A gépi tanuláson alapuló klinikai döntéstámogató algoritmusok hatása a perioperatív ellátásban (IMAGINATIVE)
2023. március 29. frissítette: Singapore General Hospital
A gépi tanuláson alapuló klinikai döntéstámogató algoritmusok hatása a perioperatív ellátásban – Randomizált kontrollpróba (IMAGINATIVE Trial)
A műtéti kockázatok előrejelzése fontos a betegek és a klinikusok számára a közös döntéshozatali folyamat és kezelési terv szempontjából.
A vizsgálati csoport célja egy hibrid 1. típusú hatékonysági megvalósítási vizsgálat elkészítése.
Véletlenszerű, kontrollált vizsgálat, ahol a szingapúri általános kórházban (SGH) műtéten átesett résztvevőket 1:1 arányban osztják be a CARES által irányított (kockázati szintre nem vak) vagy nem irányított (kockázati szintre vak) csoportokba.
Az SGH-ban elektív műtéten átesett valamennyi résztvevő jogosult a vizsgálatba való felvételre.
A választható műtéteknél a résztvevőket főként az Előfelvételi Központból toborozzák.
A tanulmány eredménye segít a betegeknek és a klinikusoknak közösen jobb döntéseket hozni.
Először is, a CARES modell élő klinikai környezetben történő alkalmazása potenciálisan csökkentheti a posztoperatív szövődményeket és javíthatja a sebészeti ellátás minőségét.
A tanulmány eredményei lehetővé teszik a CARES finomhangolását, valamint további kockázati modellek további alkalmazását a mortalitáson és az intenzív osztályon való tartózkodáson kívüli specifikus szövődmények esetében.
Ez pedig a sebészpopuláció jobb egészségi állapotát és a költséghatékonyság javulását eredményezné.
Ez jelentős, mivel a sebészi populáció várhatóan folyamatosan növekszik az ellátáshoz való jobb hozzáférés, a jobb technológiák és a népesség elöregedése miatt.
Másodszor, az IMAGINATIVE nagyban hozzájárul majd ahhoz, hogy jobban megértsük az AI/ML prediktív modellek alkalmazási stratégiáit az egészségügyben.
Az olyan modellek, mint a CARES, a jövőben az ellátás színvonalát jelenthetik, ha bebizonyosodik, hogy javítják a betegek egészségi állapotát.
Mivel a modellek telepítése költséges, és megzavarhatja az EMR-folyamatokat, ez a tanulmány a kezdeti szikra a jövőbeni telepítési és egészségügyi szolgáltatások kutatásához, amely ezen modelltelepítések értékének javítására összpontosít.
A tanulmány áttekintése
Állapot
Még nincs toborzás
Körülmények
Beavatkozás / kezelés
Tanulmány típusa
Beavatkozó
Beiratkozás (Várható)
9200
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.
Tanulmányi kapcsolat
- Név: Hairil Rizal Abdullah, MBBS
- Telefonszám: 63265428
- E-mail: hairil.rizal.abdullah@singhealth.com.sg
Tanulmányi helyek
-
-
-
Singapore, Szingapúr
- Singapore General Hospital
-
Alkutató:
- Ecosse Lamoureux, PHD
-
Kapcsolatba lépni:
- Hairil Rizal Abdullah, MMED
- E-mail: hairil.rizal.abdullah@singhealth.com.sg
-
Kutatásvezető:
- Hairil Rizal Abdullah, MMED
-
Alkutató:
- Elaine Lum, PHD
-
Alkutató:
- Nan Liu, PHD
-
Alkutató:
- Mengling Feng, PHD
-
Alkutató:
- Jacqueline Sim Xiu Ling, MBBS
-
Alkutató:
- Brian Goh Kim Poh, MBBS
-
Alkutató:
- Gek Hsiang Lim, MSC
-
Alkutató:
- Marcus Ong Eng Hock, MPH
-
-
Részvételi kritériumok
A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Nem
Leírás
Bevételi kritériumok:
- Betegek >=21 évesek
- Elektív műtétre készülő betegek
Félig strukturált interjúhoz:
1. Minden olyan klinikus vagy ápolónő, aki CARES-t használt a kutatási kísérlet során
Kizárási kritériumok:
- Csökkent szellemi képességű betegek
- Betegek, akik nem tudnak beleegyezést adni
Tanulási terv
Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Egyéb
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Aktív összehasonlító: CARES által irányított csoport
A beavatkozás
|
A CARES által irányított karba véletlenszerűen besorolt résztvevők CARES-pontszámát kiszámítják, és beírják az anesztézia előtti értékelés elektronikus űrlapjára az elektronikus egészségügyi nyilvántartásban (EMR).
Ez a pontszám és a vonatkozó tanácsok jól láthatóan megjelennek ezen az elektronikus űrlapon.
(Az ezen a karon részt vevők ezt a beavatkozást a rutin gyakorlaton felül kapják meg).
|
|
Nincs beavatkozás: Nem CARES által irányított csoport
A kontroll - A kontroll karba véletlenszerűen kiválasztott résztvevők továbbra is rutinszerű érzéstelenítés előtti értékelést kapnak az elektronikus űrlapon, a CARES kalkulátor számításai nélkül, a jelenlegi gyakorlat szerint.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A perioperatív mortalitás változása
Időkeret: Öt év
|
A Machine Learning Clinical Decision Support (ML-CDS) hatékonyságának felmérése.
Hipotézis: A CARES által irányított csoportban az egyéves halálozási arány 30%-kal csökken a klinikusok fokozott kockázati tudatossága miatt.
|
Öt év
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Változás a potenciálisan elkerülhető tervezett intenzív osztályos felvételben a műtét után
Időkeret: Öt év
|
Az ML-CDS algoritmus hatékonyságának felmérése az intenzív osztályos ágykihasználás optimalizálása terén, ami fontos és költséges kórházi erőforrás. Hipotézis: A CARES által irányított csoportban 25%-kal relatívan csökken a potenciálisan elkerülhető tervezett intenzív osztályos felvétel a műtét után.
|
Öt év
|
Egyéb eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Eltolódás a CARES CDS ajánlásainak elfogadási arányában az aneszteziológusok, intenzivisták, sebészek és ápolónők körében
Időkeret: Öt év
|
Az elfogadás és az elfogadhatóság értékelése, valamint a felhasználói tapasztalatok és aggodalmak megértése az ML alapú előrejelző alkalmazással kapcsolatban, amelyet a betegek biztonságának javítására terveztek klinikai környezetben.
Hipotézis: A CARES CDS ajánlásait nagymértékben elfogadják az aneszteziológusok, az intenzivisták, a sebészek és az ápolónők.
|
Öt év
|
Együttműködők és nyomozók
Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.
Szponzor
Tanulmányi rekorddátumok
Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.
Tanulmány főbb dátumok
Tanulmány kezdete (Várható)
2023. május 1.
Elsődleges befejezés (Várható)
2027. július 1.
A tanulmány befejezése (Várható)
2027. december 1.
Tanulmányi regisztráció dátumai
Először benyújtva
2023. március 14.
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
2023. március 29.
Első közzététel (Tényleges)
2023. április 12.
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
2023. április 12.
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
2023. március 29.
Utolsó ellenőrzés
2023. március 1.
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- IMAGINATIVE Trial
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
NEM
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Nem
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Nem
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. .