Riconoscimento assistito dall'apprendimento automatico dell'arresto cardiaco extraospedaliero durante le chiamate di emergenza.
L'apprendimento automatico può riconoscere l'arresto cardiaco extraospedaliero durante le chiamate di emergenza e assistere gli operatori sanitari
Emergency Medical Services Copenhagen ha sviluppato un modello di machine learning che analizza le chiamate al 1-1-2 (9-1-1) in tempo reale. Il modello è in grado di riconoscere le chiamate in cui si sospetta un arresto cardiaco. Lo scopo dello studio è indagare l'effetto di un allarme generato dal computer nelle chiamate in cui si sospetta un arresto cardiaco.
Lo studio indagherà
- se un potenziale aumento dei riconoscimenti è dovuto agli avvisi della macchina o alla maggiore attenzione del supervisore medico sul riconoscimento dell'arresto cardiaco extraospedaliero (OHCA) durante l'implementazione della macchina
- se un modello di apprendimento automatico basato su reti neurali, quando si allertano gli spedizionieri medici aumenterà il riconoscimento generale dell'OHCA e aumenterà l'invio dei soccorritori cittadini.
- aumento dell'uso di defibrillatori automatici esterni (DAE), rianimazione cardiopolmonare (RCP) o invio di soccorritori cittadini nei casi di OHCA su OHCA riconosciuto dalla macchina rispetto a OHCA riconosciuto da un dispatcher medico.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Le probabilità di sopravvivenza dopo un arresto cardiaco extraospedaliero diminuiscono del 10% al minuto dal collasso fino all'inizio della RCP. La RCP telefonica assistita dal dispatcher verrà avviata solo nei casi in cui il dispatcher riconosce l'arresto cardiaco.
In un precedente progetto "Può un computer attraverso l'apprendimento automatico riconoscere l'arresto cardiaco extraospedaliero durante le chiamate di emergenza" (supportato da TrygFoundation), i ricercatori hanno scoperto che era possibile creare un modello di Machine Learning (ML), in grado di riconoscere OHCA con maggiore precisione rispetto agli spedizionieri medici presso l'Emergency Medical Dispatch Center (EMDC-Copenaghen).
In questo studio il modello e il suo effetto devono essere documentati nell'EMDC-Copenaghen. A tale scopo, viene creato un computer server che esegue il modello ML. Questo server è integrato nella rete dell'EMDC-Copenhagen, consentendo di inviare avvisi al dispatcher medico, quando un arresto cardiaco viene riconosciuto dal modello.
Con l'aiuto dell'apprendimento automatico, l'ipotesi è che il riconoscimento dell'OHCA sia migliorato e avvenga più frequentemente e più velocemente del presente.
Viene sviluppata un'istruzione per i supervisori medici, che guida il dispatcher medico in caso di allarme dalla macchina.
Tipo di studio
Iscrizione (Effettivo)
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
Danmark
-
Ballerup, Danmark, Danimarca, DK-2750
- Emergency Medical Services Copenhagen
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Sessi ammissibili allo studio
Descrizione
Criterio di inclusione:
- Chiamata riguardante un arresto cardiaco registrato nel registro nazionale danese degli arresti cardiaci
- L'OHCA è riconosciuto dal modello di apprendimento automatico
- La chiamata proviene da 1-1-2
Criteri di esclusione:
- Servizi medici di emergenza dell'OHCA - assistito
- La chiamata proviene da un'altra autorità (polizia o vigili del fuoco)
- La chiamata è una chiamata ripetuta
- La chiamata è stata messa in attesa per la conferenza
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Diagnostico
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Triplicare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Allarme macchina
Questi sospetti di arresto cardiaco cardiaco avranno avuto un avviso generato dal modello di apprendimento automatico oltre alla risposta standard dei servizi medici di emergenza.
|
Avviso sullo schermo del dispatcher "Sospetto arresto cardiaco"
|
|
Nessun intervento: Solita cura
Questi sospetti arresti cardiaci riceveranno la risposta standard dei servizi medici di emergenza.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Riconoscimento dell'arresto cardiaco da parte del dispatcher
Lasso di tempo: Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Il riconoscimento da parte del dispatcher dell'arresto cardiaco extraospedaliero è l'esito primario.
Il riconoscimento è segnalato da un questionario compilato da un gruppo di uditori che ascoltano le registrazioni di tutte le chiamate previste.
Il questionario è un protocollo CARES modificato per le chiamate ed è composto da 21 domande in base alle quali viene valutata la qualità della chiamata.
Il questionario è validato ed è stato utilizzato in altri studi.
|
Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Tempo di riconoscimento
Lasso di tempo: Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Tempo dall'inizio della chiamata fino al riconoscimento dell'arresto cardiaco da parte del dispatcher
|
Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
|
RCP telefonica assistita dal dispatcher
Lasso di tempo: Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Il supervisore chiede al chiamante di avviare la RCP.
|
Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
|
Tempo di T-CPR
Lasso di tempo: Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Tempo dall'inizio della chiamata fino a quando il dispatcher inizia a guidare il chiamante in cpr
|
Durante la chiamata ai servizi medici di emergenza, fino a 15 minuti dall'inizio della chiamata.
|
Collaboratori e investigatori
Investigatori
- Direttore dello studio: Freddy Lippert, MD, Copenhagen Emergency Medical Services
Pubblicazioni e link utili
Pubblicazioni generali
- Blomberg SN, Folke F, Ersboll AK, Christensen HC, Torp-Pedersen C, Sayre MR, Counts CR, Lippert FK. Machine learning as a supportive tool to recognize cardiac arrest in emergency calls. Resuscitation. 2019 May;138:322-329. doi: 10.1016/j.resuscitation.2019.01.015. Epub 2019 Jan 18.
- Blomberg SN, Christensen HC, Lippert F, Ersbøll AK, Torp-Petersen C, Sayre MR, Kudenchuk PJ, Folke F. Effect of Machine Learning on Dispatcher Recognition of Out-of-Hospital Cardiac Arrest During Calls to Emergency Medical Services: A Randomized Clinical Trial. JAMA Netw Open. 2021 Jan 4;4(1):e2032320. doi: 10.1001/jamanetworkopen.2020.32320.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Effettivo)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- F-35101-01
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .