Reconnaissance assistée par apprentissage automatique d'un arrêt cardiaque hors hôpital lors d'appels d'urgence.
Un apprentissage automatique peut-il reconnaître un arrêt cardiaque hors hôpital lors d'appels d'urgence et aider les répartiteurs médicaux?
Les services médicaux d'urgence de Copenhague ont développé un modèle d'apprentissage automatique qui analyse les appels au 1-1-2 (9-1-1) en temps réel. Le modèle est capable de reconnaître les appels où un arrêt cardiaque est suspecté. Le but de l'étude est d'étudier l'effet d'une alerte générée par ordinateur dans les appels où un arrêt cardiaque est suspecté.
L'étude portera sur
- si une augmentation potentielle des reconnaissances est due aux alertes de la machine ou à l'accent accru du répartiteur médical sur la reconnaissance de l'arrêt cardiaque hors hôpital (OHCA) lors de la mise en œuvre de la machine
- Si un modèle d'apprentissage automatique basé sur des réseaux neuronaux, lors de l'alerte des répartiteurs médicaux, cela augmentera la reconnaissance globale de l'OHCA et augmentera la répartition des intervenants citoyens.
- utilisation accrue des défibrillateurs externes automatisés (DEA), de la réanimation cardiorespiratoire (RCP) ou de l'envoi d'intervenants citoyens dans les cas d'OHCA sur machine reconnue OHCA par rapport au répartiteur médical reconnu OHCA.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Les chances de survie après un arrêt cardiaque hors de l'hôpital diminuent de 10 % par minute entre l'effondrement et le début de la RCP. La RCR par téléphone assistée par le répartiteur ne sera lancée que dans les cas où le répartiteur reconnaît l'arrêt cardiaque.
Dans un projet précédent "Un ordinateur via l'apprentissage automatique peut-il reconnaître l'arrêt cardiaque hors hôpital pendant les appels d'urgence" (soutenu par TrygFoundation), les enquêteurs ont découvert qu'il était possible de créer un modèle d'apprentissage automatique (ML), qui pourrait reconnaître OHCA avec une plus grande précision que les répartiteurs médicaux du centre de répartition médicale d'urgence (EMDC-Copenhague).
Dans cette étude, le modèle et son effet doivent être documentés dans l'EMDC-Copenhague. À cette fin, un serveur informatique exécutant le modèle ML est créé. Ce serveur est intégré au réseau de l'EMDC-Copenhague, permettant de pousser des alertes au répartiteur médical, lorsqu'un arrêt cardiaque est reconnu par le modèle.
Avec l'aide de l'apprentissage automatique, l'hypothèse est que la reconnaissance de l'OHCA est améliorée et se produit à la fois plus fréquemment et plus rapidement qu'actuellement.
Une instruction pour les répartiteurs médicaux est développée, qui guide le répartiteur médical en cas d'alerte de la machine.
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
Danmark
-
Ballerup, Danmark, Danemark, DK-2750
- Emergency Medical Services Copenhagen
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Sexes éligibles pour l'étude
La description
Critère d'intégration:
- Appel concernant un arrêt cardiaque enregistré dans le registre national danois des arrêts cardiaques
- OHCA est reconnu par le modèle d'apprentissage automatique
- L'appel provient du 1-1-2
Critère d'exclusion:
- Services médicaux d'urgence de l'OHCA - avec témoin
- L'appel provient d'une autre autorité (police ou pompiers)
- L'appel est un appel répété
- L'appel a été mis en attente pour la conférence
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Diagnostique
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Tripler
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Alerte machines
Ces arrêts cardiaques cardiaques présumés auront reçu une alerte générée par le modèle d'apprentissage automatique en plus de la réponse standard des services médicaux d'urgence.
|
Alerte sur l'écran des répartiteurs "Arrêt cardiaque suspect"
|
|
Aucune intervention: Soins habituels
Ces arrêts cardiaques présumés recevront une réponse standard des services médicaux d'urgence.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Reconnaissance par le répartiteur d'un arrêt cardiaque
Délai: Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
La reconnaissance par le répartiteur d'un arrêt cardiaque hors hôpital est le résultat principal.
La reconnaissance est signalée par un questionnaire rempli par un groupe d'auditeurs écoutant les enregistrements de tous les appels inclus.
Le questionnaire est un protocole CARES modifié pour les appels et se compose de 21 questions permettant d'évaluer la qualité de l'appel.
Le questionnaire est validé et a été utilisé dans d'autres études.
|
Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Le temps de la reconnaissance
Délai: Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
Délai entre le début de l'appel et la reconnaissance par le répartiteur de l'arrêt cardiaque
|
Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
|
RCP téléphonique assistée par le répartiteur
Délai: Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
Le répartiteur demande-t-il à l'appelant d'initier la RCP.
|
Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
|
Temps de T-RCP
Délai: Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
Temps entre le début de l'appel et le moment où le répartiteur commence à guider l'appelant en RCP
|
Pendant l'appel aux services médicaux d'urgence, jusqu'à 15 minutes après le début de l'appel.
|
Collaborateurs et enquêteurs
Les enquêteurs
- Directeur d'études: Freddy Lippert, MD, Copenhagen Emergency Medical Services
Publications et liens utiles
Publications générales
- Blomberg SN, Folke F, Ersboll AK, Christensen HC, Torp-Pedersen C, Sayre MR, Counts CR, Lippert FK. Machine learning as a supportive tool to recognize cardiac arrest in emergency calls. Resuscitation. 2019 May;138:322-329. doi: 10.1016/j.resuscitation.2019.01.015. Epub 2019 Jan 18.
- Blomberg SN, Christensen HC, Lippert F, Ersbøll AK, Torp-Petersen C, Sayre MR, Kudenchuk PJ, Folke F. Effect of Machine Learning on Dispatcher Recognition of Out-of-Hospital Cardiac Arrest During Calls to Emergency Medical Services: A Randomized Clinical Trial. JAMA Netw Open. 2021 Jan 4;4(1):e2032320. doi: 10.1001/jamanetworkopen.2020.32320.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- F-35101-01
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .