- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05382000
Outil de triage avancé d'intelligence artificielle (IA) pour les urgences G&O (TIAGO)
Évaluation d'un outil de triage avancé pour les urgences gynécologiques et obstétriques basé sur des algorithmes d'intelligence artificielle
Le triage représente la première opportunité de classer les patients qui se présentent à un service d'urgence (SU) et de pouvoir identifier, hiérarchiser les patients à haut risque et allouer efficacement les ressources limitées disponibles. Par conséquent, le but du triage au service des urgences est de prioriser les patients, en détectant ceux qui sont urgents (qui ne peuvent pas attendre d'être soignés). L'urgence est définie comme la situation clinique ayant la capacité de générer une détérioration ou un danger pour la santé ou la vie du patient, en fonction du temps écoulé entre son apparition et la mise en place d'un traitement efficace, qui détermine un épisode de soins avec des besoins d'intervention importants dans une courte période de temps. Il existe actuellement six systèmes ou modèles de triage systématiquement structurés en 5 niveaux.
Bien que simple dans son concept, la pratique du triage est difficile en raison de la pression du temps, des limites de l'information disponible, des diverses conditions médicales des patients et d'une grande confiance en l'intuition de la part des professionnels qui l'exécutent. ce qui en conditionne une grande variabilité. D'autre part, près de la moitié des visites d'adultes aux urgences à l'échelle nationale sont classées au niveau 3 dans un système de triage structuré à 5 niveaux, ce qui fait du niveau 3 un groupe hétérogène avec des patients atteints de pathologies diverses, dans lequel le triage n'est pas capable de les différencier avec précision, et cette incapacité pose des risques pour la sécurité des patients les plus gravement malades ("sous-triage") et peut influencer l'exactitude et l'efficacité de l'allocation des ressources lorsque les patients à faible acuité sont surestimés. Il semble donc nécessaire de développer de nouvelles procédures de triage permettant d'améliorer leur précision et de réduire la variabilité interindividuelle.
TIAGO est une étude prospective, monocentrique, observationnelle et comparative visant à déterminer la validité du Mediktor ® Triage et son efficacité par rapport au système de triage actuel et au « gold standard » (diagnostic du médecin).
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Étude prospective interventionnelle et comparative pour déterminer la validité du Mediktor ® Triage et son efficacité par rapport au système "Modèle Andorre de Triage" (MAT) et au "gold standard" (diagnostic du médecin).
Obtention du consentement éclairé. La participation à l'étude sera offerte à tous les patients qui fréquentent le service d'urgence de gynécologie et d'obstétrique de l'hôpital de la Santa Creu i Sant Pau pendant la période d'étude et qui répondent aux critères d'inclusion. Une fiche d'information sur l'étude sera également remise à chaque patient.
Triage séquentiel Une fois le consentement du patient obtenu, le patient sera évalué séquentiellement dans le même espace de triage. Dans un premier temps, une infirmière du service de gynécologie et d'obstétrique classera la patiente dans la boîte de triage à l'aide du système MAT selon la pratique habituelle. Ensuite, un autre professionnel du centre, formé à l'utilisation de l'outil Mediktor Hospital®, et qui n'a pas été présent lors du tri conventionnel, effectuera le triage avancé dans le même espace, les deux professionnels étant aveugles au résultat de chacun des les outils. Dans le cas où le premier triage effectué avec MAT donnerait aux enquêteurs un niveau d'urgence 1, le triage avec l'outil Mediktor ne serait pas effectué, puisque dans ce cas la prise en charge immédiate du patient serait prioritaire.
Attention aux urgences Une fois le triage séquentiel terminé, la patiente retournera aux urgences gynécologiques et obstétriques. La prise en charge du patient sera effectuée selon la pratique clinique habituelle, suite à l'évaluation de triage effectuée avec le système MAT.
Récupération et saisie des données dans le formulaire de récupération des données (DRF) Toutes les données des variables de l'étude seront extraites du rapport d'urgence publié dans le domaine des urgences gynécologiques et obstétriques et seront saisies dans un DRF électronique pour une analyse et un traitement plus approfondis.
Évaluation de l'efficacité
Principales variables d'évaluation Niveau de triage attribué par le MAT, Niveau de triage attribué par l'hôpital Mediktor
Variables d'évaluation secondaires
- Variables d'affiliation (administratives) : Date de naissance, sexe, domicile, financement, date et heure d'arrivée aux urgences ou dossier administratif, mode d'arrivée aux urgences (à pied, ambulance, etc.…), motif de urgence (maladie courante, accident de la circulation, école…).
- Variables de triage : date et heure du triage, durée du triage, raison clinique codée de la consultation, réadmission dans les 72 heures, raison de la réadmission, niveau de triage, nombre de réévaluations, niveau de triage de chaque réévaluation.
- Variables de soins : date et heure de la visite aux urgences, demande de test supplémentaire, type de test supplémentaire, paramètres analytiques demandés (le cas échéant), diagnostic selon la Classification internationale des maladies (CIM) (primaire et secondaire), actes les plus importants effectués , admission du patient > 24h), date et heure d'admission, chirurgie urgente, temps de séjour aux urgences (LOS) qui est le temps que le patient reste aux urgences depuis l'admission à l'hôpital jusqu'à ce que le patient soit sorti ou hospitalisé. Nombre de patients admis à l'hôpital et nombre de patients sortis. Nombre de consultations d'urgence / revisites dans les 72 premières heures après la sortie.
- Variables de sortie : circonstance de sortie ou motif de sortie d'urgence (sortie à domicile, hospitalisation, transfert dans un autre centre, sortie volontaire, évasion, sortie…), identification du centre de transfert, date et heure de sortie, date et heure décharge, transport de départ, cause de succès, temps passé aux urgences, inscription annulée
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
-
Barcelona, Espagne
- Hospital de la Santa Creu i Sant Pau
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
La description
Critère d'intégration:
- Avoir plus de 18 ans
- Comprendre et accepter les procédures d'étude
- Signez le consentement éclairé.
Critère d'exclusion:
- Ne pas être en mesure de comprendre la nature de l'étude et/ou les procédures à suivre
- Ne pas signer le consentement éclairé
- Avoir moins de 18 ans
- Niveau d'urgence 1 grâce au système de triage actuel
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Diagnostique
- Répartition: N / A
- Modèle interventionnel: Affectation à un seul groupe
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Autre: Intervention
L'inclusion dans l'étude sera proposée à tous les patients qui se présenteront aux urgences du service de gynécologie et d'obstétrique Les procédures prévues pour ce groupe sont les suivantes :
|
Après le triage conventionnel, un second médecin indépendant réalisera le costume avec l'outil Mediktor Hospital. En moins de 3 minutes et avec une moyenne de 14 questions, Mediktor réalise un interrogatoire très similaire à ce que ferait un médecin urgentiste. La version professionnelle permet au professionnel de santé de modifier le déroulement des questions au milieu de l'évaluation, s'il juge nécessaire d'approfondir certains aspects de l'anamnèse. Le système vous permet de voir en temps réel les maladies que Mediktor considère possibles lors de l'évaluation. À la fin du processus de triage, Mediktor propose le niveau d'urgence et une liste de diagnostics possibles en fonction des signes et symptômes répondus. Le professionnel peut modifier le niveau d'urgence s'il le juge bénéfique pour le patient. Une fois les deux triages (Conventionnel et Mediktor) effectués, le patient sera vu selon les protocoles de soins du centre. |
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombre de patients avec équivalence entre les classifications de triage d'urgence
Délai: 3 jours
|
Correspondance du classement des urgences entre Advanced IA Triage Tool (Hôpital Mediktor) et le système de triage actuel.
|
3 jours
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombre de patients avec le même diagnostic sur l'outil de triage avancé et le rapport de sortie d'urgence (étalon-or)
Délai: 3 jours
|
Évaluer la corrélation entre le pré-diagnostic fourni par l'outil de triage avancé et le diagnostic proposé par le médecin dans le rapport de sortie d'urgence.
|
3 jours
|
|
Nombre de patients avec une bonne corrélation entre les tests complémentaires demandés par l'outil de triage avancé et l'étalon-or
Délai: 3 jours
|
Évaluer la corrélation entre les tests complémentaires proposés par l'outil de triage avancé et ceux demandés par les médecins lors de la visite aux urgences, en suivant les protocoles de soins du centre.
|
3 jours
|
Collaborateurs et enquêteurs
Les enquêteurs
- Chercheur principal: Josep Estadella Tarriel, Fundació Institut de Recerca de l'Hospital de la Santa Creu i Sant Pau
Publications et liens utiles
Publications générales
- Elias P, Damle A, Casale M, Branson K, Churi C, Komatireddy R, Feramisco J. A Web-Based Tool for Patient Triage in Emergency Department Settings: Validation Using the Emergency Severity Index. JMIR Med Inform. 2015 Jun 10;3(2):e23. doi: 10.2196/medinform.3508. Erratum In: JMIR Med Inform. 2015 Jun 15;3(3):e24.
- Mueller B, Kinoshita T, Peebles A, Graber MA, Lee S. Artificial intelligence and machine learning in emergency medicine: a narrative review. Acute Med Surg. 2022 Mar 1;9(1):e740. doi: 10.1002/ams2.740. eCollection 2022 Jan-Dec.
- Berlyand Y, Raja AS, Dorner SC, Prabhakar AM, Sonis JD, Gottumukkala RV, Succi MD, Yun BJ. How artificial intelligence could transform emergency department operations. Am J Emerg Med. 2018 Aug;36(8):1515-1517. doi: 10.1016/j.ajem.2018.01.017. Epub 2018 Jan 4. No abstract available.
- Raita Y, Goto T, Faridi MK, Brown DFM, Camargo CA Jr, Hasegawa K. Emergency department triage prediction of clinical outcomes using machine learning models. Crit Care. 2019 Feb 22;23(1):64. doi: 10.1186/s13054-019-2351-7.
- Levin S, Toerper M, Hamrock E, Hinson JS, Barnes S, Gardner H, Dugas A, Linton B, Kirsch T, Kelen G. Machine-Learning-Based Electronic Triage More Accurately Differentiates Patients With Respect to Clinical Outcomes Compared With the Emergency Severity Index. Ann Emerg Med. 2018 May;71(5):565-574.e2. doi: 10.1016/j.annemergmed.2017.08.005. Epub 2017 Sep 6.
- Moreno Barriga E, Pueyo Ferrer I, Sanchez Sanchez M, Martin Baranera M, Masip Utset J. [A new artificial intelligence tool for assessing symptoms in patients seeking emergency department care: the Mediktor application]. Emergencias. 2017 Dic;29(6):391-396. Spanish.
- Kuriyama A, Urushidani S, Nakayama T. Five-level emergency triage systems: variation in assessment of validity. Emerg Med J. 2017 Nov;34(11):703-710. doi: 10.1136/emermed-2016-206295. Epub 2017 Jul 27.
- Julian-Jimenez A, Palomo de los Reyes MJ, Lain Teres N. [Coment on the original article: modelo predictor de ingreso hospitalario a la llegada al servicio de Urgencias]. An Sist Sanit Navar. 2012 Sep-Dec;35(3):493-6; author reply 497-9. doi: 10.23938/ASSN.0113. No abstract available. Spanish.
- Storm-Versloot MN, Ubbink DT, Kappelhof J, Luitse JS. Comparison of an informally structured triage system, the emergency severity index, and the manchester triage system to distinguish patient priority in the emergency department. Acad Emerg Med. 2011 Aug;18(8):822-9. doi: 10.1111/j.1553-2712.2011.01122.x.
- Moll HA. Challenges in the validation of triage systems at emergency departments. J Clin Epidemiol. 2010 Apr;63(4):384-8. doi: 10.1016/j.jclinepi.2009.07.009. Epub 2009 Oct 28.
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
- IIBSP-TIA-2021-81
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
- SÈVE
- CIF
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 .