Miglioramento della qualità della codifica ICD-10 utilizzando l'intelligenza artificiale: protocollo per uno studio controllato randomizzato crossover (ClinCode)
Miglioramento della qualità della codifica ICD-10 (Classificazione statistica internazionale delle malattie, decima revisione) utilizzando l'intelligenza artificiale: protocollo per uno studio controllato randomizzato crossover
L'obiettivo di questo studio randomizzato è conoscere il ruolo dell'intelligenza artificiale nella pratica di codifica clinica. La domanda principale a cui si intende rispondere è:
Il sistema CAC basato sull’intelligenza artificiale può ridurre l’onere della codifica clinica e anche migliorare la qualità di tale codifica? Ai partecipanti verrà chiesto di codificare testi clinici sia mentre utilizzano il nostro sistema CAC sia mentre non lo fanno.
Panoramica dello studio
Descrizione dettagliata
Una volta reclutati, i partecipanti vengono assegnati in modo casuale a 2 gruppi senza occultamento dell'assegnazione. L'occultamento dell'assegnazione non sarà rilevante per i codificatori clinici poiché è noto se un partecipante è assistito o meno e non svilupperemo un assistente di codifica placebo. Tuttavia, nasconderemo l'assegnazione degli argomenti per le analisi.
In totale, i partecipanti codificheranno 20 note cliniche, dove ciascuna nota appartiene a un singolo paziente. Ai partecipanti viene chiesto di completare l'esperimento in 1 seduta senza interruzioni e non possono rivisitare o tornare agli appunti precedenti. Nel caso in cui i partecipanti vengano interrotti, viene chiesto loro di uscire dall'esperimento e tutti i record incompleti vengono scartati perché non validi.
Il processo di studio dell’utente può essere riassunto nei seguenti passaggi:
- I partecipanti allo studio vengono assegnati in modo casuale al gruppo 1 e al gruppo 2.
- Per preparare i partecipanti all'esperimento, viene riprodotto un breve tutorial video dopo la firma del modulo di consenso e subito prima dell'inizio dell'attività di codifica clinica.
- Nel periodo 1 con 10 note cliniche, il gruppo 1 utilizza l'interfaccia di controllo, mentre il gruppo 2 utilizza l'interfaccia di intervento.
- I dati vengono registrati in background premendo i pulsanti (ad es. tempo, codici assegnati e commenti).
- Successivamente si verifica un passaggio immediato al periodo 2 per le ultime 10 note cliniche.
- I dati continuano a essere registrati in background premendo i pulsanti.
- Alla fine, i partecipanti di entrambi i gruppi completeranno la scala di usabilità del sistema.
Tipo di studio
Iscrizione (Effettivo)
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
Troms
-
Tromsø, Troms, Norvegia, 9019
- Norwegian Centre for E-health Research
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criterio di inclusione:
- il partecipante ha già codificato testi clinici, preferibilmente codifica ICD-10
- è un operatore sanitario, ad es. medico, infermiere, programmatori professionisti
- può capire lo svedese
Criteri di esclusione:
- partecipanti fuori dalla Norvegia e dalla Svezia
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Diagnostico
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione incrociata
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Comparatore attivo: Interfaccia Easy-ICD
Questo braccio utilizza il nostro sistema di codifica clinica assistita da computer (CAC) basato sull'intelligenza artificiale, Easy-ICD
|
Easy-ICD è un sistema di codifica clinica assistita da computer (CAC) basato sull'intelligenza artificiale che aiuta i codificatori clinici ad assegnare codici ICD-10 a note cliniche come i riepiloghi di dimissione.
|
|
Nessun intervento: Interfaccia di controllo
Questo braccio di controllo utilizza un'interfaccia simile a Easy-ICD, ma senza funzionalità AI
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Tempo
Lasso di tempo: 1 ora
|
Tempo in secondi impiegato per assegnare i codici ICD-10 a ciascuna delle 20 note cliniche.
|
1 ora
|
|
Precisione
Lasso di tempo: 1 ora
|
La precisione viene calcolata dividendo il numero di codici ICD-10 corretti per il numero totale di codici assegnati.
|
1 ora
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: Hercules Dalianis, PhD, Norwegian Centre for E-health Research
Pubblicazioni e link utili
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 260972(REK)
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Periodo di condivisione IPD
Criteri di accesso alla condivisione IPD
Tipo di informazioni di supporto alla condivisione IPD
- STUDIO_PROTOCOLLO
- LINFA
- ICF
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 .