- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06913049
El desarrollo, implementación y evaluación de un sistema de apoyo de participación social
El objetivo de este ensayo clínico es determinar si los modelos de inteligencia artificial y aprendizaje automático (AI/ML) pueden ayudar a abordar las necesidades sociales en los afiliados de Medicaid. Las principales preguntas que pretende responder son:
¿Pueden los modelos AI/ML identificar con precisión las necesidades sociales de los datos de atención médica administrativa?
¿Pueden los modelos AI/ML predecir con precisión qué personas participarán con los apoyos sociales?
Los investigadores compararán a las personas que viven en diferentes regiones para ver si los modelos AI/ML funcionan mejor que el status quo.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Los impulsores sociales de la salud (SDOH) son los factores más grandes que afectan nuestra salud y bienestar, pero son difíciles de abordar para los sistemas de salud. A pesar de los nuevos modelos que proporcionan incentivos para que los planes de salud y los proveedores lleguen más allá de la atención clínica para mejorar los resultados de salud del paciente, las infraestructuras de datos existentes carecen de información relevante para respaldar tales intervenciones. El primer problema es uno de identificación; Los proveedores subcodifican las necesidades sociales en esquemas existentes y métodos de recopilación de datos auxiliares, como pantallas sociales, no son comunes, estandarizadas o fácilmente compartidas. El segundo problema es la falta de compromiso entre los individuos y los servicios sociales, lo cual es especialmente frustrante ya que existen muchas prácticas basadas en evidencia que las organizaciones comunitarias (CBO) usan para abordar las necesidades sociales. Sin información precisa sobre quién necesita apoyo social y cómo maximizar su compromiso con las CBO, los proveedores y las aseguradoras tienen una capacidad limitada para desplegar intervenciones que eliminen las barreras para la atención y igualen los resultados de la salud en poblaciones vulnerables.
Nuestro proyecto aplicará un enfoque de medicina de precisión para la identificación y el compromiso con los receptores de Medicaid con necesidades sociales. Los investigadores se han asociado con una organización de atención administrada que coordina los beneficios para más de 250,000 miembros de Maryland Medicaid. Han lanzado un programa de detección social en toda la población para agregar necesidades sociales informadas por miembros a sus datos clínicos existentes. Los investigadores mejorarán su infraestructura de tecnología de la información de salud (TI) con un conjunto de modelos de aprendizaje automático para la identificación de riesgos, un sistema de apoyo de participación para maximizar el uso de los apoyos sociales de los miembros y un proceso de mejora cualitativo y cuantitativo continuo para establecer un sistema de salud de aprendizaje. Lograremos este trabajo a través de los siguientes objetivos:
Objetivo 1: Desarrollar e implementar un conjunto de modelos de aprendizaje automático que usen múltiples fuentes de datos a nivel individual y comunitario para predecir qué miembros usan el departamento de emergencias para satisfacer las necesidades sociales o no urgentes en lugar del tratamiento para afecciones médicas urgentes. Estos modelos identificarán a las personas cuyas necesidades sociales están impulsando la utilización inapropiada para que las personas de alto riesgo reciban servicios de divulgación mejorados para facilitar la finalización de una evaluación integral de las necesidades sociales. Los investigadores analizarán estas evaluaciones para determinar si nuestros modelos conducen a la evaluación de individuos con un perfil de necesidad social más alta.
Objetivo 2: desarrollar e implementar un sistema de soporte de participación que identifique y muestre las características de los miembros que les impiden participar con una CBO. Este sistema utilizará técnicas de inteligencia artificial para identificar las características de las personas que históricamente se han desconectado de la cartera de servicios sociales antes de recibir servicios sociales y sugerir estrategias potenciales para aumentar la participación. Los investigadores aplicarán los modelos a los miembros recién evaluados y presentarán a las personas de alto riesgo predichas a los trabajadores de salud comunitarios del plan a través de su plataforma de TI existente, lo que les permite abordar de manera proactiva las barreras de los miembros para acceder a los servicios. Los investigadores analizarán el éxito del compromiso (es decir, si un miembro que fue remitido a los servicios recibió asistencia de una CBO) para determinar si nuestro sistema de apoyo aumentó la probabilidad de éxito.
Objetivo 3: Implemente un proceso de mejora cualitativo y cuantitativo continuo que identifique temas recurrentes y puntos de desconexión en los casos en que los miembros no pudieron completar su intervención social relevante. El equipo de investigación analizará estos hallazgos para identificar tácticas potenciales para abordar las barreras de participación, y las recomendaciones resultantes para aumentar la participación se propagarán a través del sistema, ya sea por actualizaciones de la infraestructura de TI de salud o las sesiones de capacitación del personal. A través de este objetivo, los investigadores construirán un sistema de salud de aprendizaje, con el equipo constantemente refinando los métodos de participación durante todo el proyecto.
El equipo de estudio está bien posicionado para desarrollar un protocolo de intervención de necesidades sociales e incluirá evaluaciones rigurosas para evaluar los efectos de nuestra intervención en la salud y los resultados sociales de los miembros participantes por sus características demográficas y geográficas. Juntos, estos objetivos ayudarán a informar a la próxima generación de paradigmas de atención basados en el valor identificando y abordando las necesidades sociales y la reducción de las diferencias en los resultados de salud en una población grande y de alto riesgo.
Tipo de estudio
Inscripción (Estimado)
Fase
- No aplica
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Ian Stockwell, PhD
- Número de teléfono: 410-455-8424
- Correo electrónico: istock1@umbc.edu
Ubicaciones de estudio
-
-
Maryland
-
Baltimore, Maryland, Estados Unidos, 21250
- University of Maryland, Baltimore County
-
Contacto:
- Ian Stockwell, PhD
- Número de teléfono: 410-455-8424
- Correo electrónico: istock1@umbc.edu
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
Acepta Voluntarios Saludables
Descripción
Criterios de inclusión:
- Miembros del Plan de Salud de la Partida de 18 a 64 años
Criterios de exclusión:
-
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Cuidados de apoyo
- Asignación: No aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Único
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: Sess - Tratamiento
Este brazo recibirá recursos de coordinación de atención respaldados por nuestro sistema de apoyo de participación social, incluido el triaje de divulgación de detección basada en el riesgo predicho de una necesidad social no satisfecha y apoyo de compromiso para disminuir como la probabilidad de abandonar el flujo de trabajo de los servicios sociales.
|
En este protocolo, desarrollaremos e implementaremos un conjunto de modelos de aprendizaje automático que usen múltiples fuentes de datos a nivel individual y comunitario para predecir qué miembros usan el departamento de emergencias para satisfacer las necesidades sociales o no urgentes en lugar del tratamiento para afecciones médicas urgentes.
Estos modelos identificarán a las personas cuyas necesidades sociales están impulsando la utilización inapropiada para que las personas de alto riesgo reciban servicios de divulgación mejorados para facilitar la finalización de una evaluación integral de las necesidades sociales.
También desarrollaremos e implementaremos un sistema de apoyo de participación que identifique y muestre las características de los miembros que les impiden participar con una organización basada en la comunidad (CBO).
Este sistema utilizará técnicas de inteligencia artificial para identificar las características de las personas que históricamente se han desconectado de la cartera de servicios sociales antes de recibir servicios sociales y sugerir estrategias potenciales para aumentar la participación.
|
|
Sin intervención: Sess - Control
Este brazo no recibirá intervención.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Cambio en la prevalencia de las necesidades sociales relacionadas con la salud (HRSN) según lo evaluado por la herramienta de detección del Departamento de Salud de la Salud de Maryland
Periodo de tiempo: De la inscripción a 12 meses.
|
Analizaremos los resultados de detección social de las personas en el brazo de tratamiento para determinar si nuestro sistema conduce a la evaluación de personas con un perfil de mayor necesidad social.
|
De la inscripción a 12 meses.
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Cambio en la proporción de participantes que reciben servicios sociales que tienen una necesidad social relacionada con la salud
Periodo de tiempo: De la inscripción a 12 meses.
|
Analizaremos el éxito del compromiso (es decir, si un miembro que fue remitido a los servicios recibió asistencia de una CBO) utilizando datos secundarios para determinar si nuestro sistema de soporte aumentó la probabilidad de éxito.
|
De la inscripción a 12 meses.
|
Colaboradores e Investigadores
Patrocinador
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
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 (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Otros números de identificación del estudio
- Kuali #1569
- 1R01MD019814-01 (Subvención/contrato del NIH de EE. UU.)
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
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.
producto fabricado y exportado desde los 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. .
Ensayos clínicos sobre Determinantes Sociales de la Salud (SDOH)
-
Queens College, The City University of New YorkReclutamientoPublicación de artículos enviados al American Journal of Public HealthEstados Unidos
Ensayos clínicos sobre Sistema de apoyo al compromiso social
-
University of Illinois at Urbana-ChampaignTerminadoEnvejecimiento | Defecto cognitivo leve | Envejecer bienEstados Unidos
-
DascenaNational Institute on Alcohol Abuse and Alcoholism (NIAAA); Baystate Health; Cape... y otros colaboradoresReclutamientoSepticemia | Shock séptico | Sepsis severaEstados Unidos