Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Sicurezza e affidabilità della valutazione dei sintomi guidata dall'intelligenza artificiale nei bambini e negli adolescenti

3 dicembre 2020 aggiornato da: Turku University Hospital

Le tecnologie sanitarie digitali (DHT) sono sempre più sviluppate per supportare i sistemi sanitari in tutto il mondo. Tuttavia, spesso mancano di una medicina basata sull'evidenza e di una convalida medica. C'è una notevole necessità nei paesi occidentali di allocare le risorse sanitarie in modo accurato e fornire alla popolazione informazioni sanitarie dettagliate e affidabili che consentano di assumersi maggiori responsabilità per la propria salute. Il sistema intelligente di gestione del flusso dei pazienti (IPFM, nome del prodotto Klinik Frontline) è stato sviluppato per soddisfare queste esigenze. In pratica, l'IPFM viene utilizzato per il supporto decisionale nei processi di triage e diagnostici, nonché per automatizzare la gestione dell'afflusso dei pazienti. Il nucleo dell'IPFM è un'intelligenza artificiale clinica (AI), che utilizza un database medico completo di correlazioni cliniche generate da medici.

La popolazione oggetto di studio di questa ricerca è costituita da pazienti della Clinica Pediatrica di Emergenza dell'Ospedale Universitario di Turku (TUH). I dati saranno raccolti durante 6 mesi di pilotaggio, dopo di che i risultati saranno analizzati. Il numero previsto di pazienti per lo studio è minimo di 500 pazienti, con l'obiettivo di essere 1 000. Quando si recano in ospedale, i pazienti o i loro tutori riporteranno i loro dati demografici, informazioni di base e sintomi utilizzando un modulo online IPFM strutturato. I risultati ottenuti dall'IPFM sono accecati dall'operatore sanitario e l'IPFM non influisce sul processo decisionale clinico del professionista. I dati ottenuti dal modulo online IPFM e i dati clinici del pronto soccorso e del TUH saranno analizzati dopo la raccolta dei dati. L'obiettivo principale della ricerca è convalidare l'uso dell'IPFM valutando l'associazione dell'output dell'IPFM con 1) urgenza e gravità delle condizioni; e 2) diagnosi effettive diagnosticate da medici. Le principali ipotesi della ricerca sono che 1) l'IPFM sia sicuro e sensibile nel valutare l'urgenza delle condizioni dei pazienti in arrivo al pronto soccorso e che 2) l'IPFM abbia una sufficiente correlazione della diagnosi differenziale con la diagnosi effettiva fatta dal medico.

Panoramica dello studio

Tipo di studio

Osservativo

Iscrizione (Anticipato)

1000

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

Da 1 secondo a 17 anni (BAMBINO)

Accetta volontari sani

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione di probabilità

Popolazione di studio

Bambini e adolescenti di tutte le età e comorbidità

Descrizione

Criterio di inclusione:

  • tutti i pazienti al pronto soccorso con sintomi acuti

Criteri di esclusione:

  • Situazione di emergenza

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
Bambini e adolescenza
Sistema di triage guidato dall'intelligenza artificiale

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Indice di gravità dell'emergenza (ESI)
Lasso di tempo: 1.12.2020-31.12.2021
L'analisi automatizzata dell'urgenza del triage (indice ESI) guidata dall'intelligenza artificiale sarà confrontata con l'indice stimato dagli operatori sanitari
1.12.2020-31.12.2021

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Diagnosi primaria
Lasso di tempo: 1.12.2020-31.12.2021
L'analisi automatizzata della diagnosi guidata dall'intelligenza artificiale sarà confrontata con la diagnosi stimata dagli operatori sanitari
1.12.2020-31.12.2021

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (ANTICIPATO)

1 dicembre 2020

Completamento primario (ANTICIPATO)

1 giugno 2021

Completamento dello studio (ANTICIPATO)

1 dicembre 2021

Date di iscrizione allo studio

Primo inviato

26 novembre 2020

Primo inviato che soddisfa i criteri di controllo qualità

3 dicembre 2020

Primo Inserito (EFFETTIVO)

10 dicembre 2020

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (EFFETTIVO)

10 dicembre 2020

Ultimo aggiornamento inviato che soddisfa i criteri QC

3 dicembre 2020

Ultimo verificato

1 novembre 2020

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • ETMK Dnro: 68 /1801/2020

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

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 .

Sottoscrivi