ETriaging-järjestelmän tehokkuus tautien tutkimiseen
keskiviikko 17. tammikuuta 2024 päivittänyt: Yingfeng Zheng, Sun Yat-sen University
ETriaging-järjestelmän käytön tehokkuus tautien tutkimiseen yhteisön väestössä
Väestön kasvaessa ja sairauksien esiintyvyyden lisääntyessä pitkästä odotusajasta on tullut yleinen ongelma julkisissa terveydenhuoltojärjestelmissä.
Nopeita, tarkkoja ja kustannustehokkaita pikavalvontapalveluita tarvitaan kipeästi.
Siksi pyrimme kehittämään eTriaging-järjestelmän ja vertailla sen tehokkuutta ihmisiin.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
535
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina, 510000
- Zhognshan Ophthalmic Center, Sun Yat-sen University
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Ei
Kuvaus
Sisällyttämiskriteerit:
- Yli 18-vuotiaat.
- Sinulla on älypuhelin/tabletti ja pystyt katselemaan ja käyttämään eTriaging-sovellusta.
- Halukas osallistumaan tutkimukseen ja tarjoamaan tietoista sisältöä.
Poissulkemiskriteerit:
- NA
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Itsearviointityökalu, joka perustuu Large Language -malliin
Laajaan kielimalliin perustuva itsearviointityökalu käsittelee käyttäjien kyselyt kattavan sukupolvi-, päätös-, toiminta- ja turvallisuuskehyksen kautta optimaalisten vastausten saamiseksi.
Järjestelmän keskeisiä ominaisuuksia ovat haku-lisätty konteksti-oppiminen, joka tehostaa luotettavilta verkkosivustoilta hankitun tiedon tuottamia vastauksia.
Se sisältää myös Guardrail-moduulin, joka vähentää vastausten mahdollista haitallista sisältöä vahvistamalla sisällön ennen toimitusta.
Lisäksi järjestelmässä on itsetarkastava muistimoduuli, joka säilyttää keskeiset kliiniset ominaisuudet useiden vuoropuhelujen aikana ja varmistaa johdonmukaisen ja jatkuvan vuorovaikutuksen käyttäjien kanssa.
|
Perustason arvioinnin jälkeen osallistujia ohjataan käyttämään itsearviointityökalua itsenäisesti arvioidakseen diabeettisen retinopatian (DR) riskiä. Tämä työkalu on fuusio LLM:ään perustuvasta keskustelun tekoälyjärjestelmästä ja olemassa olevasta logistisesta diagnostiikkamallista. Tekoälyjärjestelmä on suunniteltu keräämään kliinisiä muuttujia, mukaan lukien ikä, diabeteksen kesto, painoindeksi (BMI) ja insuliinin käyttö. Lisäksi kliiniset testitiedot, kuten keskimääräinen valtimopaine, HbA1c, seerumin kreatiniini ja mikroalbuminuria, poimitaan paikallisesta tietojoukosta käyttämällä potilaan nimeä ja tunnusta. Kerättyään nämä tiedot siirretään palvelinpohjaiseen diagnostiikkamalliin lisäanalyysiä varten DR:n esiintymisen määrittämiseksi. |
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Itsearviointityökalun AUROC
Aikaikkuna: Heti chatbotin käytön jälkeen
|
Vanhemmat silmälääkärit arvioivat silmänpohjakuvien perusteella itsearviointityökalun suorituskyvyn tarkasti diagnostisten tarrojen perusteella.
|
Heti chatbotin käytön jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Tutkijat
- Päätutkija: Yingfeng Zheng, Zhongshan Ophthalmic Center, Sun Yat-sen University
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Maanantai 1. toukokuuta 2023
Ensisijainen valmistuminen (Todellinen)
Sunnuntai 30. heinäkuuta 2023
Opintojen valmistuminen (Todellinen)
Sunnuntai 30. heinäkuuta 2023
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Lauantai 29. tammikuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Lauantai 29. tammikuuta 2022
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 9. helmikuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Perjantai 19. tammikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 17. tammikuuta 2024
Viimeksi vahvistettu
Maanantai 1. tammikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 2022KYPJ258
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
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 .
Kliiniset tutkimukset Diabeettinen retinopatia
-
Washington University School of MedicineValmisCentral Serous Retinopathy (CSR)Yhdysvallat