Satunnaistettu kontrolloitu tutkimus ympäristön tekoälyn kirjoittajatekniikasta (AIScribe RCT)
keskiviikko 22. huhtikuuta 2026 päivittänyt: John N. Mafi, MD, MPH, University of California, Los Angeles
Satunnaistettu kontrolloitu tutkimus kahdesta ympäristön tekoälyn tekijän tekniikasta dokumentoinnin tehokkuuden parantamiseksi ja lääkäreiden palautumisen vähentämiseksi
Tämä on kolmen käsivarren käytännöllinen RCT, joka sisältää 238 avohoitoa suuressa akateemisessa terveysjärjestelmässä, satunnaistettu 1: 1: 1 yhdelle kahdesta AI-kirjoitustyökaluista tai tavallisesta hoidon kontrolliryhmästä. Kahden kuukauden tutkimuksessa havaitaan ja verrataan kunkin työkalun vaikutuksia ennen järjestelmän laajuista rullaa valittua työkalua (ennakoitu jousi 2025). Käytämme muuttujan rajoitettua satunnaistamista tasapainottaaksesi aseita lääkärin lähtötilanteessa muistiinpanoissa, tutkimuksen mitattuna uupumisasteella ja klinikkapäivillä viikossa.
Aloitteen päätarkoitus on parantaa laatua, tehokkuutta ja liiketoimintaa Kalifornian yliopistossa, Los Angeles (UCLA) -terveydessä, ja tätä aloitetta ei tehdä tutkimustarkoituksiin. Tämän operatiivisen aloitteen tulokset ilmoittavat AI -kirjoitustyökalujen laajalle levinneestä käyttöönotosta kaikilla UCLA -terveysjärjestelmän palveluntarjoajilla. Siitä huolimatta UCLA-tutkimusryhmä aikoo tutkia ja julkaista tiukasti tämän intervention vaikutuksia koko terveysjärjestelmässä, minkä vuoksi tutkimusryhmä rekisteröi aloitteen ennakkoon.
Tutkimuksen yleiskatsaus
Tila
Valmis
Yksityiskohtainen kuvaus
Tässä tutkimuksessa arvioidaan toimintakeskeisiä tuloksia kaikissa ryhmissä. Erityisesti kaikki ryhmät saavat lopulta kaikki interventiot ajan myötä tässä havainnollisessa tutkimuksessa satunnaistetusta QI -aloitteesta. Lisäksi tämän aloitteen päätarkoitus on toiminnallinen. Toisin sanoen tämän aloitteen tulosten perusteella yksi näistä työkaluista valitaan lopulta ja toimitetaan laajasti koko terveysjärjestelmässä.
Ilmoittautuneet osallistujat satunnaistetaan yhdeksi kolmesta ryhmästä. Satunnaistamista tarvittiin maallisten suuntausten, kausiluonteisten ja lomavaikutusten voittamiseksi joulukuussa, ja muut tekijät, jotka hämmentävät AI -työkaluille altistumisen ja tulosten välistä suhdetta.
Tämän tutkimuksen ensisijaisena tavoitteena on arvioida kahden ympäristön AI -kirjoitustekniikan vaikutusta lääkärin muutokseen EHR -dokumentaatioon käytettyyn lähtöaikaan vertaamalla kutakin kirjoittajaa kontrolliryhmään. Toissijaisiin tavoitteisiin sisältyy AI -kirjoittajien vaikutuksen arviointi kliinisten mittareihin, kuten uupuminen, lääkärin tyytyväisyys ja tuottavuus. Lisäksi tutkimusryhmä aikoo suorittaa taloudellisen arviointianalyysin liiketoiminnan päätöksenteon ohjaamiseksi työkaluista. Tutkimusryhmä analysoi myös lääkärin ilmoittamat AI -työkalujen vaikutukset potilasturvallisuuteen, oikeudenmukaisuuteen ja aloitteen tahattomiin seurauksiin.
Opintotyyppi
Interventio
Ilmoittautuminen (Todellinen)
238
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
California
-
Los Angeles, California, Yhdysvallat, 90024
- UCLA Health System
-
-
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
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Kuvaus
Sisällyttämiskriteerit:
- UCLA: n terveysjärjestelmän ambulatorinen hoitolääkärit, joilla oli vähintään yhden puolen päivän klinikka viikossa
Poissulkemiskriteerit:
- Harjoittelijoiden tarjoajat (esim. Asukkaat, lääketieteen opiskelijat) ja liittolaisten terveydenhuollon ammattilaiset (esim. RNS, PAS)
- Osallistujat, jotka työskentelevät yksinomaan harjoittelijoiden kanssa
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Terveyspalvelututkimus
- Jako: Satunnaistettu
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Muut: Nabla, virtuaalisen AI -kirjoitustekniikan myyjä
Tämän käsivarren osallistujat hyödyntävät Nablan AI -kirjoitustyökaluja ja jatkavat tavanomaisia kliinisiä dokumentointiprosessejaan, jota tukee Scribe -ohjelmisto, joka integroituu EHR: ään ja lisää luodun tekstin automaattisesti muistiinpanoon.
Nabla AI: n kirjoitustyökalu on transkriptionaalinen eikä tarjoa kliinistä päätöksentekoa.
|
AI Scribe Technologies Kaappaa lääkärin ja potilaskeskusteluja transkription luomiseksi ja tiivistä sitten transkriptio kliinisten muistiinpanojen muodossa. Nämä työkalut integroidaan EHR: ään ja lisäävät luodun tekstin automaattisesti palveluntarjoajan huomautukseen. Kaikkien lääkäreiden on ilmoitettava potilaille kirjaamisesta ja saamisesta suullisen suostumuksensa, ja tapaukset, joissa potilaat kieltäytyvät suostumuksesta, seurataan. Nabla hyödyntää omaa puhe-tekstiään keskustelun muuttamiseksi kirjalliseksi kontekstiksi yhdistettynä HIPAA-yhteensopiviin suuriin kielimalleihin (LLM), kuten Azure Openai's GPT-4. Nabla ei tallenna mitään ääntä. |
|
Muut: Virtuaalisen AI -kirjoitustekniikan myyjä B
Tämän käsivarren osallistujat hyödyntävät toimittajan B AI -kirjoitustyökaluja ja jatkavat tavanomaisia kliinisiä dokumentointiprosessejaan, jota tukee Scribe -ohjelmisto, joka integroituu EHR: ään ja lisää luodun tekstin automaattisesti muistiinpanoon.
AI -kirjoitustyökalu on transkriptionaalinen eikä tarjoa kliinistä päätöksentekoa.
|
AI Scribe Technologies Kaappaa lääkärin ja potilaskeskusteluja transkription luomiseksi ja tiivistä sitten transkriptio kliinisten muistiinpanojen muodossa.
Nämä työkalut integroidaan EHR: ään ja lisäävät luodun tekstin automaattisesti palveluntarjoajan huomautukseen.
Kaikkien lääkäreiden on ilmoitettava potilaille kirjaamisesta ja saamisesta suullisen suostumuksensa, ja tapaukset, joissa potilaat kieltäytyvät suostumuksesta, seurataan.
|
|
Ei väliintuloa: Ei kirjoittaja
Tämän käsivarren osallistujilla ei ole pääsyä AI -kirjoitustyökaluihin, ja he jatkavat tavanomaisia kliinisiä dokumentointiprosesseja
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Muutos huomautusten aikakohdassa huomautusta kohden
Aikaikkuna: Tutkimuskuukausi 2
|
Ensisijainen tulosmittari on palveluntarjoajan keskimääräisen aikamuutoksen merkinnöissä per merkintö tutkimuksen toisena kuukautena verrattuna palveluntarjoajan lähtötilanteen keskimääräiseen aikaan merkintöihin per merkintö kuuden kuukauden ajanjaksolla ennen ilmoittautumista.
Tämä muutos lasketaan luonnollisella logaritmiasteikolla. Mitään potilastason tietoja ei kerätä tätä tulosmittaria varten. |
Tutkimuskuukausi 2
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Palveluntarjoajan palamispisteet
Aikaikkuna: Opiskelukuukausi 2
|
Mini Z 2.0 -kysely on validoitu 10-osainen instrumentti, joka on suunniteltu mittaamaan keskeisiä tekijöitä, jotka vaikuttavat työtapatyytyväisyyteen ja palamiseen terveydenhuollon ammattilaisten keskuudessa.
Jokainen esine pisteytetään Likert -asteikolla (1-5), ja korkeammat pisteet osoittavat yleensä positiivisempia tuloksia - suurempi työtyytyväisyys, elektronisen sairauskertomuksen dokumentoinnin ajan riittävyys ja alhaisemmat stressitasot.
Negatiivisesti kehystettyjen esineiden (esim. Stressi, joka johtuu työstä tai turhautumisesta elektronisella sairauskertomuksella), korkeammat pisteet osoittavat alhaisemmat tyytymättömyydet.
Kokonaispistemäärä on 10-50, pisteet ≥40 edustavat iloista työpaikkaa.
Tätä tulosmittausta varten ei kerätä potilaan tason tietoja.
|
Opiskelukuukausi 2
|
|
Muutos EHR -signaalissa (aktiviteetti) -tiedot - pyjama -aika
Aikaikkuna: Opiskelukuukausi 2
|
Tutkimme muutosta retrospektiivisesta lähtötasosta 6 kuukautta ennen ilmoittautumista signaalimittareihin, mukaan lukien pyjama -aika aikataulun mukaisesti.
Näiden tietojen käyttäminen määrittää, kuinka palveluntarjoajien aikaa käytetään EHR: ssä.
Tätä tulosmittausta varten ei kerätä potilaan tason tietoja.
|
Opiskelukuukausi 2
|
|
Palveluntarjoajan tehtäväkuormituksen pistemäärä
Aikaikkuna: Tutkimuksen toinen kuukausi
|
Palveluntarjoajan tehtäväkuormitus mukaillen NASA Task Load Index (TLX) -menetelmää, joka on validoitu työkalu koetun työkuorman arviointiin kuudella ala-asteikolla: henkinen vaatimus, fyysinen vaatimus, ajallinen vaatimus, suorituskyky, ponnistelu ja turhautuminen.
Tässä tutkimuksessa mukailimme TLX:ää keskittyen muistioiden kirjoittamisen työkuormitukseen, sisältäen neljä ala-asteikkoa (henkinen vaatimus, ajallinen vaatimus, fyysinen vaatimus ja ponnistelu), kuten on aiemmin tehty. Kukin ala-asteikko arvioidaan asteikolla 0 (matala tehtäväkuormitus) - 100 (korkea tehtäväkuormitus) ja summautuu kokonaispistemäärän asteikolle 0 (matala tehtäväkuormitus) - 400 (korkea tehtäväkuormitus), pienempi on parempi. Potilastason tietoja ei kerätä tästä tulosmittarista. |
Tutkimuksen toinen kuukausi
|
|
Ammatillinen Toteutus Palveluntarjoajalta
Aikaikkuna: Tutkimuksen kuukausi 2
|
The Professional Fulfillment Index (PFI) on validoitu 16-kohtainen mittari, joka käyttää 5-pisteistä Likert-asteikkoa (0-4) ammatillisen täyttymyksen, työuupumuksen ja ihmissuhteista irtaantumisen mittaamiseen.
Tässä tutkimuksessa käytämme 4-kohtaista työuupumuksen ala-asteikkoa, joka on kyseisen ala-asteikon 4 kohdan keskiarvo, jossa matala pistemäärä (0) osoittaa vähäisempää uupumusta ja korkea pistemäärä (4) suurempaa uupumusta.
Tästä tulosmittarista ei kerätä potilastason tietoja.
|
Tutkimuksen kuukausi 2
|
|
Niiden lääkäreiden lukumäärä, joita pidetään arvostelijoina, passiivisina tai edistäjinä
Aikaikkuna: Tutkimuskuukausi 2
|
Itseraportoitu tyytyväisyyskysely, jossa lääkäreitä pyydetään arvioimaan muistiinpanon tarkkuutta, potilasturvallisuutta, oikeudenmukaisuutta ja muita mahdollisia tahattomia seurauksia ja arvioimaan kokonaisvaltaista todennäköisyyttään suositella työkalun käyttöä asteikolla 1-10.
Korkeammat pisteet (10) osoittavat suurempaa tyytyväisyyttä ja todennäköisyyttä suositella, kun taas matalammat pisteet (1) osoittavat tyytymättömyyttä ja todennäköisyyttä olla suosittelematta. Palveluntarjoajat ryhmitellään "promoottoreiksi", jos he vastaavat 9-10, "passiivisiksi", jos he vastaavat 7-8, ja "arvostelijoiksi", jos he vastaavat arvolla, joka on < 6. Tämä ryhmittely noudattaa yleisesti hyväksyttyjä "Net Promoter Score" -ryhmittelyjä. Potilastason tietoja ei kerätä tälle tulosmittarille. |
Tutkimuskuukausi 2
|
|
Muutos palveluntarjoajan RVU:ssa
Aikaikkuna: Tutkimuksen kuukausi 2
|
Tutkimustiimi käyttää lääkäritason laskutustietoja RVU:n kautta määrittääkseen tuottavuuden muutoksen retrospektiivisestä perustasosta 6 kuukautta ennen osallistumista.
Tästä tulosmittarista ei kerätä potilastason tietoja.
|
Tutkimuksen kuukausi 2
|
|
Muutos EHR-signaali (aktiviteetti) -tiedoissa - Aika aikataulun ulkopuolella
Aikaikkuna: Tutkimuksen kuukausi 2
|
Tarkastelemme muutosta retrospektiivisestä lähtötilanteesta 6 kuukautta ennen ilmoittautumista Signaali-mittareissa, mukaan lukien aika aikataulun ulkopuolella suunniteltua päivää kohden.
Tämän tiedon avulla määritetään, miten palveluntarjoajien aikaa käytetään EHR:ssä.
Tästä tulosmittarista ei kerätä potilastason tietoja.
|
Tutkimuksen kuukausi 2
|
|
Muutos sairauskertomusjärjestelmän signaali (aktiviteetti) -tiedoissa - Aika aikatauluttomina päivinä
Aikaikkuna: Tutkimuskuukausi 2
|
Tutkimme muutosta retrospektiivisestä lähtötilanteesta 6 kuukautta ennen ilmoittautumista Signal-mittareissa, mukaan lukien järjestelmässä vietetty aika suunnittelemattomina päivinä, jolloin .
Tämän tiedon avulla selvitetään, miten palveluntarjoajan aikaa käytetään EHR:ssä. Tähän tulosmittariin ei kerätä potilastason tietoja. |
Tutkimuskuukausi 2
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- Trockel M, Bohman B, Lesure E, Hamidi MS, Welle D, Roberts L, Shanafelt T. A Brief Instrument to Assess Both Burnout and Professional Fulfillment in Physicians: Reliability and Validity, Including Correlation with Self-Reported Medical Errors, in a Sample of Resident and Practicing Physicians. Acad Psychiatry. 2018 Feb;42(1):11-24. doi: 10.1007/s40596-017-0849-3. Epub 2017 Dec 1.
- Sinsky C, Colligan L, Li L, Prgomet M, Reynolds S, Goeders L, Westbrook J, Tutty M, Blike G. Allocation of Physician Time in Ambulatory Practice: A Time and Motion Study in 4 Specialties. Ann Intern Med. 2016 Dec 6;165(11):753-760. doi: 10.7326/M16-0961. Epub 2016 Sep 6.
- Linzer M, McLoughlin C, Poplau S, Goelz E, Brown R, Sinsky C; AMA-Hennepin Health System (HHS) burnout reduction writing team. The Mini Z Worklife and Burnout Reduction Instrument: Psychometrics and Clinical Implications. J Gen Intern Med. 2022 Aug;37(11):2876-2878. doi: 10.1007/s11606-021-07278-3. Epub 2022 Jan 19. No abstract available.
- Gianfrancesco MA, Tamang S, Yazdany J, Schmajuk G. Potential Biases in Machine Learning Algorithms Using Electronic Health Record Data. JAMA Intern Med. 2018 Nov 1;178(11):1544-1547. doi: 10.1001/jamainternmed.2018.3763.
- Garcia P, Ma SP, Shah S, Smith M, Jeong Y, Devon-Sand A, Tai-Seale M, Takazawa K, Clutter D, Vogt K, Lugtu C, Rojo M, Lin S, Shanafelt T, Pfeffer MA, Sharp C. Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages. JAMA Netw Open. 2024 Mar 4;7(3):e243201. doi: 10.1001/jamanetworkopen.2024.3201.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; SPIRIT-AI and CONSORT-AI Working Group; SPIRIT-AI and CONSORT-AI Steering Group; SPIRIT-AI and CONSORT-AI Consensus Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Nat Med. 2020 Sep;26(9):1351-1363. doi: 10.1038/s41591-020-1037-7. Epub 2020 Sep 9.
- McCoy LG, Manrai AK, Rodman A. Large Language Models and the Degradation of the Medical Record. N Engl J Med. 2024 Oct 31;391(17):1561-1564. doi: 10.1056/NEJMp2405999. Epub 2024 Oct 26. No abstract available.
- Hendrix N, Veenstra DL, Cheng M, Anderson NC, Verguet S. Assessing the Economic Value of Clinical Artificial Intelligence: Challenges and Opportunities. Value Health. 2022 Mar;25(3):331-339. doi: 10.1016/j.jval.2021.08.015. Epub 2021 Oct 9.
- Rotenstein L, Melnick ER, Iannaccone C, Zhang J, Mugal A, Lipsitz SR, Healey MJ, Holland C, Snyder R, Sinsky CA, Ting D, Bates DW. Virtual Scribes and Physician Time Spent on Electronic Health Records. JAMA Netw Open. 2024 May 1;7(5):e2413140. doi: 10.1001/jamanetworkopen.2024.13140.
- Cao DY, Silkey JR, Decker MC, Wanat KA. Artificial intelligence-driven digital scribes in clinical documentation: Pilot study assessing the impact on dermatologist workflow and patient encounters. JAAD Int. 2024 Feb 20;15:149-151. doi: 10.1016/j.jdin.2024.02.009. eCollection 2024 Jun. No abstract available.
- Owens LM, Wilda JJ, Grifka R, Westendorp J, Fletcher JJ. Effect of Ambient Voice Technology, Natural Language Processing, and Artificial Intelligence on the Patient-Physician Relationship. Appl Clin Inform. 2024 Aug;15(4):660-667. doi: 10.1055/a-2337-4739. Epub 2024 Jun 4.
- Haberle T, Cleveland C, Snow GL, Barber C, Stookey N, Thornock C, Younger L, Mullahkhel B, Ize-Ludlow D. The impact of nuance DAX ambient listening AI documentation: a cohort study. J Am Med Inform Assoc. 2024 Apr 3;31(4):975-979. doi: 10.1093/jamia/ocae022.
- Liu TL, Hetherington TC, Stephens C, McWilliams A, Dharod A, Carroll T, Cleveland JA. AI-Powered Clinical Documentation and Clinicians' Electronic Health Record Experience: A Nonrandomized Clinical Trial. JAMA Netw Open. 2024 Sep 3;7(9):e2432460. doi: 10.1001/jamanetworkopen.2024.32460.
- Blackley SV, Huynh J, Wang L, Korach Z, Zhou L. Speech recognition for clinical documentation from 1990 to 2018: a systematic review. J Am Med Inform Assoc. 2019 Apr 1;26(4):324-338. doi: 10.1093/jamia/ocy179.
- Heckman J, Mukamal KJ, Christensen A, Reynolds EE. Medical Scribes, Provider and Patient Experience, and Patient Throughput: a Trial in an Academic General Internal Medicine Practice. J Gen Intern Med. 2020 Mar;35(3):770-774. doi: 10.1007/s11606-019-05352-5. Epub 2019 Dec 5.
- Bates DW, Landman AB. Use of Medical Scribes to Reduce Documentation Burden: Are They Where We Need to Go With Clinical Documentation? JAMA Intern Med. 2018 Nov 1;178(11):1472-1473. doi: 10.1001/jamainternmed.2018.3945. No abstract available.
- Mishra P, Kiang JC, Grant RW. Association of Medical Scribes in Primary Care With Physician Workflow and Patient Experience. JAMA Intern Med. 2018 Nov 1;178(11):1467-1472. doi: 10.1001/jamainternmed.2018.3956.
- Steinkamp J, Kantrowitz JJ, Airan-Javia S. Prevalence and Sources of Duplicate Information in the Electronic Medical Record. JAMA Netw Open. 2022 Sep 1;5(9):e2233348. doi: 10.1001/jamanetworkopen.2022.33348.
- Guille C, Sen S. Burnout, Depression, and Diminished Well-Being among Physicians. N Engl J Med. 2024 Oct 24;391(16):1519-1527. doi: 10.1056/NEJMra2302878. No abstract available.
- Lou SS, Lew D, Harford DR, Lu C, Evanoff BA, Duncan JG, Kannampallil T. Temporal Associations Between EHR-Derived Workload, Burnout, and Errors: a Prospective Cohort Study. J Gen Intern Med. 2022 Jul;37(9):2165-2172. doi: 10.1007/s11606-022-07620-3. Epub 2022 Jun 16.
- Moy AJ, Schwartz JM, Chen R, Sadri S, Lucas E, Cato KD, Rossetti SC. Measurement of clinical documentation burden among physicians and nurses using electronic health records: a scoping review. J Am Med Inform Assoc. 2021 Apr 23;28(5):998-1008. doi: 10.1093/jamia/ocaa325.
- Peccoralo LA, Kaplan CA, Pietrzak RH, Charney DS, Ripp JA. The impact of time spent on the electronic health record after work and of clerical work on burnout among clinical faculty. J Am Med Inform Assoc. 2021 Apr 23;28(5):938-947. doi: 10.1093/jamia/ocaa349.
- Sittig DF, Singh H. Recommendations to Ensure Safety of AI in Real-World Clinical Care. JAMA. 2025 Feb 11;333(6):457-458. doi: 10.1001/jama.2024.24598.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. A Randomized-Clinical Trial of Two Ambient Artificial Intelligence Scribes: Measuring Documentation Efficiency and Physician Burnout. medRxiv [Preprint]. 2025 Jul 11:2025.07.10.25331333. doi: 10.1101/2025.07.10.25331333.
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 4. marraskuuta 2024
Ensisijainen valmistuminen (Todellinen)
Perjantai 3. tammikuuta 2025
Opintojen valmistuminen (Todellinen)
Keskiviikko 15. tammikuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 9. joulukuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 24. tammikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Maanantai 27. tammikuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 24. huhtikuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 22. huhtikuuta 2026
Viimeksi vahvistettu
Keskiviikko 1. huhtikuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- NPR 40703
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 .