- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT07438743
Uno Studio Controllato Randomizzato sulla Sintesi delle Cartelle Cliniche Ambulatoriali con Epic AI
Strumento di Sintesi Grafica con Intelligenza Artificiale Generativa Epic per Ridurre il Carico Cognitivo degli Operatori Ambulatoriali: Uno Studio Randomizzato Controllato
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
L'obiettivo principale di questo studio è valutare l'impatto di uno strumento di riepilogo delle cartelle cliniche ambulatoriali generato da un'intelligenza artificiale sviluppata per l'EHR sul punteggio auto-riferito del carico di lavoro medico (PTL), confrontando lo strumento con un gruppo di controllo. I risultati esplorativi includono metriche temporali derivate dall'EHR (Caboodle e Signal), l'Indice di realizzazione professionale (PFI), usabilità (SUS), soddisfazione e produttività del fornitore, e i risultati degli elementi dell'esperienza del paziente dal CG-CAHPS. Valuteremo anche se l'alfabetizzazione all'IA modifica l'adozione e l'effetto dello strumento utilizzando la scala breve di alfabetizzazione all'IA Meta (MAILS). In modo esplorativo, eseguiremo anche aggiustamenti basati sulla specialità del fornitore, l'accesso a uno scriba IA ambientale in ascolto, la complessità del panel, la fascia d'età del fornitore, il sesso del fornitore e gli effetti variabili nel tempo per mese durante il periodo di studio.
I partecipanti arruolati vengono randomizzati in uno dei due gruppi. La randomizzazione sarà stratificata in base al fatto che il partecipante abbia una licenza attiva per lo scriba IA, e verrà eseguita una randomizzazione vincolata dalla covarianza all'interno degli strati per migliorare l'equilibrio sul PTL basale (punteggio adattato NASA-TLX) e un tempo di revisione delle cartelle basale modificato (derivato da Caboodle). A causa della natura dell'intervento, i partecipanti non possono essere messi all'oscuro dell'assegnazione del gruppo.
Lo scopo principale dell'iniziativa è migliorare la qualità, l'efficienza e le operazioni aziendali presso l'Università della California, Los Angeles (UCLA) Health e informerà l'implementazione operativa dello strumento per tutti i fornitori all'interno del sistema sanitario UCLA. Tuttavia, il team di studio dell'UCLA prevede di esaminare rigorosamente e pubblicare l'impatto di questa intervento in tutto il sistema sanitario, motivo per cui il team di studio ha pre-registrato l'iniziativa.
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Luoghi di studio
-
-
California
-
Los Angeles, California, Stati Uniti, 90095
- University of California, Los Angeles
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criteri di inclusione:
- Fornitori di cure ambulatoriali all'interno del sistema sanitario UCLA, inclusi medici e fornitori di pratica avanzata (APPs), come infermieri professionisti e assistenti medici con almeno una mezza giornata di sessioni cliniche a settimana.
- I fornitori completano il sondaggio pre-baseline
Criteri di esclusione:
• Fornitori in formazione (ad esempio, residenti, studenti di medicina) e psicologi
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Ricerca sui servizi sanitari
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
|---|---|
|
Sperimentale: Braccio di Intervento
I partecipanti di questo braccio avranno accesso allo strumento di sintesi delle cartelle ambulatoriali di Epic e continueranno la loro consueta pratica clinica, supportati dallo strumento di intelligenza artificiale generativa, che è integrato all'interno dell'EHR.
Lo strumento fornisce un riepilogo per i fornitori e non fornisce supporto alle decisioni cliniche. Hanno accesso a un modulo educativo e a un foglio di suggerimenti, e a incontri settimanali per aiutare con eventuali domande durante le prime tre settimane della sperimentazione. |
Lo strumento di riepilogo dei grafici con IA generativa di Epic riassume un sottoinsieme delle note di un paziente.
L'uso dello strumento è facoltativo e inteso esclusivamente a fornire un riepilogo per i fornitori e non fornisce supporto alle decisioni cliniche.
Il sistema seleziona automaticamente le note recenti oppure un fornitore può selezionare manualmente note specifiche di interesse.
Il numero di note riassunte è limitato dai vincoli di caratteri dell'EHR, 24.000 caratteri inglesi o 30 note.
Il sistema utilizza l'IA per generare un breve riepilogo delle informazioni rilevanti.
I riepiloghi sono destinati a essere utilizzati come strumento per aiutare i fornitori e non sono destinati a essere inseriti nelle note cliniche.
I riepiloghi creati attualmente non sono archiviati nella cartella del paziente.
|
|
Nessun intervento: Assistenza Consueta
I partecipanti in questo braccio non avranno accesso allo strumento di riepilogo delle cartelle cliniche e continueranno la loro pratica clinica abituale.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Variazione rispetto al Baseline del Carico di Lavoro del Medico
Lasso di tempo: Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
Carico di lavoro del medico adattato dal NASA Task Load Index (TLX), uno strumento validato per valutare il carico di lavoro cognitivo correlato all'EHR in quattro sotto-scala (richiesta mentale, richiesta temporale, richiesta fisica e sforzo).
Questo esito è adattato per catturare il compito di pre-charting, definito per questo studio come la pratica di rivedere le informazioni del paziente nell'EHR prima di una visita del paziente per prepararsi all'incontro.
Ogni sotto-scala è valutata da 0 (basso) a 100 (alto) ed è aggregata in una scala da 0 a 400 punti.
Non saranno raccolte informazioni a livello di paziente per questa misura di esito.
|
Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Variazione del Tempo Totale Modificato del Grafico per Incontro
Lasso di tempo: Baseline, dopo 60 giorni di esposizione all'intervento e dopo 90 giorni di esposizione all'intervento.
|
Utilizzando Caboodle, il data warehouse aziendale di Epic, impiegheremo una metrica personalizzata per misurare il tempo che il personale clinico dedica alla revisione della cartella del paziente.
Basandoci su una validazione interna in cui il personale clinico poteva accedere allo strumento di riepilogo della cartella, la metrica include le attività di Caboodle di Livello 1 corrispondenti a Revisione Clinica (tutte le attività), Documentazione limitata alle sole attività di pre-compilazione della cartella, e Altro limitato alle attività correlate a Navigator, nonché l'attività dedicata allo strumento di riepilogo della cartella.
Sono escluse tutte le attività di scrittura delle note, inserimento degli ordini e firma degli incontri.
È escluso anche il tempo successivo al checkout.
La variazione sarà valutata rispetto a una linea di base retrospettiva di 6 mesi.
Per questa misura di esito non verranno raccolte informazioni a livello di paziente.
|
Baseline, dopo 60 giorni di esposizione all'intervento e dopo 90 giorni di esposizione all'intervento.
|
|
Variazione rispetto al Punteggio Basale dell'Indice di Realizzazione Professionale
Lasso di tempo: Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
Il Professional Fulfillment Index (PFI) è uno strumento validato di 16 elementi che utilizza una scala Likert a 5 punti (0-4) per misurare la soddisfazione professionale, l'esaurimento lavorativo e il disimpegno interpersonale.
Il burnout viene riportato in base ai risultati combinati delle sottoscale di esaurimento lavorativo e disimpegno interpersonale.
Un punteggio più alto indica un livello maggiore di esaurimento.
Per questa misura di esito non verranno raccolte informazioni a livello di paziente.
|
Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
|
Variazione rispetto al basale dell'efficacia del pre-charting auto-riferita
Lasso di tempo: Baseline e 90 giorni dall'esposizione iniziale all'intervento
|
I fornitori risponderanno a domande relative all'efficacia e all'efficienza auto-riferite nella precompilazione delle cartelle cliniche.
Le domande utilizzano una scala Likert a 5 punti per misurare queste metriche, con un punteggio più alto che indica una maggiore efficienza ed efficacia auto-riferite.
|
Baseline e 90 giorni dall'esposizione iniziale all'intervento
|
|
Punteggi di Soddisfazione del Fornitore
Lasso di tempo: 90 giorni dopo l'esposizione iniziale all'intervento
|
Indagine sulla soddisfazione auto-riferita che include l'effetto riportato dal medico dello strumento di riepilogo della cartella clinica sull'efficienza e sull'efficacia della preparazione pre-visita, e altre potenziali conseguenze non intenzionali.
Non verranno raccolte informazioni a livello del paziente per questo esito.
|
90 giorni dopo l'esposizione iniziale all'intervento
|
|
Scala di Usabilità del Sistema
Lasso di tempo: 90 giorni dall'esposizione iniziale all'intervento
|
La scala di usabilità del sistema (SUS) è un questionario di dieci elementi che utilizza una scala Likert a 5 punti per misurare diversi aspetti dell'usabilità del sistema.
La scala totale varia da 0 a 100.
Un punteggio SUS più alto indica una maggiore usabilità.
|
90 giorni dall'esposizione iniziale all'intervento
|
|
Eventi di Sicurezza
Lasso di tempo: Nel periodo di 90 giorni successivi alla prima esposizione all'intervento
|
Sicurezza riportata dal clinico dei riepiloghi di cartelle cliniche generati dall'IA, inclusa la frequenza percepita di errori clinicamente significativi e l'occorrenza di eventi di sicurezza maggiori durante il periodo di intervento.
Per questo outcome non verranno raccolte informazioni a livello di paziente. |
Nel periodo di 90 giorni successivi alla prima esposizione all'intervento
|
|
Feedback Qualitativo Specifico dello Strumento EHR
Lasso di tempo: Nei 90 giorni successivi all'esposizione iniziale all'intervento
|
Feedback aggregati in tempo reale inviati dai clinici tramite l'interfaccia di riepilogo nativa dell'EHR durante il periodo di intervento, incluse le valutazioni di accuratezza, completezza e allucinazioni.
Per questo esito non verranno raccolte informazioni a livello di paziente.
|
Nei 90 giorni successivi all'esposizione iniziale all'intervento
|
|
Variazione dalla Baseline del Consumer Assessment of Healthcare Providers and Systems Clinician & Group Survey (CG-CAHPS) Metric
Lasso di tempo: Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
Il Consumer Assessment of Healthcare Providers and Systems Clinician & Group Survey (CG-CAHPS) è un sondaggio standardizzato di feedback dei pazienti che misura le esperienze con i fornitori.
Esamineremo le variazioni nei punteggi medi del CG-CAHPS rispetto a 6 mesi prima dell'intervento per la domanda "Negli ultimi 6 mesi, quanto spesso questo medico sembrava conoscere le informazioni importanti sulla tua storia medica".
|
Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
|
Cambiamento dalla Metrica Baseline Epic Signal (Attività): Tempo al di fuori delle Ore Programmata
Lasso di tempo: Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
Esamineremo la variazione rispetto a una baseline retrospettiva di 6 mesi prima dell'arruolamento nelle metriche Signal, incluso il tempo al di fuori delle ore programmate per giorno programmato.
Utilizzando questi dati determineremo come viene utilizzato il tempo di un operatore nell'EHR.
Non verranno raccolte informazioni a livello di paziente per questa misura di esito.
|
Baseline e 90 giorni dopo l'esposizione iniziale all'intervento
|
|
Unità di Valore Relativo del Clinico (RVU) per Settimana
Lasso di tempo: 60 giorni dopo l'esposizione all'intervento, e 90 giorni dopo l'esposizione all'intervento
|
Valore relativo medio (RVU) per settimana durante i mesi di intervento 2 e 3, aggiustato per il basale (periodo pre-intervento di 6 mesi)
|
60 giorni dopo l'esposizione all'intervento, e 90 giorni dopo l'esposizione all'intervento
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: John N Mafi, MD, MPH, Division of General Internal Medicine & Health Services Research, David Geffen School of Medicine at the University of California, Los Angeles
- Investigatore principale: Paul J Lukac, MD, MBA, MS, UCLA Health Information Technology, UCLA Health
Pubblicazioni e link utili
Pubblicazioni generali
- Trockel M, Bohman B, Lesure E, Hamidi MS, Welle D, Roberts L, Shanafelt T. A Brief Instrument to Assess Both Burnout and Professional Fulfillment in Physicians: Reliability and Validity, Including Correlation with Self-Reported Medical Errors, in a Sample of Resident and Practicing Physicians. Acad Psychiatry. 2018 Feb;42(1):11-24. doi: 10.1007/s40596-017-0849-3. Epub 2017 Dec 1.
- Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS-Meta AI literacy scale: Development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change-and meta-competencies. Computers in Human Behavior: Artificial Humans, 1(2), 100014.
- Koch MJ, Carolus A, Wienrich C, Latoschik ME. Meta AI literacy scale: Further validation and development of a short version. Heliyon. 2024 Oct 22;10(21):e39686. doi: 10.1016/j.heliyon.2024.e39686. eCollection 2024 Nov 15.
- Quigley DD, Elliott MN, Qureshi N, Predmore Z, Hays RD. Associations of the Consumer Assessment of Healthcare Providers and Systems (CAHPS) Clinician and Group Survey Scores with Interventions and Site, Provider, and Patient Factors: A Systematic Review of the Evidence. J Patient Exp. 2024 Oct 13;11:23743735241283204. doi: 10.1177/23743735241283204. eCollection 2024.
- Melnick ER, Harry E, Sinsky CA, Dyrbye LN, Wang H, Trockel MT, West CP, Shanafelt T. Perceived Electronic Health Record Usability as a Predictor of Task Load and Burnout Among US Physicians: Mediation Analysis. J Med Internet Res. 2020 Dec 22;22(12):e23382. doi: 10.2196/23382.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
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
Altri numeri di identificazione dello studio
- IRB-26-0066
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (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 .
Prove cliniche su GenAI Riassunto Grafici
-
Schön Klinik Berchtesgadener LandCompletatoBroncopneumopatia cronica ostruttivaGermania
-
Sun Yat-Sen Memorial Hospital of Sun Yat-Sen UniversityReclutamentoRadioterapia ridotta; Cancro alla testa e al colloCina
-
Equa HealthNational Institute of Mental Health (NIMH); Worcester Polytechnic InstituteReclutamentoDisagio psicologico | Abilità di consapevolezza | Soddisfazione dell'usabilitàStati Uniti
-
Schön Klinik Berchtesgadener LandCompletatoBroncopneumopatia cronica ostruttivaGermania
-
Indiana UniversityNon ancora reclutamento
-
University of Illinois at ChicagoCompletatoScreening del cancro al polmoneStati Uniti
-
University of California, San DiegoNon ancora reclutamentoDepressione | Salute mentale | Solitudine | Postpartum | Donne | Patologie del pavimento pelvico | Chatbot | Intelligenza Artificiale (AI) | Angoscia PeritraumaticaStati Uniti
-
Baylor College of MedicineShireAttivo, non reclutante