- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT07302906
Studio Randomizzato di un Assistente di Trascrizione IA Ambientale (Voa Health) che Converte l'Audio delle Visite Ambulatoriali in Bozze di Note, Confrontando Visite Con vs. Senza IA in Più Cliniche per Valutare il Benessere del Medico, il Carico di Documentazione e l'Esperienza del Paziente. (SOAR)
Lo Studio SOAR (Ottimizzazione del Scribe per le Cartelle Ambulatoriali): Scribe di Intelligenza Artificiale Ambientale con Voa Health per la Generazione di Documentazione Medica da Audio di Visite Ambulatoriali - Uno Studio Randomizzato Controllato
L'obiettivo di questo studio clinico randomizzato è valutare se un "assistente AI ambientale" (Voa Health) possa ridurre il carico documentale e migliorare il benessere dei medici e l'esperienza dei pazienti negli ambulatori. L'assistente AI ascolta l'audio della consultazione e produce una bozza della nota clinica che il medico rivede e modifica.
In questo studio, le consultazioni vengono randomizzate in 2 gruppi: documentazione abituale (senza AI) o documentazione assistita dall'assistente AI. I pazienti adulti visitati nelle cliniche partecipanti e i loro medici sono invitati a partecipare. Per entrambi i gruppi, l'audio della consultazione viene registrato e, al termine della visita, medici e pazienti compilano brevi questionari su benessere, carico di lavoro, comunicazione, empatia e soddisfazione. I questionari si basano su scale utilizzate a livello internazionale (come PFI, Mini-Z, NASA-TLX, CARE, PSQ-18 e CAT) ma adattate per mantenerli brevi e fattibili nell'assistenza routinaria.
Le domande principali riguardano se l'assistente AI riduca il tempo e lo sforzo necessari per documentare la visita, migliori il soddisfacimento professionale dei medici e riduca il burnout, e se influisca su come i pazienti percepiscono la comunicazione, l'empatia e la qualità complessiva della consultazione. Non vengono testati farmaci o dispositivi. I risultati dovrebbero orientare gli ospedali sull'uso sicuro ed efficace degli assistenti AI ambientali nella pratica clinica reale.
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Questo studio è uno studio randomizzato controllato progettato per valutare l'impatto di un assistente artificiale (AI) ambientale sul benessere dei medici, sul carico di lavoro documentale e sull'esperienza del paziente nelle cure ambulatoriali di routine.
L'intervento consiste nell'utilizzare l'assistente AI ambientale Voa Health durante gli incontri clinici. Il sistema registra l'audio della consultazione e genera in tempo reale una bozza strutturata di nota clinica, allineata a modelli specifici per specialità che riflettono il flusso di lavoro abituale di ciascuna clinica (ad esempio, modelli diversi per cardiologia generale, insufficienza cardiaca, dislipidemia, ecc.). Alla fine della visita, il medico rivede, modifica e firma la bozza nella cartella clinica elettronica (EMR), rimanendo pienamente responsabile dell'accuratezza e completezza della documentazione. Nella condizione di controllo, i medici conducono le consultazioni e documentano gli incontri utilizzando i loro metodi abituali senza supporto AI. Per scopi di studio, l'audio potrebbe comunque essere registrato nel braccio di controllo, ma nessuna nota generata da AI viene visualizzata o utilizzata dal clinico.
L'unità di randomizzazione è la singola consultazione. Per i medici partecipanti, le visite idonee vengono assegnate automaticamente a uno dei due bracci paralleli: (1) documentazione abituale senza AI e (2) documentazione assistita dall'assistente AI ambientale. La randomizzazione è progettata per preservare l'organizzazione esistente di ciascuna clinica e per evitare interferenze con la programmazione o il flusso dei pazienti. Le cure cliniche, le decisioni diagnostiche e terapeutiche e le procedure di follow-up non sono dettate dal protocollo e seguono la pratica abituale; l'unico elemento sperimentale è l'uso (o non uso) dell'assistente AI per la documentazione e la raccolta di audio e questionari.
I pazienti adulti visitati nelle cliniche ambulatoriali partecipanti e i loro medici sono invitati a partecipare. Dopo il consenso informato, l'intera consultazione viene registrata in audio. Immediatamente dopo ogni visita, sia il paziente che il medico sono invitati a compilare brevi questionari strutturati che catturano i principali esiti di interesse. Per mantenere la raccolta dati fattibile in un contesto ambulatoriale impegnativo, gli strumenti sono stati costruiti da sottoinsiemi di item derivati da scale utilizzate a livello internazionale, mantenendo comunque basso il numero di domande per consultazione.
Per i medici, gli item sono tratti dal Professional Fulfillment Index (PFI), dal questionario Mini-Z 2.0 e dal 4-item Physician Task Load / NASA-TLX. Questi item valutano il soddisfacimento professionale e il burnout (esaurimento fisico ed emotivo), la percezione di tempo sufficiente per la documentazione, il lavoro nell'EMR al di fuori del contatto diretto con il paziente, il carico documentale percepito e la domanda temporale della visita. Item specifici aggiuntivi dello studio valutano la qualità e completezza percepite della nota finale, il tempo richiesto per modificare la bozza generata da AI, la fiducia che i dettagli clinici chiave siano stati catturati, l'occorrenza di potenziali "allucinazioni" dell'AI (informazioni non effettivamente affermate durante la visita) e l'impatto percepito della documentazione sull'attenzione verso il paziente.
Per i pazienti, i questionari utilizzano item derivati dal Consultation and Relational Empathy (CARE) Measure, dal Patient Satisfaction Questionnaire Short-Form (PSQ-18) e dal Communication Assessment Tool (CAT). Questi item coprono domini come l'ascolto attivo, la comprensione delle preoccupazioni del paziente, la chiarezza delle spiegazioni, l'adeguatezza del tempo trascorso con il medico, l'empatia percepita, la soddisfazione generale con le cure e la comprensione della diagnosi e del trattamento. Nel braccio AI, un item aggiuntivo chiede specificamente se l'uso dell'AI durante la consultazione abbia aiutato, non abbia cambiato o abbia ostacolato la chiarezza della comunicazione con il medico.
Gli esiti primari sono il benessere riportato dal medico e il carico di lavoro documentale percepito quando si utilizza l'assistente AI ambientale rispetto alla documentazione abituale. Gli esiti secondari chiave includono l'esperienza e la soddisfazione riportate dal paziente, la qualità e completezza delle note valutate dal medico, il tempo richiesto per la documentazione e per la modifica delle bozze generate da AI, e la frequenza e rilevanza clinica degli errori documentali o allucinazioni legate all'AI. Tutti gli esiti sono misurati a livello della singola consultazione, immediatamente dopo ogni visita.
Lo studio è inizialmente condotto in più cliniche ambulatoriali dell'Hospital de Clínicas dell'Università Federale del Paraná (UFPR), in Brasile, in diverse specialità mediche. In ciascun servizio, i modelli strutturati di nota sono sviluppati in collaborazione con i leader clinici locali in modo che le bozze generate da AI riflettano il flusso reale di quella specialità senza alterare lo standard di cura. Studenti di medicina e specializzandi formati sul protocollo possono supportare il consenso e la somministrazione dei questionari sotto la supervisione dei medici curanti, per garantire una raccolta dati coerente e fattibile.
I dati sono memorizzati su server sicuri con controllo degli accessi, con il collegamento tra registrazioni audio, questionari e note EMR gestito tramite identificatori codificati. Un comitato di monitoraggio dei dati, indipendente dal team di sviluppo dell'assistente AI, revisiona periodicamente i dati aggregati per l'aderenza al protocollo, la qualità dei dati e qualsiasi preoccupazione di sicurezza relativa all'uso dell'AI nella documentazione (ad esempio, errori documentali sistematici che potrebbero potenzialmente influenzare le cure del paziente). Poiché l'intervento è limitato al supporto documentale e i clinici rimangono responsabili di tutte le decisioni cliniche e della finalizzazione delle note, il rischio complessivo della partecipazione è considerato minimo.
Il protocollo consente un'espansione futura ad altri servizi ambulatoriali e centri collaborativi che adottano le stesse procedure di randomizzazione, raccolta dati e definizioni degli esiti. I risultati dovrebbero fornire evidenze pragmatiche su come gli assistenti AI ambientali possano essere implementati in modo sicuro ed efficace nella pratica clinica reale, in particolare riguardo al loro impatto sul benessere dei medici, sul carico di lavoro documentale e sull'esperienza del paziente durante la consultazione.
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Contatto studio
- Nome: Gustavo Lenci Marques, MD, PhD
- Numero di telefono: +5541991491428
- Email: gustavolencimarques@gmail.com
Luoghi di studio
-
-
Paraná
-
Curitiba, Paraná, Brasile, 80060-900
- Reclutamento
- Complexo Hospital de Clínicas da UFPR (CHC-UFPR)
-
Contatto:
- Pedro Angelo Basei de Paula
- Numero di telefono: +5541996100059
- Email: pedroangelo28@gmail.com
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criteri di inclusione:
- Pazienti adulti (≥18 anni) che frequentano le cliniche ambulatoriali partecipanti presso l'Hospital de Clínicas - Federal University of Paraná durante il periodo dello studio.
- Ricevere assistenza da un medico che partecipa alla sperimentazione.
- In grado di comprendere il portoghese e fornire il consenso informato scritto per la registrazione audio della consultazione e la compilazione di brevi questionari.
- In grado di completare i questionari post-visita (con assistenza se necessario).
- Medici (specialisti o residenti) che lavorano nelle cliniche ambulatoriali partecipanti.
- Utilizzare la cartella clinica elettronica dell'ospedale nell'assistenza di routine.
- Accettare di registrare audio delle loro consultazioni e di compilare brevi questionari post-visita per ogni visita inclusa.
Criteri di esclusione:
- Pazienti di età inferiore a 18 anni.
- Consultazioni di emergenza, cure urgenti o pazienti ricoverati.
- Pazienti con significativo deterioramento cognitivo, disagio acuto o instabilità clinica che, a giudizio del medico curante, impediscono il consenso informato o la compilazione dei questionari.
- Pazienti sotto tutela legale o altrimenti incapaci di fornire il proprio consenso.
- Consultazioni in cui il paziente o il medico rifiuta la registrazione audio o la partecipazione allo studio.
- Consultazioni in cui il sistema di IA non è disponibile o non funziona correttamente (solo per le analisi di aderenza al protocollo).
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Ricerca sui servizi sanitari
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Assistente AI ambientale (Voa Health)
Consultazioni ambulatoriali in cui l'assistente AI ambientale Voa Health è attivo.
Il sistema registra l'audio della visita e genera una bozza strutturata di nota clinica basata su modelli specifici per specialità.
Il medico rivede, modifica e firma la nota nel sistema EMR.
Dopo la visita, il medico e il paziente completano brevi questionari su carico di lavoro, benessere, comunicazione, empatia e soddisfazione.
|
Uso di un assistente di intelligenza artificiale (IA) ambientale durante le consultazioni ambulatoriali.
Il sistema Voa Health registra l'audio della visita e genera una bozza strutturata di nota clinica basata su modelli specifici per specialità che seguono il flusso abituale di ogni clinica.
Dopo la consultazione, il medico rivede, modifica e firma la nota nella cartella clinica elettronica.
L'IA non prende decisioni diagnostiche o terapeutiche; assiste solo nella documentazione.
Tutti gli altri aspetti dell'assistenza clinica seguono la pratica di routine.
|
|
Comparatore attivo: Documentazione abituale senza assistente AI
Consultazioni ambulatoriali in cui la documentazione viene eseguita utilizzando i metodi abituali senza supporto di IA (pratica clinica standard).
L'audio della visita può essere registrato per scopi di studio, ma nessuna nota generata da IA viene mostrata al clinico.
Dopo la visita, il medico e il paziente completano gli stessi brevi questionari su carico di lavoro, benessere, comunicazione, empatia e soddisfazione.
|
Documentazione clinica eseguita utilizzando i metodi abituali senza supporto di IA (cura standard).
I medici documentano l'incontro nella cartella clinica elettronica come fanno normalmente (digitando, dettando o prendendo appunti a mano, a seconda dei casi).
L'audio della visita può essere registrato per scopi di studio, ma nessuna bozza di nota generata da IA viene mostrata al clinico.
Dopo la consultazione, medici e pazienti completano gli stessi brevi questionari su carico di lavoro, benessere, comunicazione, empatia e soddisfazione.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Carico di lavoro di documentazione del medico durante la visita
Lasso di tempo: Immediatamente dopo ogni consulto ambulatoriale (lo stesso giorno)
|
Carico di documentazione segnalato dal medico, misurato immediatamente dopo ogni consultazione utilizzando brevi item di tipo Likert a 5 punti adattati da strumenti utilizzati a livello internazionale (NASA-TLX, Mini-Z) e item specifici dello studio.
Gli item valutano: (1) il carico amministrativo della consultazione, (2) il tempo disponibile per concentrarsi sul paziente, (3) la domanda mentale della consultazione (adattato da NASA-TLX), (4) l'interferenza del processo di documentazione con l'interazione con il paziente e (5) l'interruzione del flusso di lavoro a causa delle modifiche alla documentazione.
I punteggi dei singoli item e un punteggio composito del carico (media degli item; valori più alti = carico maggiore) saranno confrontati tra le consultazioni con lo scriba AI ambientale e le consultazioni con la documentazione abituale senza AI.
|
Immediatamente dopo ogni consulto ambulatoriale (lo stesso giorno)
|
|
Benessere del medico / esaurimento durante la visita
Lasso di tempo: Immediatamente dopo ogni consulto ambulatoriale (stesso giorno)
|
Esaurimento fisico del medico immediatamente dopo la consultazione, valutato con un singolo item derivato dal Professional Fulfillment Index (PFI): "Mi sento fisicamente esausto dopo questa consultazione", valutato su una scala di accordo a 5 punti (fortemente in disaccordo a fortemente d'accordo; valori più alti = maggiore esaurimento).
I punteggi verranno confrontati tra le consultazioni con l'assistente AI ambientale e le consultazioni con la documentazione abituale senza AI.
|
Immediatamente dopo ogni consulto ambulatoriale (stesso giorno)
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Esperienza del paziente riguardo alla comunicazione e all'empatia
Lasso di tempo: Immediatamente dopo ogni visita ambulatoriale (lo stesso giorno)
|
Esperienza riportata dal paziente della consultazione, inclusa l'ascolto attivo, la comprensione delle preoccupazioni, la chiarezza delle spiegazioni, l'empatia percepita, il tempo trascorso con il medico e la soddisfazione complessiva.
Gli elementi sono derivati dal CARE Measure, PSQ-18 e Communication Assessment Tool (CAT), valutati su scale Likert a 5 punti.
Un punteggio composito (media dei punteggi degli elementi; valori più alti = esperienza migliore) sarà confrontato tra consultazioni con lo scribe AI ambientale e consultazioni con la documentazione abituale senza AI.
|
Immediatamente dopo ogni visita ambulatoriale (lo stesso giorno)
|
|
Comprensione del paziente della diagnosi e del trattamento
Lasso di tempo: Immediatamente dopo ogni consultazione ambulatoriale (stesso giorno)
|
Item singolo che chiede ai pazienti quanto hanno compreso della loro diagnosi e trattamento dopo la consultazione, valutato su una scala a 5 punti da 1 (niente) a 5 (completamente).
I punteggi verranno confrontati tra le consultazioni con l'assistente AI ambientale e le consultazioni con la documentazione abituale senza AI.
|
Immediatamente dopo ogni consultazione ambulatoriale (stesso giorno)
|
|
Qualità e completezza delle note cliniche valutate dal medico
Lasso di tempo: Immediatamente dopo aver finalizzato la documentazione per ogni consultazione (lo stesso giorno)
|
Valutazione globale del medico della nota clinica finale per la consultazione (chiarezza, organizzazione e completezza), utilizzando una scala a 5 punti adattata dal Mini-Z (scarso, marginale, soddisfacente, buono, eccellente).
I punteggi verranno confrontati tra le consultazioni con l'assistente di scrittura AI ambientale e le consultazioni con la documentazione abituale senza AI.
|
Immediatamente dopo aver finalizzato la documentazione per ogni consultazione (lo stesso giorno)
|
|
Tempo richiesto per la documentazione al di fuori del contatto diretto con il paziente
Lasso di tempo: Immediatamente dopo ogni visita ambulatoriale (stesso giorno)
|
Tempo auto-riferito dal medico trascorso lavorando sulla cartella clinica elettronica al di fuori del contatto diretto con il paziente per quella consultazione (ad esempio, dopo che il paziente ha lasciato la stanza), inclusa la revisione e la modifica degli appunti generati dall'IA quando applicabile.
Il tempo è valutato in categorie ordinate (quasi nessuno; modifiche minori; modifiche moderate; modifiche estese).
Le distribuzioni delle categorie saranno confrontate tra le condizioni di documentazione con scriba AI ambientale e quelle abituali.
|
Immediatamente dopo ogni visita ambulatoriale (stesso giorno)
|
|
Proporzione di consultazioni con allucinazioni correlate all'IA nella documentazione
Lasso di tempo: Immediatamente dopo ogni consultazione assistita dall'IA (stesso giorno)
|
Tra le consultazioni nel braccio dello scriba AI ambientale, i medici indicano se l'AI ha inserito nel draft della nota qualsiasi informazione che non è stata effettivamente menzionata durante la consultazione.
L'esito è la proporzione di consultazioni assistite dall'AI con almeno un'allucinazione riportata.
|
Immediatamente dopo ogni consultazione assistita dall'IA (stesso giorno)
|
|
Proporzione di note cliniche con errori di documentazione nella revisione esterna in cieco
Lasso di tempo: Entro 30 giorni dalla finalizzazione di ogni nota clinica
|
Le note cliniche anonimizzate di entrambi i bracci dello studio (assistente AI e documentazione abituale) verranno mescolate casualmente e revisionate in modo indipendente da almeno due clinici, i quali non sono a conoscenza dell'assegnazione ai gruppi.
I revisori classificheranno se ciascuna nota contiene errori di documentazione clinicamente rilevanti, incluse informazioni fabbricate o errate ("allucinazioni") che non corrispondono al contenuto plausibile di una visita ambulatoriale standard.
La variabile primaria è la proporzione di note con almeno un errore di questo tipo in ciascun braccio; le proporzioni verranno confrontate tra le condizioni di assistente AI e documentazione abituale.
|
Entro 30 giorni dalla finalizzazione di ogni nota clinica
|
Collaboratori e investigatori
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Gustavo Lenci Marques, MD, PhD, Universidade Federal do Paraná
- Direttore dello studio: Pedro Angelo Basei de Paula, Medical Student, Universidade Federal do Paraná
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
- Majid Afshar, M.D., M.S., Mary Ryan Baumann, Ph.D., Felice Resnik, Ph.D., Josie Hintzke, M.S., and Others. A Pragmatic Randomized Controlled Trial of Ambient Artificial Intelligence to Improve Health Practitioner Well-Being. NEJM AI. November 26, 2025;2(12)
- 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>
- Paul J. Lukac, M.D., M.B.A., M.S., and Others. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. November 26, 2025;2(12)
- 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)
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
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
- SOAR-UFPR-VOA-001
- 81736024.4.0000.0096 (Altro numero di sovvenzione/finanziamento: Research Ethics Committee for Human Subjects - Health Sciences Sector, Federal University of Paraná (UFPR))
- 51.562.244/0001-07 (Altro numero di sovvenzione/finanziamento: Voa Health)
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
- CODICE_ANALITICO
- RSI
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 .
Prove cliniche su Assistenza ambulatoriale
-
National Taiwan University HospitalNon ancora reclutamento
-
VA Office of Research and DevelopmentNon ancora reclutamentoCare di basso valoreStati Uniti
-
Research Unit Of General Practice, CopenhagenUniversity of Copenhagen; Region Capital Denmark; The Copenhagen General Practice... e altri collaboratoriCompletato
-
University Health Network, TorontoNon ancora reclutamento
-
National Taiwan University HospitalCompletatoEcografia Point-of-careTaiwan
-
Asociacion Española Primera en SaludIntensive Care Unit Pasteur HospitalCompletatoEcografia Point of CareUruguay
-
Aga Khan UniversityThe Hospital for Sick Children; Grand Challenges CanadaSconosciuto
-
University of ArizonaNon ancora reclutamentoGruppo 1: Carrier Care (CC) seguito da Skin-to-Skin Care (SSC) seguito dalla scelta della famiglia | Gruppo 2: cura della pelle a pelle (SSC) seguito da Carrier Care (CC) seguito dalla scelta della famiglia
-
Indiana UniversityReclutamentoEcografia Point of Care (POCUS)Stati Uniti
-
Medical University of WarsawReclutamentoEcografia Point of Care (POCUS) | Hemodynamic Assessment | Bedside UltrasonographyPolonia