- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06913049
L'élaboration, la mise en œuvre et l'évaluation d'un système de soutien à l'engagement social
L'objectif de cet essai clinique est de déterminer si les modèles d'intelligence artificielle et d'apprentissage automatique (AI / ML) peuvent aider à répondre aux besoins sociaux des inscrits de Medicaid. Les principales questions auxquelles il vise à répondre est:
Les modèles AI / ML peuvent-ils identifier avec précision les besoins sociaux à partir des données de santé administratives?
Les modèles AI / ML peuvent-ils prédire avec précision quelles personnes vont s'engager avec les soutiens sociaux?
Les chercheurs compareront les personnes qui vivent dans différentes régions pour voir si les modèles IA / ML fonctionnent mieux que le statu quo.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Les moteurs sociaux de la santé (SDOH) sont les facteurs les plus importants affectant notre santé et notre bien-être, mais sont difficiles à résoudre pour les systèmes de soins de santé. Malgré les nouveaux modèles qui fournissent des incitations aux plans de santé et aux prestataires pour aller au-delà des soins cliniques pour améliorer les résultats pour la santé des patients, les infrastructures de données existantes manquent d'informations pertinentes pour soutenir ces interventions. Le premier problème est celui de l'identification; Les prestataires sous-codent les besoins sociaux dans les schémas existants et les méthodes de collecte de données auxiliaires tels que les écrans sociaux ne sont pas courants, standardisés ou facilement partagés. Le deuxième problème est le manque d'engagement entre les individus et les services sociaux, ce qui est particulièrement frustrant car il existe de nombreuses pratiques fondées sur des preuves que les organisations communautaires (CBO) utilisent pour répondre aux besoins sociaux. Sans des informations précises sur qui a besoin d'un soutien social et comment maximiser leur engagement avec les CBO, les prestataires et les assureurs ont une capacité limitée à déployer des interventions qui suppriment les obstacles aux soins et égalisent les résultats pour la santé à travers les populations vulnérables.
Notre projet appliquera une approche de médecine de précision à l'identification et à l'engagement avec les bénéficiaires de Medicaid ayant des besoins sociaux. Les enquêteurs se sont associés à une organisation de soins gérés qui coordonne les avantages pour plus de 250 000 membres du Maryland Medicaid. Ils ont lancé un programme de dépistage social à l'échelle de la population pour ajouter des besoins sociaux rapportés par les membres à leurs données cliniques existantes. Les enquêteurs amélioreront leur infrastructure sur les technologies de l'information sur la santé (TI) avec un ensemble de modèles d'apprentissage automatique pour l'identification des risques, un système de soutien à l'engagement pour maximiser l'utilisation des supports sociaux par les membres et un processus d'amélioration qualitatif et quantitatif continu pour établir un système de santé d'apprentissage. Nous accomplirons ce travail dans les objectifs suivants:
AIM 1: Développer et déployer un ensemble de modèles d'apprentissage automatique qui utilisent plusieurs sources de données individuelles et communautaires pour prédire quels membres utilisent le service d'urgence pour répondre aux besoins sociaux ou non urgents par opposition au traitement des conditions médicales urgentes. Ces modèles identifieront des individus dont les besoins sociaux entraînent une utilisation inappropriée afin que les individus à haut risque bénéficieront de services de sensibilisation améliorés pour faciliter la fin d'une évaluation complète des besoins sociaux. Les enquêteurs analyseront ces évaluations pour déterminer si nos modèles conduisent à l'évaluation des personnes ayant un profil de besoin social plus élevé.
AIM 2: Développer et déployer un système de support d'engagement qui identifie et affiche les caractéristiques des membres qui les empêchent de s'engager avec un CBO. Ce système utilisera des techniques d'intelligence artificielle pour identifier les caractéristiques des personnes qui se sont historiquement désengagées du pipeline de services sociaux avant de recevoir des services sociaux et suggérer des stratégies potentielles pour accroître l'engagement. Les enquêteurs appliqueront les modèles aux membres nouvellement évalués et présenteront des individus prédits à haut risque aux agents de santé communautaires du plan via leur plate-forme informatique existante, ce qui leur permet de traiter de manière proactive les obstacles aux membres à l'accès aux services. Les enquêteurs analyseront le succès de l'engagement (c'est-à-dire si un membre qui a été référé aux services a reçu l'aide d'un CBO) pour déterminer si notre système de soutien augmentait la probabilité de succès.
AIM 3: Mettre en œuvre un processus d'amélioration qualitatif et quantitatif continu qui identifie les thèmes récurrents et les points de désengagement dans les cas où les membres n'ont pas été en mesure de terminer leur intervention sociale pertinente. Ces résultats seront analysés par l'équipe de recherche pour identifier les tactiques potentielles pour traiter les obstacles à l'engagement, et les recommandations qui en résultent pour augmenter l'engagement seront propagées par le système, soit par des mises à jour de l'infrastructure informatique de santé, soit des séances de formation du personnel. Grâce à cet objectif, les enquêteurs construiront un système de santé d'apprentissage, l'équipe affinant constamment les méthodes d'engagement tout au long du projet.
L'équipe d'étude est bien positionnée pour développer un protocole d'intervention des besoins sociaux et comprendra des évaluations rigoureuses pour évaluer les effets de notre intervention sur la santé et les résultats sociaux des membres participants par leurs caractéristiques démographiques et géographiques. Ensemble, ces objectifs aideront à informer la prochaine génération de paradigmes de soins basés sur la valeur en identifiant et en répondant aux besoins sociaux et en réduisant les différences dans les résultats de la santé dans une population importante et à haut risque.
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Ian Stockwell, PhD
- Numéro de téléphone: 410-455-8424
- E-mail: istock1@umbc.edu
Lieux d'étude
-
-
Maryland
-
Baltimore, Maryland, États-Unis, 21250
- University of Maryland, Baltimore County
-
Contact:
- Ian Stockwell, PhD
- Numéro de téléphone: 410-455-8424
- E-mail: istock1@umbc.edu
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
Accepte les volontaires sains
La description
Critères d'inclusion:
- Membres de Partner Health Plan âgés de 18 à 64 ans
Critères d'exclusion:
-
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Soins de soutien
- Répartition: Non randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Sess - Traitement
Ce bras recevra des ressources de coordination des soins soutenues par notre système de soutien à l'engagement social, notamment le triage de la sensibilisation au dépistage basé sur le risque prévu d'un besoin social non satisfait et d'un soutien à l'engagement pour diminuer comme la probabilité d'abandon du flux de travail des services sociaux.
|
Dans ce protocole, nous développerons et déployerons un ensemble de modèles d'apprentissage automatique qui utilisent plusieurs sources de données au niveau individuel et communautaire pour prédire quels membres utilisent le service d'urgence pour répondre aux besoins sociaux ou non urgents par opposition au traitement des conditions médicales urgentes.
Ces modèles identifieront des individus dont les besoins sociaux entraînent une utilisation inappropriée afin que les individus à haut risque bénéficieront de services de sensibilisation améliorés pour faciliter la fin d'une évaluation complète des besoins sociaux.
Nous développerons et déployerons également un système de support d'engagement qui identifie et affiche les caractéristiques des membres qui les empêchent de s'engager avec une organisation communautaire (CBO).
Ce système utilisera des techniques d'intelligence artificielle pour identifier les caractéristiques des personnes qui se sont historiquement désengagées du pipeline de services sociaux avant de recevoir des services sociaux et suggérer des stratégies potentielles pour accroître l'engagement.
|
|
Aucune intervention: Sess - Contrôle
Ce bras ne recevra aucune intervention.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Changement dans la prévalence des besoins sociaux liés à la santé (HRSN), évalué par l'outil de dépistage du MARYLAND DU MINISTRE DE SANTÉ HRSN
Délai: De l'inscription à 12 mois.
|
Nous analyserons les résultats du dépistage social des individus dans le bras de traitement pour déterminer si notre système conduit à l'évaluation des individus ayant un profil de besoin social plus élevé.
|
De l'inscription à 12 mois.
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Changement dans la proportion de participants qui reçoivent des services sociaux qui ont un besoin social lié à la santé
Délai: De l'inscription à 12 mois.
|
Nous analyserons le succès de l'engagement (c'est-à-dire si un membre qui a été référé aux services a reçu l'aide d'un CBO) en utilisant des données secondaires pour déterminer si notre système de soutien augmentait la probabilité de succès.
|
De l'inscription à 12 mois.
|
Collaborateurs et enquêteurs
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
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
Autres numéros d'identification d'étude
- Kuali #1569
- 1R01MD019814-01 (Subvention/contrat des NIH des États-Unis)
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
produit fabriqué et exporté des États-Unis.
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 Déterminants sociaux de la santé (DSDS)
-
Queens College, The City University of New YorkRecrutementPublication d'articles soumis à l'American Journal of Public HealthÉtats-Unis