en el registro de salud electrónico (EHR), la eficiencia para la detección de alcohol puede mejorarse aprovechando los datos recopilados durante la atención habitual. La documentación del uso de sustancias es común y aparece en más del 96 % de las notas de admisión de los proveedores, pero su formato de texto libre hace que sea difícil extraerlas y analizarlas. El procesamiento del lenguaje natural (NLP) y el aprendizaje automático son subcampos de la inteligencia artificial (IA) que brindan una solución para analizar datos de texto en el EHR para identificar el uso indebido de sustancias. La PNL moderna se ha fusionado con el aprendizaje automático, otro subcampo de la inteligencia artificial centrado en el aprendizaje a partir de datos. En particular, los métodos de PNL más poderosos se basan en el aprendizaje supervisado, un tipo de aprendizaje automático que aprovecha los estándares de referencia actuales para hacer predicciones sobre casos no vistos.
En la versión anterior de una herramienta de aprendizaje automático y PNL, los investigadores utilizaron con éxito los datos de las notas clínicas recopiladas en las primeras 24 horas de ingreso al hospital para alcanzar una sensibilidad y especificidad superiores al 70% para identificar el abuso de alcohol. Con casi 36 millones de ingresos hospitalarios en 2016, un clasificador de uso indebido de sustancias tiene el potencial de impactar a millones.
En este estudio, el objetivo es implementar prospectivamente un clasificador de abuso de sustancias para examinar su efectividad contra la práctica actual de todos los pacientes adultos hospitalizados en un sistema de salud terciario. El sistema de salud tiene un sistema de detección maduro para examinar el desempeño del clasificador de uso indebido de sustancias en comparación con la práctica actual de detección mediante cuestionario.
La hipótesis es que el clasificador de uso indebido de sustancias puede proporcionar un enfoque estandarizado, interoperable y preciso para evaluar a los pacientes hospitalizados. La implementación exitosa del clasificador en pacientes hospitalizados es un paso hacia un sistema de detección universal automatizado e integral para el abuso de sustancias.
Tipo de estudio
Inscripción (Estimado)
Fase
- No aplica
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Majid Afshar, MD
- Número de teléfono: 3125459462
- Correo electrónico: majid.afshar@wisc.edu
Ubicaciones de estudio
-
-
Illinois
-
Chicago, Illinois, Estados Unidos, 60612
- Reclutamiento
- Rush University Medical Center
-
Contacto:
- Ali Keshavarzian
- Correo electrónico: ali_keshavarzian@rush.edu
-
Contacto:
- Jenna Nikolaides
- Correo electrónico: jenna_nikolaides@rush.edu
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Descripción
Criterios de inclusión:
- Edad 18 años a 89 años
- Estado de hospitalización durante la hospitalización
- Estancia mayor a 24 horas
Criterio de exclusión:
- No puede participar en la intervención SBIRT de atención habitual
- Muerte u obnubilación durante las primeras 24 horas de ingreso
- Dado de alta en contra del consejo médico
- Transferido de otro hospital de agudos
- Transferido a otro hospital de agudos
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Poner en pantalla
- Asignación: N / A
- Modelo Intervencionista: Asignación de un solo grupo
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
---|---|
Experimental: Preselección de PNL (procesamiento del lenguaje natural)
Procesamiento automatizado de las notas clínicas recopiladas durante la atención de rutina en las primeras 24 horas de la admisión al hospital para identificar a las personas en riesgo de abuso de sustancias para que reciban una evaluación y detección completa estándar de atención, una intervención breve o una intervención de derivación a tratamiento (SBIRT).
|
Notas clínicas recopiladas en el primer día de ingreso hospitalario durante la atención habitual como entrada al algoritmo de procesamiento de lenguaje natural y aprendizaje automático.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Proporción de pacientes que tuvieron un examen universal positivo y recibieron SBIRT (detección, intervención breve o derivación a tratamiento)
Periodo de tiempo: 54 meses
|
El resultado primario es la proporción de pacientes que recibieron SBIRT después de una detección universal positiva por estar en riesgo de abuso de sustancias.
El diseño es un estudio observacional prospectivo de series temporales interrumpidas.
|
54 meses
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Rehospitalizaciones por todas las causas después de 6 meses desde el encuentro con el hospital Index
Periodo de tiempo: 12 meses de inscripción con 6 meses de seguimiento para la rehospitalización
|
Compararemos los resultados de la utilización de la atención médica en todos los pacientes entre los períodos anteriores y posteriores al control de todas las características clínicas y demográficas de los pacientes.
|
12 meses de inscripción con 6 meses de seguimiento para la rehospitalización
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Publicaciones y enlaces útiles
Enlaces Útiles
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Estimado)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2021-0509
- A534285 (Otro identificador: UW Madison)
- SMPH/MEDICINE (Otro identificador: UW Madison)
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Marco de tiempo para compartir IPD
Tipo de información de apoyo para compartir IPD
- CÓDIGO_ANALÍTICO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .