- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT06810076
A gépi tanulási opioid túladagolási előrejelzés és kockázat-rétegző eszköz fejlesztése és értékelése az alapellátásban (DEMONSTRATE)
A gépi tanulási opioid-előrejelzés és kockázat-rétegződés kidolgozása és értékelése E-platform (demonstráció)
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
Ez a klinikai vizsgálat egy ML-vezérelt CDS eszköz kísérleti megvalósítását értékeli, amelynek célja az opioid túladagolás kockázatának előrejelzése az elektronikus egészségügyi nyilvántartás (EHR) rendszerben a kilenc UF Health Interning Medicine és a Family Medicine Clinics-en, a floridai Gainesville-ben.
A végrehajtási folyamat a CDS eszköz háttér- és frontend fejlesztését és integrációját tartalmazta. A háttér -integrációhoz a vizsgálók áttekintették a klinikai munkafolyamatokat, megtervezték az adatáramlási tervet a kockázati pontszámok beépítésére a betegdiagramokba, és együttműködtek az UF Health IT és az Integrált Data Repository (IDR) kutatási szolgáltatásokkal a riasztási megvalósítás, az adatáramlás, a szerver specifikációk kezelésére, és felelősség. Az UF Health IT és az Intézményi Felülvizsgálati Testület (IRB) által jóváhagyott kockázatértékelések biztosítják a biztonságos hozzáférést a beteg -egészségügyi információkhoz (PHI) és lehetővé tették az EHR integrációját. A Frontend fejlesztése érdekében a nyomozók felhasználó-központú tervezési megközelítést alkalmaztak a CDS eszköz prototípusának létrehozásához, a PCP-k visszajelzéseit beépítve a formatív interjúk során a felhasználói felület finomításához és az EPIC rendszeren keresztül történő időben történő, cselekvési riasztások biztosításához a klinikai munkafolyamatok megzavarása nélkül.
A tanulmány elsősorban a CDS eszköz használhatóságának, elfogadásának és megvalósíthatóságának felmérése a végrehajtás után hat hónappal vegyes módszerrel történő értékelések révén. A kutatók félig strukturált interjúkat és online kérdőívet fognak használni a PCP-k visszajelzéseinek gyűjtésére, a riaszthatóságra, a preferenciákra és az eredményekre összpontosítva. A kvantitatív elemzések értékelik a riasztási behatolást, a használati mintákat és a PCP műveleteket, míg a kvalitatív elemzések a témákat és betekintést vizsgálják a felülbírálásról az eszköz optimalizálásához. A kutatók az EHR-adatok, például a naloxon-receptek felhasználásával is megvizsgálják a másodlagos beteg-szintű eredményeket.
Tanulmány típusa
Beiratkozás (Tényleges)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi helyek
-
-
Florida
-
Gainesville, Florida, Egyesült Államok, 32608
- University of Florida Health Internal Medicine and Family Medicine
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Befogadási kritériumok:
A PCP szintű eredmények értékeléséhez
- PCPS
- Gyakorlat a 9 részt vevő klinikán (6 UF Health Family Medicine klinikán és 3 UF Health Belation Medicine) Gainesville -ben, Florida -ban.
A beteg szintjének kimenetelének értékelése:
Befogadási kritériumok: Azok a betegek, akik a 9 részt vevő UF egészségügyi klinikán bármelyikben láthatók, akik
- ≥18 éves korúak
- Bármilyen opioid recept kapott az elmúlt évben a klinikai látogatásuk előtt.
- az ML algoritmus által a túladagolás magas kockázatának megfelelően azonosítják őket. Kizárási kritériumok: betegek, akik
- rosszindulatú rák diagnózissal vagy hospice -ellátással rendelkezik a tanulmány beiratkozása előtt
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Egészségügyi szolgáltatások kutatása
- Kiosztás: N/A
- Beavatkozó modell: Egyetlen csoportos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: Túladagolás megelőzési riasztási (OPA) beavatkozási kar
Az intervenciós kar ML CDS -eszközt kap, amely megszakító riasztásokat nyújt az opioid -túladagolás megnövekedett kockázatának kiemelkedő kockázatában, és amikor egy klinikus opioid sorrendet ír alá.
|
Ebben a tanulmányban a kutatók kísérleti tesztelést végeznek egy megszakító, ML CDS eszköz az opioid túladagolás kockázatához a tizenhárom alapellátási klinikán az UF Health -en, Gainesville, Florida.
Ha egy beteget az ML algoritmus megnövekedett túladagolási kockázattal azonosítja, és a PCP opioid -recept jelzi a beteg számára, akkor opioid -megelőzési riasztást (OPA) indít.
A riasztás magában foglalja a beteg megnövekedett kockázati státusának indoklását, és három kockázatcsökkentési ajánlást nyújt: a fájdalomkezelés és a mentálhigiénés támogatás optimalizálása, a betegekkel való kockázatok áttekintése és megvitatása, valamint a naloxon kínálása, ha a beteg nyilvántartásában nem található előzetes naloxon sorrend.
A PCP -k kiválaszthatnak egy felülbíráló okot is, például a betegnek már naloxonja, elutasította a beavatkozást, nincs jelen/nem a megfelelő idő, vagy a riasztás nem releváns/más megjegyzések, ha adott esetben.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Kompozit betegszintű eredmények az opioidokkal kapcsolatban
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) az OPA végrehajtása után
|
A CDS eszköz túladagolási megelőzési riasztást (OPA) generál, amikor a PCP opioid sorrendet jelez az EPIC® -ben. Az eszköz hatékonyságának értékelése érdekében a kutatók klinikus összehasonlításokat végeznek (a végrehajtás utáni és a végrehajtás utáni), és megvizsgálják a betegszintű eredmények összetettségét a végrehajtás után, ideértve a következő 6 kimenetel bármelyikének a betegek arányát:
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) az OPA végrehajtása után
|
|
A PCP felhasználási visszajelzése a túladagolás megelőzéséről (OPA)
Időkeret: A beiratkozás és az OPA végrehajtását követő legfeljebb 7 hónapig
|
Egy online kérdőív az OPA-val kölcsönhatásba lépő PCP-k számára 12 Likert-skála elemet tartalmaz (négypontos skála: 1 = határozottan nem ért egyet a 4-re = határozottan egyetért) Az OPA elfogadhatóságának, megfelelőségének és megvalósíthatóságának értékelése:
Az átlagos pontszámokat (a standard eltérésekkel [SD]) kiszámítják az összes elemre, valamint az egyedi átlagértékekre (SD). |
A beiratkozás és az OPA végrehajtását követő legfeljebb 7 hónapig
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Naloxon megrendelés vagy vényköltés kézhezvétele
Időkeret: A beiratkozástól és legfeljebb 12 hónapig (3, 6, 12 hónap) a túladagolás megelőzési riasztás (OPA) végrehajtása után
|
A riasztást kapó betegek aránya, akiknek naloxon sorrendje vagy vényköteles kitöltése van
|
A beiratkozástól és legfeljebb 12 hónapig (3, 6, 12 hónap) a túladagolás megelőzési riasztás (OPA) végrehajtása után
|
|
Opioid -túladagolás diagnózisok és naloxon beadása hiánya
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
A riasztást kapó betegek aránya, akiknek nincs opioid -túladagolási diagnózis és naloxon beadása
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
|
Az OD -látogatások vagy kórházi kezelések hiánya opioid túladagolás vagy oud miatt
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
Azok a riasztásban részesülő betegek aránya, akiknek az opioid -túladagolás vagy az opioid -használati rendellenesség (OUD) miatt nem jár ED -látogatások vagy kórházi kezelések.
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
|
Átfedő opioid és benzodiazepin használatának hiánya
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
A riasztásban részesülő betegek aránya, akiknek nincs átfedő opioid és benzodiazepin -használata
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
|
A nagy dózisú opioidok használatának hiánya (átlagos napi morfin milligramm egyenérték ≥50)
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
A riasztásban részesülő betegek aránya, akik nem rendelkeznek nagy dózisú opioid-használatsal (átlagos napi morfin milligramm ekvivalens ≥50).
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
|
A nem farmakológiai fájdalomkezelésbe történő áttétel kézhezvétele (például fizikoterápia, kiropraktika gondozása
Időkeret: A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
A riasztásban részesülő betegek aránya, akik a nem farmakológiai fájdalomkezelésre hivatkoznak (például fizikoterápia, kiropraktikai ellátás).
|
A beiratkozás és legfeljebb 12 hónap (3, 6, 12 hónap) a végrehajtás után
|
Együttműködők és nyomozók
Szponzor
Nyomozók
- Kutatásvezető: Wei-Hsuan Lo-Ciganic, PhD, Division of General Internal Medicine, School of Medicine, University of Pittsburgh, Pittsburgh, PA
Publikációk és hasznos linkek
Általános kiadványok
- Lo-Ciganic WH, Huang JL, Zhang HH, Weiss JC, Kwoh CK, Donohue JM, Gordon AJ, Cochran G, Malone DC, Kuza CC, Gellad WF. Using machine learning to predict risk of incident opioid use disorder among fee-for-service Medicare beneficiaries: A prognostic study. PLoS One. 2020 Jul 17;15(7):e0235981. doi: 10.1371/journal.pone.0235981. eCollection 2020.
- Lo-Ciganic WH, Donohue JM, Yang Q, Huang JL, Chang CY, Weiss JC, Guo J, Zhang HH, Cochran G, Gordon AJ, Malone DC, Kwoh CK, Wilson DL, Kuza CC, Gellad WF. Developing and validating a machine-learning algorithm to predict opioid overdose in Medicaid beneficiaries in two US states: a prognostic modelling study. Lancet Digit Health. 2022 Jun;4(6):e455-e465. doi: 10.1016/S2589-7500(22)00062-0.
- Nguyen K, Wilson DL, Diiulio J, Hall B, Militello L, Gellad WF, Harle CA, Lewis M, Schmidt S, Rosenberg EI, Nelson D, He X, Wu Y, Bian J, Staras SAS, Gordon AJ, Cochran J, Kuza C, Yang S, Lo-Ciganic W. Design and development of a machine-learning-driven opioid overdose risk prediction tool integrated in electronic health records in primary care settings. Bioelectron Med. 2024 Oct 18;10(1):24. doi: 10.1186/s42234-024-00156-3.
- Militello LG, Diiulio J, Wilson DL, Nguyen KA, Harle CA, Gellad W, Lo-Ciganic WH. Using human factors methods to mitigate bias in artificial intelligence-based clinical decision support. J Am Med Inform Assoc. 2025 Feb 1;32(2):398-403. doi: 10.1093/jamia/ocae291.
- Lo-Ciganic WH, Huang JL, Zhang HH, Weiss JC, Wu Y, Kwoh CK, Donohue JM, Cochran G, Gordon AJ, Malone DC, Kuza CC, Gellad WF. Evaluation of Machine-Learning Algorithms for Predicting Opioid Overdose Risk Among Medicare Beneficiaries With Opioid Prescriptions. JAMA Netw Open. 2019 Mar 1;2(3):e190968. doi: 10.1001/jamanetworkopen.2019.0968.
- Hong JJ,Wilson DL,Nguyen K,Gellad WF,Diiulio J,Militello L,Yan S,Harle CA,Nelson D,Rosenberg EI,Schmidt S,Chang CH,Cochran G,Wu Y,Staras SAS,Kuza C,Lo-Ciganic WH
Hasznos linkek
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Becsült)
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
- Kábítószerrel való visszaélés
- Drog túladagolás
- Vényköteles gyógyszerekkel való visszaélés
- Opiát túladagolás
- Kábítószerrel kapcsolatos rendellenességek
- Opioidokkal kapcsolatos rendellenességek
- Anyaggal kapcsolatos rendellenességek
- Mentális zavarok
- Kémiai eredetű rendellenességek
- Nyomozási technikák
- Mód
Egyéb vizsgálati azonosító számok
- STUDY24040038
- R01DA050676 (Az Egyesült Államok NIH támogatása/szerződése)
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
az Egyesült Államokban gyártott és onnan exportált termék
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. .