Tekoälyjärjestelmä lääketieteellisessä sääntelyssä (SIA-REMU)
Tekoälyjärjestelmä hätätilanteiden lääketieteelliseen säätelyyn
Väestön terveystarpeet kasvavat. Tieto- ja viestintäteknologiat muuttuvat. Digitaalinen siirtyminen tarjoaa uusia mahdollisuuksia massan terveystietojen tutkimiseen ja analysointiin. On mahdollista luottaa näihin uusiin teknologioihin potilashoidon modernisoimiseksi ja optimoimiseksi ensiapuviestintäkeskusten tasolla.
Projektimme tavoitteena on integroida tekoälyn menetelmät ja työkalut ensiapuviestintäkeskuksiin. Järjestelmän tarkoituksena on auttaa säätelemään hätäpuheluita CRRA 15:ssä Ranskassa tai Centrale 144:ssä Sveitsissä, jotta voidaan arvioida puheluiden vakavuutta, tunnistaa hoitoreittejä ja parantaa tehokkuutta resurssien sitomisessa.
Tällaisen järjestelmän kehittämisen tavoitteena on turvata ja optimoida ensiapukeskusten tietojärjestelmä ja tietoliikennevälineet sekä tarjota yksilöllinen vastaus potilashallintaan.
Tutkimuksen yleiskatsaus
Tila
Opintotyyppi
Ilmoittautuminen (Odotettu)
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- kaikki potilaat, jotka soittavat hätäkeskukseen
Poissulkemiskriteerit:
- potilas vastusti tutkimusta
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Kohortti
- Aikanäkymät: Takautuva
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälyjärjestelmän suorituskyky (herkkyys ja spesifisyys) ensiapuviestintäkeskuksissa, koskien aikaherkkiä sairauksia
Aikaikkuna: opintojen päätyttyä, keskimäärin 3 vuotta
|
Kun tekoälyjärjestelmä on käytössä, tämän järjestelmän epäiltyä diagnoosia verrataan jokaisen mukana olevan potilaan sairauskertomuksessa vahvistettuun diagnoosiin. Sen jälkeen mitataan suorituskykyarvot, kuten herkkyys, spesifisyys, positiivinen ja negatiivinen ennustearvo, patologiatyypin tunnistamisaika aikaherkkä. Näitä tuloksia verrataan sitten ensiapuviestintäkeskusten tavanomaiseen käytäntöön ilman ohjelmiston apua arvioimaan:
|
opintojen päätyttyä, keskimäärin 3 vuotta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Potilaan kuljetusaika
Aikaikkuna: opintojen päätyttyä, keskimäärin 3 vuotta
|
Tavoitteena on tunnistaa ja mallintaa käytettävissä olevat resurssit, joita voidaan käyttää sairaalaa edeltävän pelastuksen yhteydessä (ambulanssit, helikopterit, SMUR). Seuraavat tekijät otetaan huomioon: toimenpiteen sijainti, pääsy, potilaan kliininen tila, sääolosuhteet, liikennetiheys. Mallin pätevyyttä arvioidaan potilaan saapumisajan, kuljetusajan, ambulanssien tai SMUR:n puutteen perusteella, verrattuna päivystyskeskusten tavanomaiseen käytäntöön ilman ohjelmiston apua. |
opintojen päätyttyä, keskimäärin 3 vuotta
|
Yhteistyökumppanit ja tutkijat
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Odotettu)
Ensisijainen valmistuminen (Odotettu)
Opintojen valmistuminen (Odotettu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2021/591
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .