Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Uso del aprendizaje automático para detectar conductas de riesgo en clínicas psiquiátricas

9 de junio de 2024 actualizado por: CEYDA ÖZTÜRK AKDENİZ, Istanbul Medeniyet University

Detectar conductas de riesgo y proporcionar un entorno seguro en pacientes que reciben tratamiento hospitalario en una clínica psiquiátrica mediante un modelo de aprendizaje automático

El objetivo de este estudio es garantizar la seguridad de los pacientes en una clínica psiquiátrica y detectar conductas de riesgo mediante el uso de un método de aprendizaje automático. Los comportamientos de riesgo se definen como comportamientos que son indeseables a nivel personal, social y de desarrollo y que ponen en peligro la vida y la salud. La seguridad del paciente y el mantenimiento de un entorno seguro se encuentran entre los deberes principales de los profesionales de la salud. El suicidio es el factor de riesgo basado en evidencia más importante, especialmente entre personas con enfermedades psiquiátricas, y es uno de los factores más importantes que amenazan la seguridad del paciente. Al final de este estudio, se pretende detectar conductas de riesgo de los pacientes antes de que se autolesionen y permitir a los profesionales de la salud intervenir tempranamente ante estas conductas, apoyando así un entorno de tratamiento seguro, con el sistema informático que ha sido capacitado con el Modelo de aprendizaje automático instalado en las clínicas.

Descripción general del estudio

Descripción detallada

El objetivo de este estudio es detectar conductas de riesgo de pacientes en una clínica psiquiátrica utilizando el método de aprendizaje automático. Comportamiento riesgoso; Se define como conductas que son indeseables a nivel personal, social y de desarrollo y que ponen en peligro la vida y la salud. La seguridad del paciente y garantizar un entorno seguro se encuentran entre los deberes principales de los profesionales de la salud. El suicidio es el factor de riesgo basado en evidencia más importante, especialmente en personas con enfermedades psiquiátricas, y es uno de los factores más importantes que amenazan la seguridad del paciente. El intento de suicidio es una situación de crisis que se encuentra frecuentemente en las clínicas. Se sabe que la tasa de intentos de suicidio aumenta de 5 a 10 veces en pacientes hospitalizados. En las clínicas con pacientes hospitalizados es frecuente encontrar intentos de suicidio y otros comportamientos de riesgo.

Prevenir conductas de riesgo y brindar un ambiente seguro en las clínicas psiquiátricas es un tema importante en nuestro país y en el mundo. Para detectar conductas de riesgo y garantizar la seguridad de los pacientes/empleados, existen medidas de seguimiento de los pacientes con cámaras en las clínicas psiquiátricas dentro del alcance de los estándares de calidad en salud. Sin embargo, estas medidas no son suficientes para resolver completamente el problema. En las clínicas psiquiátricas, el seguimiento de los pacientes lo realiza una enfermera que monitorea constantemente las imágenes de las cámaras colocadas en las habitaciones en la pantalla de la computadora. El bajo número de enfermeras, especialmente en los turnos de noche, dificulta el seguimiento con cámaras durante los turnos de noche y plantea un problema en términos de seguridad del paciente. El seguimiento constante de los monitores por parte de la enfermera reduce el tiempo dedicado al paciente y aumenta la carga de trabajo. Además, cuando no se realiza un seguimiento de la pantalla, no se pueden detectar conductas de riesgo. Por lo tanto, es necesario desarrollar nuevos métodos para garantizar un entorno seguro en las clínicas psiquiátricas. En este sentido, el método de aprendizaje automático, que se utiliza cada vez más en inteligencia artificial y análisis de datos, es una subrama especializada de los algoritmos de inteligencia artificial que intenta derivar resultados/predicciones significativas a partir de datos existentes. El método de aprendizaje automático se utiliza con frecuencia en el campo de la salud y la psiquiatría es uno de estos campos. El objetivo principal de este estudio es detectar comportamientos riesgosos y de alto riesgo de pacientes tratados en una clínica psiquiátrica utilizando método de aprendizaje automático y garantizar que los pacientes reciban tratamiento en un entorno más seguro.

Tipo de estudio

De observación

Inscripción (Estimado)

1

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

Ubicaciones de estudio

      • Istanbul, Pavo, 34000
        • Detecting Risky Behaviors and Providing a Safe Environment in Patients Receiving Inpatient Treatment in a Psychiatric Clinic Using Machine Learning Model

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Niño
  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

N/A

Método de muestreo

Muestra no probabilística

Población de estudio

La población del estudio fueron actores de teatro y drama que exhibieron aleatoriamente comportamientos suicidas y violentos, utilizando una habitación vacía en una clínica psiquiátrica para entrenar y probar el modelo de aprendizaje automático. El número de actores es de 4-5 personas.

Descripción

Criterios de inclusión:

  • Es adecuado para todos los pacientes adultos que reciben tratamiento hospitalario en clínicas psiquiátricas. Está diseñado para la habitación donde duermen los pacientes.

Criterio de exclusión:

  • Las personas menores de 18 años serán excluidas del estudio.

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Salida objetivo
Periodo de tiempo: 01.05.2024-01.08.2024
Detección de suicidios y conductas violentas mediante método de aprendizaje automático.
01.05.2024-01.08.2024

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

20 de junio de 2024

Finalización primaria (Estimado)

1 de septiembre de 2024

Finalización del estudio (Estimado)

20 de septiembre de 2024

Fechas de registro del estudio

Enviado por primera vez

20 de abril de 2024

Primero enviado que cumplió con los criterios de control de calidad

14 de mayo de 2024

Publicado por primera vez (Actual)

20 de mayo de 2024

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

11 de junio de 2024

Última actualización enviada que cumplió con los criterios de control de calidad

9 de junio de 2024

Última verificación

1 de junio de 2024

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • İstanbulMedeniyet

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

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. .

Suscribir