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.

Utilizzo dell'apprendimento automatico per rilevare comportamenti a rischio nelle cliniche psichiatriche

9 giugno 2024 aggiornato da: CEYDA ÖZTÜRK AKDENİZ, Istanbul Medeniyet University

Rilevamento di comportamenti rischiosi e fornitura di un ambiente sicuro nei pazienti che ricevono cure ospedaliere in una clinica psichiatrica utilizzando il modello di apprendimento automatico

Lo scopo di questo studio è garantire la sicurezza dei pazienti in una clinica psichiatrica e rilevare comportamenti a rischio utilizzando il metodo di apprendimento automatico. I comportamenti rischiosi sono definiti come comportamenti che sono indesiderabili a livello personale, sociale e di sviluppo e che mettono in pericolo la vita e la salute. La sicurezza del paziente e il mantenimento di un ambiente sicuro sono tra i compiti primari degli operatori sanitari. Il suicidio è il più importante fattore di rischio basato sull’evidenza, soprattutto tra gli individui con malattie psichiatriche, ed è uno dei fattori più importanti che minacciano la sicurezza del paziente. Alla fine di questo studio, lo scopo è quello di individuare i comportamenti a rischio dei pazienti prima che si danneggino e di consentire agli operatori sanitari di intervenire tempestivamente su questi comportamenti, supportando così un ambiente di trattamento sicuro, con il sistema informatico che è stato addestrato con il modello di machine learning installato nelle cliniche.

Panoramica dello studio

Descrizione dettagliata

Lo scopo di questo studio è rilevare comportamenti a rischio dei pazienti in una clinica psichiatrica utilizzando il metodo di apprendimento automatico. Comportamento rischioso; Sono definiti come comportamenti che sono indesiderabili a livello personale, sociale e di sviluppo e che mettono in pericolo la vita e la salute. La sicurezza del paziente e la garanzia di un ambiente sicuro sono tra i compiti primari degli operatori sanitari. Il suicidio è il più importante fattore di rischio basato sull’evidenza, soprattutto negli individui con malattie psichiatriche, ed è uno dei fattori più importanti che minacciano la sicurezza del paziente. Il tentativo di suicidio è una situazione di crisi che si incontra frequentemente nelle cliniche. È noto che il tasso di tentativi di suicidio aumenta di 5-10 volte nei pazienti ospedalizzati. Nelle cliniche con pazienti ricoverati si riscontrano frequentemente tentativi di suicidio e altri comportamenti a rischio.

Prevenire comportamenti a rischio e fornire un ambiente sicuro nelle cliniche psichiatriche è una questione importante nel nostro Paese e nel mondo. Al fine di rilevare comportamenti a rischio e garantire la sicurezza dei pazienti/dipendenti, esistono misure per monitorare i pazienti con telecamere nelle cliniche psichiatriche nell’ambito degli standard di qualità in ambito sanitario. Queste misure però non sono sufficienti a risolvere completamente il problema. Nelle cliniche psichiatriche il monitoraggio dei pazienti è assicurato da un'infermiera che monitora costantemente sullo schermo del computer le immagini delle telecamere posizionate nelle stanze. Il basso numero di infermieri, soprattutto nei turni notturni, rende difficile il monitoraggio tramite telecamera durante i turni notturni e pone un problema in termini di sicurezza dei pazienti. Il monitoraggio costante dei monitor da parte dell'infermiera riduce il tempo trascorso con il paziente e aumenta il carico di lavoro. Inoltre, quando il monitoraggio dello schermo non viene eseguito, non è possibile rilevare comportamenti rischiosi. Pertanto, è necessario sviluppare nuovi metodi per garantire un ambiente sicuro nelle cliniche psichiatriche. In questo senso, il metodo di apprendimento automatico, sempre più utilizzato nell’intelligenza artificiale e nell’analisi dei dati, è un sottoramo specializzato degli algoritmi di intelligenza artificiale che cerca di ricavare risultati/previsioni significativi dai dati esistenti. Il metodo dell’apprendimento automatico è spesso utilizzato nel campo della salute e la psichiatria è uno di questi campi. Lo scopo principale di questo studio è rilevare comportamenti rischiosi e ad alto rischio dei pazienti trattati in una clinica psichiatrica utilizzando il metodo di apprendimento automatico e garantire che i pazienti ricevano cure in un ambiente più sicuro.

Tipo di studio

Osservativo

Iscrizione (Stimato)

1

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Luoghi di studio

      • Istanbul, Tacchino, 34000
        • Detecting Risky Behaviors and Providing a Safe Environment in Patients Receiving Inpatient Treatment in a Psychiatric Clinic Using Machine Learning Model

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

  • Bambino
  • Adulto
  • Adulto più anziano

Accetta volontari sani

N/A

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

La popolazione dello studio era composta da attori di teatro e di teatro che hanno mostrato in modo casuale comportamenti suicidi e violenti, utilizzando una stanza vuota in una clinica psichiatrica per addestrare e testare il modello di apprendimento automatico. Il numero di attori è di 4-5 persone

Descrizione

Criterio di inclusione:

  • È adatto a tutti i pazienti adulti sottoposti a trattamento ospedaliero in cliniche psichiatriche. È progettato per la stanza in cui dormono i pazienti.

Criteri di esclusione:

  • Le persone di età inferiore ai 18 anni saranno escluse dallo studio

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

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Risultati mirati
Lasso di tempo: 01.05.2024-01.08.2024
Rilevamento di suicidi e comportamenti violenti utilizzando il metodo di apprendimento automatico
01.05.2024-01.08.2024

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 (Stimato)

20 giugno 2024

Completamento primario (Stimato)

1 settembre 2024

Completamento dello studio (Stimato)

20 settembre 2024

Date di iscrizione allo studio

Primo inviato

20 aprile 2024

Primo inviato che soddisfa i criteri di controllo qualità

14 maggio 2024

Primo Inserito (Effettivo)

20 maggio 2024

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

11 giugno 2024

Ultimo aggiornamento inviato che soddisfa i criteri QC

9 giugno 2024

Ultimo verificato

1 giugno 2024

Maggiori informazioni

Termini relativi a questo studio

Altri numeri di identificazione dello studio

  • İstanbulMedeniyet

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