- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04757194
Différenciation assistée par apprentissage automatique des patients à faible acuité lors de l'expédition (MADLAD)
Différenciation assistée par apprentissage automatique des patients à faible acuité lors de l'expédition : un essai contrôlé randomisé
CONTEXTE:
Dans les centres de répartition médicale d'urgence (EMD), les situations de ressources limitées (RCS) où il y a plus d'appelants nécessitant une ambulance qu'il n'y a d'ambulances disponibles sont courantes. Dans les centres EMD d'Uppsala et de Västmanland, les patients confrontés à ces situations se voient généralement attribuer une réponse de faible priorité, sont souvent âgés et présentent des symptômes non spécifiques. Les techniques d'apprentissage automatique offrent une approche prometteuse mais largement non testée pour évaluer les risques chez ces patients.
OBJECTIFS:
Établir si la fourniture de scores de risque basés sur l'apprentissage automatique améliore la capacité des répartiteurs à identifier les patients à haut risque de détérioration du RCS.
MOTIF:
Essai multicentrique, en groupes parallèles, randomisé, en aveugle des analystes.
POPULATION:
Patients adultes contactant la ligne d'urgence nationale (112), évalués par une infirmière répartitrice à Uppsala ou Västmanland comme nécessitant une intervention d'ambulance de faible priorité, et subissant un RCS.
RÉSULTATS :
Primaire:
1. Proportion de RCS où la première ambulance disponible a été envoyée au patient avec le score national d'alerte précoce (NEWS) le plus élevé
Secondaire:
- Différence dans le score de risque composite comprenant les interventions d'ambulance, le transport urgent, l'admission à l'hôpital, les soins intensifs et la mortalité entre les patients recevant une réponse d'ambulance immédiate ou retardée pendant le RCS.
- Différence de NEWS entre les patients recevant une réponse immédiate ou différée de l'ambulance pendant le RCS.
INTERVENTION:
Un modèle d'apprentissage automatique estimera le risque associé à chaque patient impliqué dans le RCS, et proposera un patient pour recevoir l'ambulance disponible. Dans le bras d'intervention uniquement, l'évaluation sera affichée dans une interface utilisateur intégrée au système de répartition.
TAILLE D'ESSAI :
1500 RCS composés chacun de plusieurs patients randomisés 1:1 dans les bras de contrôle et d'intervention
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Hans Blomberg, MD, PhD
- E-mail: hans.blomberg@akademiska.se
Sauvegarde des contacts de l'étude
- Nom: Douglas Spangler, MSc
- E-mail: douglas.spangler@akademiska.se
Lieux d'étude
-
-
-
Uppsala, Suède
- Recrutement
- Uppsala University Hospital
-
Contact:
- Hans Blomberg
- E-mail: hans.blomberg@akademiska.se
-
-
Västmanland
-
Västerås, Västmanland, Suède
- Pas encore de recrutement
- Västmanland hospital Västerås
-
Contact:
- Lennart Edmark
- E-mail: lennart.edmark@regionvastmanland.se
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
La description
Critère d'intégration:
- Identification d'une situation de ressources limitées par le directeur d'ambulance (c.-à-d. 2 patients ou plus en attente d'une intervention d'ambulance)
- Attribué la priorité 2A ou 2B (réponse d'ambulance à faible priorité) par l'infirmière de répartition qui prend les appels
- Numéro d'identification personnel suédois valide collecté à l'expédition
- Âge >= 18 ans
Critère d'exclusion:
- Appels pertinents reçus à plus de 30 minutes d'intervalle
- Les facteurs logistiques (par exemple, l'emplacement géographique des patients) affectent la décision d'affectation de l'ambulance
- Facteurs de risque sur place (par exemple, un patient est à l'extérieur et risque d'hypothermie) ou atténuateurs de risque (par exemple. personnel de santé déjà sur place avec un patient) influent sur la décision d'affectation de l'ambulance
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Recherche sur les services de santé
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: Intervention
Calcul du score d'évaluation des risques par algorithme d'apprentissage automatique et affichage des informations d'évaluation des risques pour répartir les infirmières.
Le personnel est encouragé mais pas obligé de se conformer au classement suggéré.
|
Un algorithme d'apprentissage automatique (Gradient boosting) appliqué aux données structurées collectées dans le système d'aide à la décision clinique Alitis, aux données démographiques des patients et aux notes en texte libre.
|
Aucune intervention: Contrôle
Répartition des ambulances selon la norme de soins
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Proportion de RCS où la première ambulance disponible a été envoyée au patient ayant le score national d'alerte précoce (NEWS) le plus élevé.
Délai: Lors de l'intervention de l'ambulance (dans les 8 heures suivant l'envoi)
|
NEWS est un algorithme de notation largement utilisé et bien validé basé sur des signes vitaux objectifs du patient, qui ne dépendent pas de manière causale des résultats utilisés pour former les modèles d'apprentissage automatique étudiés dans cette étude.
Les valeurs de NEWS seront basées sur le premier ensemble de signes vitaux obtenus par les infirmières ambulancières lors du contact avec le patient.
NEWS est mesuré sur une échelle de 0 à 21, les valeurs les plus élevées correspondant aux patients présentant un risque plus élevé de détérioration.
|
Lors de l'intervention de l'ambulance (dans les 8 heures suivant l'envoi)
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Différence dans le score de mesure des résultats composites entre les patients avec une réponse immédiate et retardée.
Délai: Jusqu'à 30 jours
|
Cette mesure étudie un score composite composé des résultats utilisés pour former les modèles d'apprentissage automatique. Le score composite est généré en identifiant les résultats des patients suivants et en attribuant les poids correspondants : Résultats anormaux d'Arway/Respiration/Circulation initiale par l'équipe d'ambulance (4) Transport urgent (lumières et sirènes) à l'hôpital (2) Interventions préhospitalières (1) Admission en soins hospitaliers ou décès dans les 30 jours (1) Il en résulte un score de 0 à 8, les scores les plus élevés représentant plus |
Jusqu'à 30 jours
|
Différence de score national d'alerte précoce (NEWS) entre les patients avec une réponse immédiate et retardée.
Délai: Lors de l'intervention de l'ambulance (dans les 8 heures suivant l'envoi)
|
Par résultat principal
|
Lors de l'intervention de l'ambulance (dans les 8 heures suivant l'envoi)
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Hans Blomberg, MD, PhD, Uppsala University Hospital
Publications et liens utiles
Publications générales
- Spangler D, Hermansson T, Smekal D, Blomberg H. A validation of machine learning-based risk scores in the prehospital setting. PLoS One. 2019 Dec 13;14(12):e0226518. doi: 10.1371/journal.pone.0226518. eCollection 2019.
- Spangler D, Edmark L, Winblad U, Collden-Benneck J, Borg H, Blomberg H. Using trigger tools to identify triage errors by ambulance dispatch nurses in Sweden: an observational study. BMJ Open. 2020 Mar 19;10(3):e035004. doi: 10.1136/bmjopen-2019-035004.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- SVLC001
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- ANALYTIC_CODE
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 .
Essais cliniques sur openTriage - Alitis algorithme
-
Universidad Pública de NavarraMutua NavarraInconnueImpact sur l'épaule | Maladie de la coiffe des rotateursEspagne
-
New York State Psychiatric InstituteNational Institute of Mental Health (NIMH)ComplétéTrouble dépressif majeurÉtats-Unis