Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

L'application du grand modèle linguistique dans le triage d'urgence des douleurs thoraciques (ALERT)

10 novembre 2026 mis à jour par: Tang Yida, Peking University Third Hospital

This study will evaluate the accuracy and efficiency of large language model in emergency triage.

Aperçu de l'étude

Description détaillée

The study is to evaluate the value of large language model in emergency triage, their accuracy and efficiency were evaluated and compared with traditional triage. To explore whether the model can effectively reduce the workload of medical staff, while improving the speed and quality of triage. In addition, the ability of the model to predict serious medical events such as acute heart events and strokes was evaluated. It also included surveys of patients; acceptance and satisfaction with the use of the artificial intelligence-assisted triage system. Analyze the economic benefits of adopting this technology, including cost saving and optimal allocation of resources.

Type d'étude

Interventionnel

Inscription (Réel)

1165

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

    • Beijing Municipality
      • Beijing, Beijing Municipality, Chine
        • Peking University Third Hospital

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans et plus (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

La description

Inclusion Criteria:

  1. All patients with chest pain entered the emergency triage procedure.
  2. patients aged 18 and above.

Exclusion Criteria:

  1. Patients with severe cognitive impairment or inability to communicate.
  2. There are patients who have been explicitly referred to specific departments (for example, some of the 120 transfer patients, who may go directly to the green channel) .
  3. Patients with unstable vital signs .
  4. Patients with potential medical problems.
  5. Is participating in other clinical trials.
  6. Failure to follow test procedures.
  7. Those who refuse to sign the informed consent form.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Diagnostique
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Expérimental: Large Language Model Diagnostic

Patients interacted with the large-language model triage system MedGuide-V5 during the waiting period before or after routine triage in the emergency department. During this phase, MedGuide-V5 will automatically record data and metrics during communication with patients.

The large language model MedGuide-V5 is able to quickly extract key information from a patients description, and by analyzing these descriptions, it provides physicians with a possible initial diagnosis to help them quickly prioritize the treatment of patients.

Comparateur actif: Routine diagnostic and therapeutic procedure

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
The Diagnostic Accuracy Rate of MedGuide-V5
Délai: through study completion, an average of 10 months

To assess the consistency of the diagnosis of chest pain made by physicians with the assistance of large language models with the actual diagnosis made by patients after all examinations were completed.

through study completion, an average of 10 months

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
The Satisfaction of Medical Personnel
Délai: during evaluation

To evaluate the satisfaction and acceptance of medical personnel with the use of large language models in assisting triage systems through methods such as questionnaire surveys. The name of this questionnaire is: Researcher Evaluation Form, with scores ranging from 1 to 10. The higher the score, the more helpful the large language model is to researchers.

during evaluation
Medical Personnel Treatment Plan Adjustment Rate
Délai: during evaluation

The number of times medical personnel adjust treatment plans after receiving feedback from MedGuide V5's results and referring to the suggestions provided by the large language model.

during evaluation
Emergency Department Revisit Rate within 30 Days
Délai: during evaluation

Evaluate the occurrence of patients revisiting the emergency department or being readmitted within 30 days after large language model-assisted triage and traditional triage.

during evaluation

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Les enquêteurs

  • Chercheur principal: Yi-Da Tang, MD, PhD, Peking University Third Hospital
  • Chercheur principal: Wen-Yao Wang, MD, PhD, Peking University Third Hospital

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

20 décembre 2023

Achèvement primaire (Réel)

20 août 2026

Achèvement de l'étude (Réel)

20 août 2026

Dates d'inscription aux études

Première soumission

22 décembre 2023

Première soumission répondant aux critères de contrôle qualité

8 juillet 2024

Première publication (Réel)

9 juillet 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

12 novembre 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

10 novembre 2026

Dernière vérification

1 novembre 2026

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • M2023828

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner