- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05221697
Az ML elektronikus riasztáskezelő rendszer hatása az ED-látogatások és kórházi kezelések használatának csökkentésére
A gondozói megfigyeléseket és a gépi tanulási algoritmust használó elektronikus riasztáskezelő rendszer hatása a sürgősségi osztálylátogatások és a nem tervezett kórházi kezelések idősek körében történő csökkentésére
A szociális munkások megfigyeléseit és gépi tanulási algoritmusait használó riasztáskezelő rendszer fejlesztése, érvényesítése és hatása a sürgősségi osztály (ED) látogatásának és a nem tervezett kórházi kezelésnek a kockázatára vonatkozóan 7-14 napos riasztások előrejelzésére.
Az otthoni gondozást segítő segítők által jelentett eredmények mérési rendszerének többközpontú tesztelése a betegek, a 65 év feletti otthon élő és az otthoni gondozást segítő (HCA) segítségben részesülő törékeny felnőttek körében.
A tanulmány áttekintése
Részletes leírás
Az otthoni látogatást követően heti rendszerességgel a HCA-k számoltak be a résztvevők funkcionális állapotáról egy okostelefon-alkalmazás segítségével, amely 23 funkcionális elemet rögzített minden résztvevőről (pl. állás, mozgás, étkezési képesség, hangulat, magány). Gépi tanulási technikákat használó (azaz véletlenszerű erdő-előrejelzőket kihasználó) előrejelző rendszert fejlesztettek ki, amely 7-14 napos prediktív riasztásokat generált az ápolónőknél előforduló ED-látogatás kockázatára.
Ez a kérdőív a funkcionális és klinikai autonómiára (azaz a mindennapi élet tevékenységeire), a lehetséges orvosi tünetekre (pl. fáradtság, esések és fájdalom), a viselkedésbeli változásokra (pl. felismerés és agresszivitás), valamint a HA-val vagy környezetükkel való kommunikációra összpontosított. . Ez a kérdőív nagyon egyszerű és könnyen érthető kérdésekből áll, átfogó képet adva az adott személy állapotáról. Mind a 23 kérdésre igen/nem választ kértek. A HA-k által rögzített adatokat valós időben küldtük el egy biztonságos szerverre, hogy a gépi tanulási algoritmusunk elemezze, amely előre jelezte a kockázati szintet, és megjelenítette a PRESAGE CARE nevű, CE-jelöléssel ellátott, webalapú biztonságos orvosi eszközön. Különösen akkor, amikor az algoritmus magas kockázati szintet jósolt, a képernyőn értesítés formájában riasztás jelent meg a kerületi egészségügyi hálózati központ koordináló ápolójának. Ezt a kockázati bejelentést a betegek funkcionális állapotában a közelmúltban bekövetkezett változásokkal kapcsolatos információk kísérték, amelyeket a HA-k nyilvántartásaiból azonosítottak, hogy segítsék a koordináló nővért a családgondozóval és más egészségügyi szakemberekkel való kapcsolattartásban.
Riasztás esetén a koordináló ápoló felhívta a családgondozót, hogy tájékozódjon a beteg egészségi állapotában bekövetkezett közelmúltbeli változásokról és a kételyek eloszlatásáról, majd dönthet úgy, hogy a vizsgálat megkezdése előtt kidolgozott egészségügyi beavatkozási modell szerint kér egészségügyi beavatkozást. tanulmány. Röviden, ez a riasztás által kiváltott egészségügyi beavatkozás (ATHI) abból állt, hogy felhívták a beteg nővérét (ha a beteg rendszeresen otthoni ápolón járt) vagy a beteg háziorvosát, és tájékoztatta őket a beteg funkcionális állapotának romlásáról és a lehetséges kockázatról. ED-látogatás vagy nem tervezett kórházi kezelés a következő napokban az eHealth rendszer algoritmusa szerint. Az ATHI ezen modelljét a tanulmányunkban érintett régiók Agences Régionales de Santé bemutatta és jóváhagyta.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Le Chesnay, Franciaország, 78150
- Grand Versailles
-
Marseille, Franciaország, 13011
- Marseille-1
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Leírás
Bevételi kritériumok:
- 75 éves mini
- szociális munkás segítségének igénybevétele
- a betegnek beleegyezését kell adnia
- a betegnek az elmúlt 12 hónapban kellett volna felkeresnie az alapellátó szakemberét
Kizárási kritériumok:
- Súlyos függőségben szenvedők (francia nemzeti eszköz, amely a függőségi szintet csoportos izoforrásokból (GIR) rétegzi: 1 (nagyon súlyos függőség) és 2 (súlyos függőség)
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Megelőzés
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Nincs beavatkozás: Ellenőrző csoport
szokásos ellátás
|
|
|
Kísérleti: Közbelépés
PRESAGE Care ATIH + Nővér vagy háziorvos konzultáció
|
Az ebben a csoportban résztvevőket a HCA követi, és hasznot húzhatnak a nővér egészségügyi beavatkozásaiból
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A nem tervezett kórházi kezelés aránya
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
A nem tervezett kórházi kezelés arányának összehasonlítása 2 randomizált csoportból (beavatkozó és kontroll kar). A <,05 P értéket statisztikailag szignifikánsnak tekintjük. |
a tanulmányok befejezéséig átlagosan 1 év
|
|
Eseménymentes túlélés (EFS)
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
Az első nemkívánatos esemény átlagos idejének összehasonlítása az intervenciós és a kontrollcsoportok között. A <,05 P értéket statisztikailag szignifikánsnak tekintjük. |
a tanulmányok befejezéséig átlagosan 1 év
|
|
Hatás az idősebb felnőttekre és a hozzátartozók életminőségére (az európai életminőség 5 dimenziós és 3 vonalas skála)
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
Az EQ5D-3L életminőség skála (European Quality of Life 5 Dimensions and 3 Lines) átlagos pontszámának összehasonlítása az intervenciós és a kontrollcsoportok között. A <,05 P értéket statisztikailag szignifikánsnak tekintjük. |
a tanulmányok befejezéséig átlagosan 1 év
|
|
Költséghatékonyság
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
Növekményes költséghatékonysági arány (ICER), QALY.
A fizetési hajlandóság 30 000 eurós minőségileg kiigazított életévenként (QALY) és 90 000 eurós QALY-nkénti fizetési hajlandósági küszöböt használtak egy nagyon költséghatékony, illetve költséghatékony stratégia meghatározására.
|
a tanulmányok befejezéséig átlagosan 1 év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A felhasználókra gyakorolt hatás: a kérdőív kitöltéséhez szükséges idő
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
A kérdőív kitöltéséhez szükséges idő (perc): 2 percnél rövidebb idő elfogadható
|
a tanulmányok befejezéséig átlagosan 1 év
|
|
Beavatkozási arány
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
A riasztás beavatkozásokhoz vezető része és beavatkozási idő (%).
A 70%-ot meghaladó arány elfogadhatónak tekinthető.
|
a tanulmányok befejezéséig átlagosan 1 év
|
|
Beavatkozási idő
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
A riasztás napja és a beavatkozás napja közötti időtartam átlaga (napokban).
A 4 napnál rövidebb késés elfogadható.
|
a tanulmányok befejezéséig átlagosan 1 év
|
|
A páciens állapotának elemzéséhez szükséges idő
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
A beteg állapotának elemzéséhez szükséges idő (óra és perc): 15 percnél rövidebb idő a beteg által elfogadhatónak tekinthető
|
a tanulmányok befejezéséig átlagosan 1 év
|
|
Az ellátás minőségére gyakorolt hatás
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
Pozitív vagy nagyon pozitív hatás az ellátás minőségére: a 80%-ot meghaladó arány elfogadható.
|
a tanulmányok befejezéséig átlagosan 1 év
|
|
Hatás a szakmai kapcsolatokra és koordinációra
Időkeret: a tanulmányok befejezéséig átlagosan 1 év
|
Pozitív vagy nagyon pozitív hatás a szakmai kapcsolatokra és a koordinációra: a 80%-ot meghaladó arány elfogadható.
|
a tanulmányok befejezéséig átlagosan 1 év
|
Együttműködők és nyomozók
Publikációk és hasznos linkek
Általános kiadványok
- Iwashyna TJ, Ely EW, Smith DM, Langa KM. Long-term cognitive impairment and functional disability among survivors of severe sepsis. JAMA. 2010 Oct 27;304(16):1787-94. doi: 10.1001/jama.2010.1553.
- Inglis SC, Clark RA, McAlister FA, Ball J, Lewinter C, Cullington D, Stewart S, Cleland JG. Structured telephone support or telemonitoring programmes for patients with chronic heart failure. Cochrane Database Syst Rev. 2010 Aug 4;(8):CD007228. doi: 10.1002/14651858.CD007228.pub2.
- Clerencia-Sierra M, Calderon-Larranaga A, Martinez-Velilla N, Vergara-Mitxeltorena I, Aldaz-Herce P, Poblador-Plou B, Machon-Sobrado M, Egues-Olazabal N, Abellan-van Kan G, Prados-Torres A. Multimorbidity Patterns in Hospitalized Older Patients: Associations among Chronic Diseases and Geriatric Syndromes. PLoS One. 2015 Jul 24;10(7):e0132909. doi: 10.1371/journal.pone.0132909. eCollection 2015.
- Kahn JH, Magauran BG Jr, Olshaker JS, Shankar KN. Current Trends in Geriatric Emergency Medicine. Emerg Med Clin North Am. 2016 Aug;34(3):435-52. doi: 10.1016/j.emc.2016.04.014.
- Gasperini B, Cherubini A, Pierri F, Barbadoro P, Fedecostante M, Prospero E. Potentially preventable visits to the emergency department in older adults: Results from a national survey in Italy. PLoS One. 2017 Dec 21;12(12):e0189925. doi: 10.1371/journal.pone.0189925. eCollection 2017.
- McCusker J, Verdon J. Do geriatric interventions reduce emergency department visits? A systematic review. J Gerontol A Biol Sci Med Sci. 2006 Jan;61(1):53-62. doi: 10.1093/gerona/61.1.53.
- Chen CC, Wang C, Huang GH. Functional trajectory 6 months posthospitalization: a cohort study of older hospitalized patients in Taiwan. Nurs Res. 2008 Mar-Apr;57(2):93-100. doi: 10.1097/01.NNR.0000313485.18670.e2.
- Camargo CA Jr, Tsai CL, Sullivan AF, Cleary PD, Gordon JA, Guadagnoli E, Kaushal R, Magid DJ, Rao SR, Blumenthal D. Safety climate and medical errors in 62 US emergency departments. Ann Emerg Med. 2012 Nov;60(5):555-563.e20. doi: 10.1016/j.annemergmed.2012.02.018.
- Crane SJ, Tung EE, Hanson GJ, Cha S, Chaudhry R, Takahashi PY. Use of an electronic administrative database to identify older community dwelling adults at high-risk for hospitalization or emergency department visits: the elders risk assessment index. BMC Health Serv Res. 2010 Dec 13;10:338. doi: 10.1186/1472-6963-10-338.
- Hu Z, Jin B, Shin AY, Zhu C, Zhao Y, Hao S, Zheng L, Fu C, Wen Q, Ji J, Li Z, Wang Y, Zheng X, Dai D, Culver DS, Alfreds ST, Rogow T, Stearns F, Sylvester KG, Widen E, Ling XB. Real-time web-based assessment of total population risk of future emergency department utilization: statewide prospective active case finding study. Interact J Med Res. 2015 Jan 13;4(1):e2. doi: 10.2196/ijmr.4022.
- Takahashi PY, Heien HC, Sangaralingham LR, Shah ND, Naessens JM. Enhanced risk prediction model for emergency department use and hospitalizations in patients in a primary care medical home. Am J Manag Care. 2016 Jul;22(7):475-83.
- Denis F, Krakowski I. How Should Oncologists Choose an Electronic Patient-Reported Outcome System for Remote Monitoring of Patients With Cancer? J Med Internet Res. 2021 Sep 9;23(9):e30549. doi: 10.2196/30549.
- Bouazza YB, Chiairi I, El Kharbouchi O, De Backer L, Vanhoutte G, Janssens A, Van Meerbeeck JP. Patient-reported outcome measures (PROMs) in the management of lung cancer: A systematic review. Lung Cancer. 2017 Nov;113:140-151. doi: 10.1016/j.lungcan.2017.09.011. Epub 2017 Sep 23.
- Schick-Makaroff K, Karimi-Dehkordi M, Cuthbertson L, Dixon D, Cohen SR, Hilliard N, Sawatzky R. Using Patient- and Family-Reported Outcome and Experience Measures Across Transitions of Care for Frail Older Adults Living at Home: A Meta-Narrative Synthesis. Gerontologist. 2021 Apr 3;61(3):e23-e38. doi: 10.1093/geront/gnz162.
- Veyron JH, Friocourt P, Jeanjean O, Luquel L, Bonifas N, Denis F, Belmin J. Home care aides' observations and machine learning algorithms for the prediction of visits to emergency departments by older community-dwelling individuals receiving home care assistance: A proof of concept study. PLoS One. 2019 Aug 13;14(8):e0220002. doi: 10.1371/journal.pone.0220002. eCollection 2019.
- Huntley AL, Chalder M, Shaw ARG, Hollingworth W, Metcalfe C, Benger JR, Purdy S. A systematic review to identify and assess the effectiveness of alternatives for people over the age of 65 who are at risk of potentially avoidable hospital admission. BMJ Open. 2017 Aug 1;7(7):e016236. doi: 10.1136/bmjopen-2017-016236.
- Seibert K, Domhoff D, Bruch D, Schulte-Althoff M, Furstenau D, Biessmann F, Wolf-Ostermann K. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review. J Med Internet Res. 2021 Nov 29;23(11):e26522. doi: 10.2196/26522.
- Gray JT, Walker A. Avoiding admissions from the ambulance service: a review of elderly patients with falls and patients with breathing difficulties seen by emergency care practitioners in South Yorkshire. Emerg Med J. 2008 Mar;25(3):168-71. doi: 10.1136/emj.2007.050732.
- Mason S, O'Keeffe C, Knowles E, Bradburn M, Campbell M, Coleman P, Stride C, O'Hara R, Rick J, Patterson M. A pragmatic quasi-experimental multi-site community intervention trial evaluating the impact of Emergency Care Practitioners in different UK health settings on patient pathways (NEECaP Trial). Emerg Med J. 2012 Jan;29(1):47-53. doi: 10.1136/emj.2010.103572.
- Mason S, Knowles E, Colwell B, Dixon S, Wardrope J, Gorringe R, Snooks H, Perrin J, Nicholl J. Effectiveness of paramedic practitioners in attending 999 calls from elderly people in the community: cluster randomised controlled trial. BMJ. 2007 Nov 3;335(7626):919. doi: 10.1136/bmj.39343.649097.55. Epub 2007 Oct 4.
- Soril LJ, Leggett LE, Lorenzetti DL, Noseworthy TW, Clement FM. Reducing frequent visits to the emergency department: a systematic review of interventions. PLoS One. 2015 Apr 13;10(4):e0123660. doi: 10.1371/journal.pone.0123660. eCollection 2015.
- Belmin J, Auffray JC, Berbezier C, Boirin P, Mercier S, de Reviers B, Golmard JL. Level of dependency: a simple marker associated with mortality during the 2003 heatwave among French dependent elderly people living in the community or in institutions. Age Ageing. 2007 May;36(3):298-303. doi: 10.1093/ageing/afm026. Epub 2007 Mar 24.
- O'Connell S, Palmer R, Withers K, Saha N, Puntoni S, Carolan-Rees G; PROMs, PREMs and Effectiveness Programme. Requirements for the collection of electronic PROMS either "in clinic" or "at home" as part of the PROMs, PREMs and Effectiveness Programme (PPEP) in Wales: a feasibility study using a generic PROM tool. Pilot Feasibility Stud. 2018 Jul 4;4:90. doi: 10.1186/s40814-018-0282-8. eCollection 2018.
- Duncanson E, Bennett PN, Viecelli A, Dansie K, Handke W, Tong A, Palmer S, Jesudason S, McDonald SP, Morton RL; Symptom monitoring WIth Feedback Trial (SWIFT) Investigators. Feasibility and acceptability of e-PROMs data capture and feedback among patients receiving haemodialysis in the Symptom monitoring WIth Feedback Trial (SWIFT) pilot: protocol for a qualitative study in Australia. BMJ Open. 2020 Nov 6;10(11):e039014. doi: 10.1136/bmjopen-2020-039014.
- Anderson KO, Palos GR, Mendoza TR, Cleeland CS, Liao KP, Fisch MJ, Garcia-Gonzalez A, Rieber AG, Nazario LA, Valero V, Hahn KM, Person CL, Payne R. Automated pain intervention for underserved minority women with breast cancer. Cancer. 2015 Jun 1;121(11):1882-90. doi: 10.1002/cncr.29204. Epub 2015 Feb 24.
- Adam R, Burton CD, Bond CM, de Bruin M, Murchie P. Can patient-reported measurements of pain be used to improve cancer pain management? A systematic review and meta-analysis. BMJ Support Palliat Care. 2017 Dec;7(4):0. doi: 10.1136/bmjspcare-2016-001137. Epub 2016 Nov 22.
- Mooney KH, Beck SL, Friedman RH, Farzanfar R, Wong B. Automated monitoring of symptoms during ambulatory chemotherapy and oncology providers' use of the information: a randomized controlled clinical trial. Support Care Cancer. 2014 Sep;22(9):2343-50. doi: 10.1007/s00520-014-2216-1. Epub 2014 Apr 1.
- Vasey B, Ursprung S, Beddoe B, Taylor EH, Marlow N, Bilbro N, Watkinson P, McCulloch P. Association of Clinician Diagnostic Performance With Machine Learning-Based Decision Support Systems: A Systematic Review. JAMA Netw Open. 2021 Mar 1;4(3):e211276. doi: 10.1001/jamanetworkopen.2021.1276.
- Adler-Milstein J, Chen JH, Dhaliwal G. Next-Generation Artificial Intelligence for Diagnosis: From Predicting Diagnostic Labels to "Wayfinding". JAMA. 2021 Dec 28;326(24):2467-2468. doi: 10.1001/jama.2021.22396. No abstract available.
- Barrachina-Fernandez M, Maitin AM, Sanchez-Avila C, Romero JP. Wearable Technology to Detect Motor Fluctuations in Parkinson's Disease Patients: Current State and Challenges. Sensors (Basel). 2021 Jun 18;21(12):4188. doi: 10.3390/s21124188.
- Khalil H, Bell B, Chambers H, Sheikh A, Avery AJ. Professional, structural and organisational interventions in primary care for reducing medication errors. Cochrane Database Syst Rev. 2017 Oct 4;10(10):CD003942. doi: 10.1002/14651858.CD003942.pub3.
- Beaudouin, Valérie and Bloch, Isabelle and Bounie, David and Bounie, David and Clémençon, Stéphan and d'Alché-Buc, Florence and Eagan, James and Maxwell, Winston and Mozharovskyi, Pavlo and Parekh, Jayneel, Flexible and Context-Specific AI Explainability: A Multidisciplinary Approach (March 23, 2020). Available at SSRN: https://ssrn.com/abstract=3559477 or http://dx.doi.org/10.2139/ssrn.3559477
- Belmin J, Villani P, Gay M, Fabries S, Havreng-Thery C, Malvoisin S, Denis F, Veyron JH. Real-world Implementation of an eHealth System Based on Artificial Intelligence Designed to Predict and Reduce Emergency Department Visits by Older Adults: Pragmatic Trial. J Med Internet Res. 2022 Sep 8;24(9):e40387. doi: 10.2196/40387.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- PRESAGE_2021-01
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .