- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT07302906
Randomizált vizsgálat egy környezeti AI írnokról (Voa Health), amely a kórházi látogatások hanganyagát jegyzetvázlattá alakítja, összehasonlítva az AI-val és AI nélküli látogatásokat több klinikán, az orvosi jólét, a dokumentációs terhelés és a betegélmény értékelése érdekében. (SOAR)
A SOAR vizsgálat (Scribe Optimization for Ambulatory Records): Környezeti mesterséges intelligencia jegyzőkönyvíró a Voa Health alkalmazásával ambuláns látogatások hangfelvételeinek orvosi dokumentációvá alakításához – randomizált, kontrollált vizsgálat
A randomizált klinikai vizsgálat célja annak feltárása, hogy egy „ambiens AI írnok” (Voa Health) csökkentheti-e a dokumentációs terhelést, valamint javíthatja-e az orvosok jólétét és a betegek élményét a rendelőintézetekben. Az AI írnok meghallgatja a konzultáció hangfelvételét, és előállítja a klinikai jegyzet vázlatát, amelyet az orvos ellenőriz és szerkeszt.
Ebben a tanulmányban a konzultációk két csoportba vannak randomizálva: szokásos dokumentáció (AI nélkül) vagy az AI írnok által segített dokumentáció. A részt vevő klinikákon kezelt felnőtt betegeket és az orvosaikat meghívják a részvételre. Mindkét csoport esetében a konzultáció hangfelvétele rögzítésre kerül, és a látogatás végén az orvosok és betegek rövid kérdőíveket töltenek ki a jólét, a munkaterhelés, a kommunikáció, az empátia és az elégedettség témakörében. A kérdőívek nemzetközileg használt skálákon alapulnak (mint például a PFI, Mini-Z, NASA-TLX, CARE, PSQ-18 és CAT), de rövid és rutinellátásban alkalmazható formára lettek adaptálva.
A fő kérdések az, hogy az AI írnok csökkenti-e a látogatás dokumentálásához szükséges időt és erőfeszítést, javítja-e az orvosi szakmai teljesülését és csökkenti-e a kiégést, valamint hogy befolyásolja-e, hogyan érzékelik a betegek a kommunikációt, az empátiát és a konzultáció általános minőségét. Nem tesztelnek gyógyszereket vagy eszközöket. Az eredmények várhatóan útmutatást nyújtanak a kórházak számára az amiens AI írnokok biztonságos és hatékony használatáról a valóságos klinikai gyakorlatban.
A tanulmány áttekintése
Állapot
Körülmények
Részletes leírás
Ez a tanulmány egy randomizált kontrollált vizsgálat, amely a környezeti mesterséges intelligencia (MI) írnok hatását vizsgálja az orvosok jólétére, a dokumentációs terhelésre és a betegélményre a rutin ambuláns ellátásban.
A beavatkozás a Voa Health környezeti MI írnok használatából áll a klinikai találkozók során. A rendszer rögzíti a konzultáció hanganyagát és valós időben strukturált vázlatot készít a klinikai jegyzetből, amely a speciális sablonokkal van összhangban, tükrözve minden klinika rutin munkafolyamatát (például különböző sablonok az általános kardiológiára, szívelégtelenségre, diszlipidémiára stb.). A látogatás végén az orvos áttekinti, szerkeszti és aláírja a vázlatot az elektronikus egészségügyi nyilvántartásban (EES), miközben teljes felelősséggel tartozik a dokumentáció pontosságáért és teljességéért. A kontrollcsoportban az orvosok a szokásos módszereikkel folytatnak konzultációkat és dokumentálják a találkozókat MI támogatás nélkül. A vizsgálat céljából a kontrollcsoportban is rögzíthető hanganyag, de az MI által generált jegyzet nem jelenik meg és nem használható az orvos által.
A randomizáció egysége az egyéni konzultáció. A részt vevő orvosok esetében a jogosult látogatások automatikusan két párhuzamos csoport egyikébe kerülnek: (1) szokásos dokumentáció MI nélkül és (2) dokumentáció környezeti MI írnok segítségével. A randomizáció úgy van tervezve, hogy megőrizze minden klinika meglévő szervezetét és elkerülje az ütemezés vagy a betegforgalom zavarását. A klinikai ellátást, a diagnosztikai és terápiás döntéseket, valamint a követési eljárásokat nem a protokoll határozza meg, és a szokásos gyakorlatot követik; az egyetlen kísérleti elem az MI írnok használata (vagy nem használata) a dokumentációhoz, valamint a hanganyag és kérdőívek gyűjtése.
A részt vevő ambuláns klinikákban látott felnőtt betegeket és orvosaikat meghívják a részvételre. A tájékoztatott beleegyezés után a teljes konzultáció hangrögzítésre kerül. Minden látogatás után azonnal a beteget és az orvost is rövid, strukturált kérdőív kitöltésére kérik, amely rögzíti a vizsgálat fő eredményeit. Annak érdekében, hogy az adatgyűjtés kivitelezhető maradjon egy forgalmas ambuláns környezetben, a kérdőívek nemzetközileg használt skálákból származó tételek részhalmazaiból épültek fel, miközben a kérdések száma konzultásonként alacsony maradt.
Az orvosok számára a tételek a Professional Fulfillment Index (PFI), a Mini-Z 2.0 felmérés és a 4 tételből álló Physician Task Load / NASA-TLX skálákból származnak. Ezek a tételek értékelik a szakmai elégedettséget és kiégést (fizikai és érzelmi kimerültség), a dokumentációhoz szükséges idő érzékelt elegendőségét, az EES-ben végzett munkát a közvetlen betegkapcsolaton kívül, az érzékelt dokumentációs terhelést és a látogatás időigényét. További, vizsgálatra jellemző tételek értékelik a végső jegyzet érzékelt minőségét és teljességét, az MI által generált vázlat szerkesztéséhez szükséges időt, a kulcsfontosságú klinikai részletek rögzítésébe vetett bizalmat, a lehetséges MI "hallucinációk" (a látogatás során ténylegesen nem elhangzott információk) előfordulását és a dokumentáció hatását a betegre fordított figyelemre.
A betegek számára a kérdőívek a Consultation and Relational Empathy (CARE) Measure, a Patient Satisfaction Questionnaire Short-Form (PSQ-18) és a Communication Assessment Tool (CAT) skálákból származó tételeket használnak. Ezek a tételek olyan területeket fednek le, mint az aktív hallgatás, a beteg aggodalmainak megértése, a magyarázatok világossága, az orvossal töltött idő megfelelősége, az érzékelt empátia, az ellátással szembeni általános elégedettség, valamint a diagnózis és kezelés megértése. Az MI csoportban egy további tétel kifejezetten azt kérdezi, hogy az MI használata a konzultáció során segítette-e, nem változtatott-e vagy akadályozta-e az orvossal való kommunikáció világosságát.
A fő eredmények az orvosok által jelentett jólét és az érzékelt dokumentációs terhelés, amikor a környezeti MI írnokot használják a szokásos dokumentációhoz képest. A legfontosabb másodlagos eredmények közé tartozik a betegek által jelentett élmény és elégedettség, az orvosok által értékelt jegyzetek minősége és teljessége, a dokumentációhoz és az MI által generált vázlatok szerkesztéséhez szükséges idő, valamint az MI-hez kapcsolódó dokumentációs hibák vagy hallucinációk gyakorisága és klinikai relevanciája. Minden eredményt az egyéni konzultáció szintjén mérnek, minden látogatás után azonnal.
A vizsgálat kezdetben a Paraná Szövetségi Egyetem (UFPR) Hospital de Clínicas több ambuláns klinikáján zajlik Brazíliában, különböző orvosi szakterületeken. Minden szolgáltatásban strukturált jegyzetsablonokat fejlesztenek ki a helyi klinikai vezetőkkel együttműködve, hogy az MI által generált vázlatok tükrözzék az adott szakterület valóságos munkafolyamatát anélkül, hogy megváltoztatnák az ellátás színvonalát. A protokollban képzett orvostanhallgatók és rezidensek a kezelőorvosok felügyelete alatt támogathatják a beleegyezés és a kérdőívek kitöltését, hogy az adatgyűjtés konzisztens és kivitelezhető legyen.
Az adatokat biztonságos, hozzáférés-vezérelt szervereken tárolják, a hangfelvételek, kérdőívek és EES-jegyzetek közötti kapcsolatot kódolt azonosítók segítségével kezelik. Egy, az MI írnok fejlesztőcsapatától független adatfigyelő bizottság időszakosan áttekinti az aggregált adatokat a protokoll betartása, az adatminőség és az MI dokumentációban való használatával kapcsolatos biztonsági aggályok (például a betegellátást potenciálisan befolyásoló szisztematikus dokumentációs hibák) miatt. Mivel a beavatkozás csak a dokumentációs támogatásra korlátozódik, és az orvosok továbbra is felelősek minden klinikai döntésért és a jegyzetek véglegesítéséért, a részvétel összességében minimális kockázatúnak tekinthető.
A protokoll lehetővé teszi a jövőbeli bővítést más ambuláns szolgáltatásokra és együttműködő központokra, amelyek ugyanazt a randomizációt, adatgyűjtési eljárásokat és eredménydefiníciókat alkalmazzák. Az eredmények várhatóan gyakorlati bizonyítékokat szolgáltatnak arra vonatkozóan, hogy a környezeti MI írnokok hogyan implementálhatók biztonságosan és hatékonyan a valóságos klinikai gyakorlatban, különösen az orvosok jólétére, a dokumentációs terhelésre és a beteg konzultációs élményére gyakorolt hatásuk tekintetében.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Gustavo Lenci Marques, MD, PhD
- Telefonszám: +5541991491428
- E-mail: gustavolencimarques@gmail.com
Tanulmányi helyek
-
-
Paraná
-
Curitiba, Paraná, Brazília, 80060-900
- Toborzás
- Complexo Hospital de Clínicas da UFPR (CHC-UFPR)
-
Kapcsolatba lépni:
- Pedro Angelo Basei de Paula
- Telefonszám: +5541996100059
- E-mail: pedroangelo28@gmail.com
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Bevonási kritériumok:
- Felnőtt betegek (≥18 év), akik a vizsgálati időszak alatt a Hospital de Clínicas - Federal University of Paraná részt vevő ambuláns rendelőit látogatják.
- Azok a betegek, akik a vizsgálatban részt vevő orvos gondozásában állnak.
- Képesek megérteni a portugál nyelvet és írásbeli beleegyezést adni a konzultáció hangfelvételéhez és a rövid kérdőívek kitöltéséhez.
- Képesek a látogatás utáni kérdőívek kitöltésére (segítséggel, ha szükséges).
- Azok az orvosok (további szakorvosok vagy rezidensek), akik a részt vevő ambuláns rendelőkben dolgoznak.
- A kórházi elektronikus betegnapló használata a rutinellátás során.
- Hozzájárulnak konzultációik hangfelvételéhez és minden egyes bevont látogatás után rövid kérdőívek kitöltéséhez.
Kizárási kritériumok:
- 18 évnél fiatalabb betegek.
- Sürgősségi, sürgős ellátási vagy kórházi konzultációk.
- Azok a betegek, akiknél jelentős kognitív zavar, akut distressz vagy klinikai instabilitás áll fenn, amely a kezelőorvos véleménye szerint kizárja a tájékozott beleegyezést vagy a kérdőívek kitöltését.
- Jogi gyám alatt álló vagy egyébként képtelen a saját beleegyezését megadni.
- Azok a konzultációk, ahol a beteg vagy az orvos elutasítja a hangfelvételt vagy a vizsgálatban való részvételt.
- Azok a konzultációk, ahol az MI rendszer nem áll rendelkezésre vagy működési zavart mutat (csak a protokoll betartásának elemzéseihez).
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Egészségügyi szolgáltatások kutatása
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: Ambient AI írnok (Voa Health)
A Voa Health ambient AI írnok aktív kimeneti konzultációi.
A rendszer rögzíti a látogatás hanganyagát, és specialitás-specifikus sablonok alapján strukturált klinikai jegyzetvázlatot generál.
Az orvos áttekinti, szerkeszti és aláírja a jegyzetet az EMR-ben.
A látogatás után az orvos és a beteg rövid kérdőíveket tölt ki a munkaterhelésről, a jól-létről, a kommunikációról, az empátiáról és az elégedettségről.
|
Egy környezeti mesterséges intelligencia (MI) írnok használata a rendelői konzultációk során.
A Voa Health rendszer rögzíti a látogatás hanganyagát, és strukturált klinikai jegyzet-tervezetet generál a szakma-specifikus sablonok alapján, amelyek követik az egyes klinikák szokásos folyamatát.
A konzultáció után az orvos áttekinti, szerkeszti és aláírja a jegyzetet az elektronikus betegnaplóban.
Az MI nem hoz diagnosztikai vagy terápiás döntéseket; csak a dokumentációban segít.
A klinikai ellátás minden más aspektusa a rutin gyakorlatot követi.
|
|
Aktív összehasonlító: Szokásos dokumentáció mesterséges intelligencia írnok nélkül
Ambuláns konzultációk, amelyek során a dokumentációt szokásos módszerekkel, mesterséges intelligencia támogatása nélkül végzik (szokásos klinikai gyakorlat).
A látogatás hangfelvétele készülhet tanulmányi célokra, de az orvosnak nem mutatnak mesterséges intelligenciával generált jegyzetet.
A látogatás után az orvos és a beteg kitölti ugyanazt a rövid kérdőívet a munkaterhelésről, a jóllétről, a kommunikációról, az empátiáról és az elégedettségről.
|
A klinikai dokumentációt a szokásos módszerekkel végezték, mesterséges intelligencia támogatás nélkül (szokásos ellátás).
Az orvosok a találkozót a szokásos módon dokumentálják az elektronikus orvosi nyilvántartásban (gépelés, diktálás vagy kézírásos jegyzetek, ha alkalmazható).
A látogatás hanganyaga felvételre kerülhet a vizsgálat céljából, de az orvosnak nem jelenik meg mesterséges intelligenciával generált vázlatjegyzet.
A konzultáció után az orvosok és a betegek ugyanazokat a rövid kérdőíveket töltik ki a terheltségről, a jól-létről, a kommunikációról, az empátiáról és az elégedettségről.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Az orvos dokumentációs terhelése a vizsgálat során
Időkeret: Azonnal minden ambuláns konzultáció után (azon a napon)
|
Az orvosok által jelentett dokumentációs terhelés, amelyet minden konzultáció után azonnal mérnek, a nemzetközileg használt eszközökből (NASA-TLX, Mini-Z) és a vizsgálatra jellemző tételekből adaptált, rövid, 5 pontos Likert-típusú tételek segítségével.
A tételek a következőket értékelik: (1) a konzultáció adminisztratív terhelését, (2) a betegre összpontosításhoz rendelkezésre álló időt, (3) a konzultáció mentális igényét (adaptált NASA-TLX), (4) a dokumentációs folyamat beavatkozását a betegkapcsolatba, és (5) a munkafolyamat zavarását a dokumentációs beállítások miatt.
Az egyes tétel pontszámokat és egy összetett terhelési pontszámot (a tételek átlaga; magasabb értékek = nagyobb terhelés) összehasonlítják az ambient AI írnokkal történő konzultációk és a szokásos, AI nélküli dokumentációval történő konzultációk között.
|
Azonnal minden ambuláns konzultáció után (azon a napon)
|
|
Orvosi jólét / kimerültség a vizsgálat során
Időkeret: Minden ambuláns konzultáció után azonnal (azon a napon)
|
Az orvos fizikai kimerültsége közvetlenül a konzultáció után, amelyet a Professional Fulfillment Index (PFI) egyetlen tételével értékelnek: "Fizikailag kimerültnek érzem magam a konzultáció után," 5-fokozatú egyetértési skálán értékelve (teljesen nem értek egyet – teljesen egyetértek; magasabb értékek = nagyobb kimerültség).
Az eredményeket összehasonlítják az ambient AI jegyzővel végzett konzultációk és a szokásos dokumentációval, AI nélkül végzett konzultációk között.
|
Minden ambuláns konzultáció után azonnal (azon a napon)
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
A beteg kommunikációs és empátiás tapasztalata
Időkeret: Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
A beteg által megélt tapasztalat a konzultációról, beleértve az aktív hallgatást, az aggodalmak megértését, a magyarázatok világosságát, az érzett empátiát, az orvossal töltött időt és az összességében érzett elégedettséget.
Az elemek a CARE mércéből, a PSQ-18-ból és a Kommunikációs Értékelő Eszközből (CAT) származnak, 5 pontos Likert-skálán értékelve.
Az összetett pontszám (az elemek pontszámának átlaga; magasabb érték = jobb tapasztalat) összehasonlításra kerül az AI-kísérővel végzett konzultációk és a szokásos dokumentációval, AI nélkül végzett konzultációk között.
|
Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
|
A beteg diagnózisának és kezelésének megértése
Időkeret: Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
Egyetlen tétel, amely arra kérdez rá, hogy a betegek mennyire értették meg diagnózisukat és kezelésüket a konzultáció után, 5-fokú skálán értékelve 1-től (semmit) 5-ig (teljesen).
Az eredményeket összehasonlítjuk az ambient AI írnokkal történő konzultációk és a szokásos dokumentációval, AI nélküli konzultációk között.
|
Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
|
Az orvos által értékelt kórelőzmények minősége és teljessége
Időkeret: Azonnal minden egyes konzultáció dokumentációjának befejezése után (azon a napon)
|
Az orvos globális értékelése a konzultáció végleges klinikai jegyzetéről (áttekinthetőség, szervezettség és teljesség) egy, a Mini-Z-ből adaptált 5 fokozatú skála alapján (gyenge, határeset, kielégítő, jó, kiváló).
A pontszámokat összevetjük az ambient AI jegyzővel történt konzultációk és a szokásos, AI nélküli dokumentációval történt konzultációk között.
|
Azonnal minden egyes konzultáció dokumentációjának befejezése után (azon a napon)
|
|
A dokumentációhoz szükséges idő a közvetlen betegkapcsolaton kívül
Időkeret: Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
Az orvos által önként jelentett idő, amelyet az elektronikus egészségügyi nyilvántartáson kívül tölt a közvetlen betegkontakttól eltérően (például miután a beteg elhagyja a szobát), beleértve az AI által generált jegyzetek áttekintését és szerkesztését, ha alkalmazható.
Az időt rendezett kategóriákban értékelik (szinte semmi; kisebb módosítások; mérsékelt módosítások; kiterjedt módosítások).
A kategóriák eloszlását összehasonlítják az ambient AI jegyzőkönyvíró és a szokásos dokumentációs feltételek között.
|
Azonnal minden egyes ambuláns konzultáció után (azon a napon)
|
|
Az AI-vel kapcsolatos hallucinációk dokumentációban való aránya a konzultációk során
Időkeret: Azonnal minden mesterséges intelligenciával támogatott konzultáció után (azon a napon)
|
Az ambient AI jegyzővezeték ágában történő konzultációk során az orvosok jeleznek, hogy az AI beillesztett-e olyan információt a jegyzet tervezetébe, amelyet a konzultáció során valójában nem említettek.
Az eredmény az AI által segített konzultációk aránya legalább egy bejelentett hallucinációval.
|
Azonnal minden mesterséges intelligenciával támogatott konzultáció után (azon a napon)
|
|
Vakított külső felülvizsgálat során dokumentációs hibákat tartalmazó klinikai jegyzetek aránya
Időkeret: Minden klinikai jegyzet véglegesítését követő 30 napon belül
|
Mindkét vizsgálati csoport (AI-jegyzetelő és szokásos dokumentálás) anonimizált klinikai jegyzeteit véletlenszerűen összekeverik, majd legalább két, a csoportbeosztástól vak klinikus végez független áttekintést.
Az áttekintők osztályozzák, hogy minden egyes jegyzet tartalmaz-e bármilyen klinikailag releváns dokumentációs hibát, beleértve a kitalált vagy helytelen információkat („hallucinációk”), amelyek nem illeszkednek egy szabványos ambuláns látogatás valószínű tartalmához.
Az elsődleges változó az egyes csoportokban legalább egy ilyen hibát tartalmazó jegyzetek aránya; ezeket az arányokat összehasonlítják az AI-jegyzetelő és a szokásos dokumentálási körülmények között.
|
Minden klinikai jegyzet véglegesítését követő 30 napon belül
|
Együttműködők és nyomozók
Szponzor
Együttműködők
Nyomozók
- Kutatásvezető: Gustavo Lenci Marques, MD, PhD, Universidade Federal do Parana
- Tanulmányi igazgató: Pedro Angelo Basei de Paula, Medical Student, Universidade Federal do Parana
Publikációk és hasznos linkek
Általános kiadványok
- Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98. doi: 10.7861/futurehosp.6-2-94.
- Grace Hong, B.A., Lauren Wilcox, Ph.D., Amelia Sattler, M.D., Samuel Thomas, M.D., Nina Gonzalez, M.D., Marissa Smith, Ph.D., John Hernandez, Ph.D., Margaret Smith, M.B.A., Steven Lin, M.D., and Robert Harrington, M.D. Clinicians' Experiences with EHR Documentation and Attitudes Toward AI-Assisted Documentation. Stanford University School of Medicine and Google Health. 2020.
- Quiroz JC, Laranjo L, Kocaballi AB, Berkovsky S, Rezazadegan D, Coiera E. Challenges of developing a digital scribe to reduce clinical documentation burden. NPJ Digit Med. 2019 Nov 22;2:114. doi: 10.1038/s41746-019-0190-1. eCollection 2019.
- Cheng CG, Wu DC, Lu JC, Yu CP, Lin HL, Wang MC, Cheng CA. Restricted use of copy and paste in electronic health records potentially improves healthcare quality. Medicine (Baltimore). 2022 Jan 28;101(4):e28644. doi: 10.1097/MD.0000000000028644.
- Olson KD, Meeker D, Troup M, Barker TD, Nguyen VH, Manders JB, Stults CD, Jones VG, Shah SD, Shah T, Schwamm LH. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Netw Open. 2025 Oct 1;8(10):e2534976. doi: 10.1001/jamanetworkopen.2025.34976.
- Yixing Jiang, Kameron C. Black, D.O., M.P.H., Gloria Geng, Danny Park, James Zou, Ph.D., Andrew Y. Ng, Ph.D., and Jonathan H. Chen, M.D., Ph.D. MedAgentBench: A Virtual EHR Environment to Benchmark Medical LLM Agents. NEJM AI. August 14, 2025;2(9)
- Afshar M, Resnik F, Baumann MR, Hintzke J, Lemmon K, Sullivan AG, Shah T, Stordalen A, Oberst M, Dambach J, Mrotek LA, Quinn M, Abramson K, Kleinschmidt P, Brazelton T, Twedt H, Kunstman D, Wills G, Long J, Patterson BW, Liao FJ, Rasmussen S, Burnside E, Goswami C, Gordon JE. A Novel Playbook for Pragmatic Trial Operations to Monitor and Evaluate Ambient Artificial Intelligence in Clinical Practice. NEJM AI. 2025 Sep;2(9):10.1056/aidbp2401267. doi: 10.1056/aidbp2401267. Epub 2025 Aug 28.
- BASEI DE PAULA, P., BRUNETI SEVERINO, J., BERGER, M., VEIGA, M., PARENTE RIBEIRO, K., LOURES, F., TODESCHINI, S., ROEDER, E., MARQUES, G.. Improving documentation quality and patient interaction with AI: a tool for transforming medical records-an experience report. Journal of Medical Artificial Intelligence, North America, 8, jan. 2025. Available at: <https://jmai.amegroups.org/article/view/9651>
- Eileen Kim, M.D., Vincent X. Liu, M.D., M.Sc., and Karandeep Singh, M.D., M.M.Sc. AI Scribes Are Not Productivity Tools (Yet). NEJM AI. November 26, 2025;2(12)
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
- Afshar M, Baumann MR, Resnik F, Hintzke J, Sullivan AG, Wills G, Lemmon K, Dambach J, Ann Mrotek L, Quinn M, Abramson K, Kleinschmidt P, Brazelton TB, Leaf MA, Twedt H, Kunstman D, Patterson B, Liao F, Rasmussen S, Burnside ES, Goswami C, Gordon J. A Pragmatic Randomized Controlled Trial of Ambient Artificial Intelligence to Improve Health Practitioner Well-Being. NEJM AI. 2025 Dec;2(12):10.1056/aioa2500945. doi: 10.1056/aioa2500945. Epub 2025 Nov 26.
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
Egyéb vizsgálati azonosító számok
- SOAR-UFPR-VOA-001
- 81736024.4.0000.0096 (Egyéb támogatási/finanszírozási szám: Research Ethics Committee for Human Subjects - Health Sciences Sector, Federal University of Paraná (UFPR))
- 51.562.244/0001-07 (Egyéb támogatási/finanszírozási szám: Voa Health)
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
IPD megosztási időkeret
IPD-megosztási hozzáférési feltételek
Az IPD megosztását támogató információ típusa
- STUDY_PROTOCOL
- NEDV
- ICF
- ANALYTIC_CODE
- CSR
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. .