Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Ensiapupotilaan laskennallisen avustetun historian keräämisen, fyysisen tutkimuksen ja diagnoosin järjestelmä koneoppimisen avulla (II) (MLD)

maanantai 20. helmikuuta 2023 päivittänyt: National Taiwan University Hospital

Päivystysosastolla (ED) lääkäreiden on suoritettava potilaan arviointi ja hoito lyhyessä ajassa, mikä vaati erilaisen anamneesin keräämisen ja terveydenhuoltojärjestelmän fyysisen tarkastuksen taitoja.

Luonnollisen kielen käsittelystä (NLP) tuli helposti saatavilla koneoppimisen (ML) kehittymisen jälkeen. Lisäksi sähköistä potilaskertomusta (EMR) on käytetty laajasti terveydenhuoltojärjestelmissä. Yhä useammat työkalut yrittävät kaapata tiettyjä tietoja EMR:stä auttaa kliinisiä työntekijöitä käsittelemään lisääntyviä potilastietoja ja parantamaan potilaiden hoitoa.

Erehtyminen on kuitenkin inhimillistä. Lääkärit saattavat jättää huomiotta joitain tärkeitä merkkejä tai oireita tai unohtaa kirjoittaa ne muistiin varsinkin kiireisessä ensiapuun. Se johtaa epäsuotuisaan lopputulokseen, kun kyseessä on lääketieteellinen oikeudellinen ongelma tai kansallisen sairausvakuutuksen tarkistus. Tilaa voi rajoittaa EMR-tukijärjestelmä. Myös hoidon laatu paranee.

Tutkijat suunnittelevat päivystyksen EMR-analyysiä NLP:n ja koneoppimisen avulla. Luodaan yhteys lajittelutietojen, päävalituksen, historian, nykyisen sairauden ja fyysisen tutkimuksen välillä. Tutkijat yrittävät ennustaa alustavan diagnoosin ja potilaan asenteen suhteen löytymisen jälkeen. Tämän jälkeen tutkijat voisivat yrittää ennustaa potilaan anamneesin keräämisen ja fyysisen tutkimuksen avaintekijän ja ilmoittaa lääkärille, kun väliin jääminen tapahtui. Tutkijat toivovat, että järjestelmä voi parantaa lääketieteellisen tallennuksen ja potilaiden hoidon laatua.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Opintotyyppi

Interventio

Ilmoittautuminen (Odotettu)

3000

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

  • Nimi: Hsin-Hsi Chen, Dr.
  • Puhelinnumero: 311 +886233664888
  • Sähköposti: hhchen@ntu.edu.tw

Opiskelupaikat

      • Taipei, Taiwan, 100
        • Rekrytointi
        • National Taiwan University Hospital
        • Ottaa yhteyttä:

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

20 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Kuvaus

Sisällyttämiskriteerit:

  • Yli kaksikymmentä vuotta vanha
  • Ei-traumaattinen potilas

Poissulkemiskriteerit:

  • Potilaiden poissulkeminen hallinnollisista syistä (lääkärintodistuksen myöntäminen)
  • Potilaiden sulkeminen pois muista kuin kiireellisistä syistä, kuten yksinkertaisesti akupunktiosta, virusseulonnasta ja lääkemääräyksestä.
  • Ei sisällä potilaita, jotka on määrätty tehohoitoasemalle

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Hoito
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Kolminkertaistaa

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Ei väliintuloa: Ohjaus
Kokeellinen: Kokeellinen
Kun potilaat ovat triage-luokituksessa, johon jaetaan satunnaisesti kahteen ryhmään. Ryhmä, jossa tekoäly puuttuu ja toinen ilman tekoälyä.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Vanhempi lääkärin arviointi
Aikaikkuna: 24 tuntia
Vanhempi lääkärin arviointi, joka mitataan vakiintuneella kyselylomakkeella. Vanhempi lääkäri täyttää asiantuntijan vahvistaman kliinisen huomautuksen laadunarviointilomakkeen, kun nuorempi lääkäri on suorittanut potilashaastattelun ja kliinisen muistiinpanon. Kyselylomake on suunniteltu käyttämään 5 pisteen likert-asteikkoa ja korkeammat pisteet tarkoittavat parempaa tulosta.
24 tuntia

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnoosin ennusteen tarkkuus
Aikaikkuna: potilaan kotiutus ED:stä, enintään 1 viikko
Ennustetun diagnoosin prosenttiosuus vastaa lopullista diagnoosia.
potilaan kotiutus ED:stä, enintään 1 viikko
Diagnoosin ennustamisen rationaalisuus
Aikaikkuna: 24 tuntia
Vanhemmat lääkärit arvioivat ennustetun diagnoosin rationaalisuuden.
24 tuntia

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Opintojen puheenjohtaja: Huang, Dr., National Taiwan University Hospital

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 12. joulukuuta 2022

Ensisijainen valmistuminen (Odotettu)

Torstai 30. maaliskuuta 2023

Opintojen valmistuminen (Odotettu)

Torstai 30. maaliskuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 10. lokakuuta 2022

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 25. lokakuuta 2022

Ensimmäinen Lähetetty (Todellinen)

Torstai 27. lokakuuta 2022

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvio)

Keskiviikko 22. helmikuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 20. helmikuuta 2023

Viimeksi vahvistettu

Torstai 1. joulukuuta 2022

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • 202110012RIND

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 .

Tilaa