カメラベースの AI を使用した Covid-19 トリアージ
バイタル サインは、Covid-19 などの感染症の重症度と予後を評価する上で重要です。 バイタル サインを測定するために現在使用されているデバイスは、患者と物理的に接触する必要があります。 ある患者から次の患者 (または医療従事者) に感染を移す明らかなリスクがあります。
このプロジェクトは、バイタルサインの非接触測定のための新しいカメラベースのシステムと、30 日以内の入院または死亡を予測する人工知能 (AI) を評価することを目的としています。 この特定の研究では、患者の標準的なケアを妨げることなく、新しいシステムの能力を評価します。
調査の概要
詳細な説明
背景と目的:
バイタル サインは、Covid-19、インフルエンザ、敗血症、肺炎などの感染症の重症度と予後を評価する上で重要です。 圧倒的な数の症例 (確認済みおよび疑わしい) を伴うパンデミックに直面した場合、迅速かつ正確なトリアージが重要です。 この研究の目的は、a) 5 つのバイタル サインの迅速なカメラベースの非接触測定の新しい方法を評価することです。体温、心拍数、血中酸素飽和度、呼吸数、血圧、および b) AI が 30 日以内の入院または死亡を予測できるかどうか。
方法:
新しい方法で測定された各バイタル サインを対応する標準参照方法と比較する方法比較研究デザインが使用されます。 さらに、コホート デザインを使用して、30 日以内の入院または死亡を追跡調査します。 調査された新しいシステムは、高速デジタル ビデオ カメラ、デジタル放射分析赤外線カメラ、LED ライト、およびデータ記録用のコンピューターで構成されています。 このシステムは、約 1 メートルの距離で被写体に向かい、被写体の顔を 30 秒間記録します。 まず、すべてのバイタル サインは、1 セットの参照デバイスを使用して測定されます。 次に、調査対象のデバイスは、患者の顔の 30 秒間のビデオを記録します。 第三に、最後に、すべてのバイタル サインは、同じ参照デバイスのセットを使用して測定されます。 バイタルサインの読み取り値のコピー(標準参照方法を使用)は、治験責任医師から各被験者のその後の医療を担当する臨床専門家に引き渡されます。 その後、収集された 30 秒間の記録は、特定のソフトウェア アルゴリズムを介して実行され、バイタル サインが抽出されます。 バイタルサインの新しいカメラベースの非接触測定の結果と、入院または死亡のリスクの AI 予測の結果は、患者のケア状況では提示されません。
期待される結果:
提案された研究は、新しい方法が体温、心拍数、呼吸数、血中酸素レベル、および血圧を参照方法と比較して許容可能な一致で推定できることを示し、さらに 30 日以内の入院または死亡を推定できることを示すことが期待されます。
予想される調査結果の意味:
新しい非接触方式を使用して以前よりも迅速にバイタル サインを測定できるようになれば、多数の患者のトリアージが大幅に容易になります。 また、入院や死亡リスクの増加を予測できれば、患者のトリアージがさらに改善されます。
研究の種類
入学 (実際)
連絡先と場所
研究場所
-
-
-
Gothenburg、スウェーデン
- Ostra Sjukhuset
-
-
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準:
- 患者は、感染症の症状を呈するトリアージに参加しています。
- 被験者はインフォームドコンセントを提供しました
- 18歳以上
- 流暢なスウェーデン語 (読み、書き、会話)
- 精神状態は、情報と同意書に署名することにより、研究への参加を理解し、インフォームドコンセントを与えることができるようなものです
- 研究者は、新しい方法と参照方法が十分な信頼性と安全性をもって意図したとおりに使用できると判断します
- この調査の調査時間は、約 15 ~ 20 分と見積もられています。 バイタル サインは、患者のさらなる管理を担当する医療提供者に引き渡され、約 5 ~ 10 分の時間を節約できます。 したがって、この研究によって導入された各患者の管理の遅延は約 10 分です。 到着時に重度の病状にあると見なされ、10 分の遅延が有害であると見なされる患者は含まれません。
除外基準:
- 収容からすべての調査が完了するまでの意識レベルの低下(約15~20分間)。
- 研究からの撤回を求める患者の要求。
研究計画
研究はどのように設計されていますか?
デザインの詳細
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
体温を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
体温は、従来の耳式体温計に加えて、新しいカメラベースの方法で測定されます。
どちらの測定値も、摂氏で体温を推定します。
新しい方法で推定された体温と参照方法との間の一致は、結果として統計的方法の Bland-Altman プロットと一致限界を使用して行われます。
|
測定間隔 2 分
|
|
心拍数を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
心拍数は、新しいカメラベースの方法と、従来の脈拍数測定装置を使用して測定されます。
どちらの測定値も、心拍数を 1 分あたりの拍数で推定します。
新しい方法で推定された体温と参照方法との間の一致は、結果として統計的方法の Bland-Altman プロットと一致限界を使用して行われます。
|
測定間隔 2 分
|
|
血中酸素飽和度を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
血中酸素飽和度は、血中酸素飽和度を測定するための従来の装置と同様に、新しいカメラベースの方法で測定されます。
どちらの測定値も、血中酸素飽和度をパーセント (0 ~ 100% の範囲) で推定します。
新しい方法で推定された血中酸素飽和度と参照方法との間の一致は、結果として統計的方法の Bland-Altman プロットと一致限界を使用して行われます。
|
測定間隔 2 分
|
|
収縮期血圧を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
収縮期血圧は、収縮期血圧を測定するための従来の装置と同様に、新しいカメラベースの方法で測定されます。
どちらの測定値も収縮期血圧を mm Hg で推定します。
新しい方法で推定された収縮期血圧と参照方法との間の一致は、統計的方法のブランド-アルトマン プロットと結果としての一致限界を使用して行われます。
|
測定間隔 2 分
|
|
拡張期血圧を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
拡張期血圧は、拡張期血圧を測定するための従来の装置と同様に、新しいカメラベースの方法で測定されます。
どちらの測定値も拡張期血圧を mm Hg で推定します。
新しい方法で推定された拡張期血圧と参照方法との間の一致は、統計的方法のブランド-アルトマン プロットと結果としての一致限界を使用して行われます。
|
測定間隔 2 分
|
|
呼吸数を推定するための新しいカメラベースの方法と参照基準との一致
時間枠:測定間隔 2 分
|
呼吸数は、新しいカメラベースの方法と、聴診器を使用した手動で測定されます。
どちらの測定値も、1 分あたりの呼吸数を推定します。
新しい方法で推定された呼吸数と参照方法との間の一致は、結果として統計的方法の Bland-Altman プロットと一致限界を使用して行われます。
|
測定間隔 2 分
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
参照標準法を用いて推定したバイタルサインによる入院予測
時間枠:-包含後30日までの理由を問わない入院
|
人工知能 (AI) アルゴリズムは、患者のバイタル サイン観察の 75% をトレーニングに使用し、残りの 25% を使用して AI の予測機能をテストし、30 日以内の入院を予測します。
各患者について、AI は 30 日以内に入院する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
-包含後30日までの理由を問わない入院
|
|
参照標準法を用いて推定されたバイタルサインによる死亡予測
時間枠:包含後30日までのあらゆる原因による死亡
|
人工知能 (AI) アルゴリズムは、患者のバイタル サイン観察の 75% をトレーニングに使用し、残りの 25% を使用して AI の予測能力をテストし、30 日以内の死亡を予測します。
各患者について、AI は 30 日以内に死亡する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
包含後30日までのあらゆる原因による死亡
|
|
新しいカメラベースの方法を使用して推定されたバイタルサインによる入院の予測
時間枠:-包含後30日までの理由を問わない入院
|
人工知能 (AI) アルゴリズムは、患者のバイタル サイン観察の 75% をトレーニングに使用し、残りの 25% を使用して AI の予測機能をテストし、30 日以内の入院を予測します。
各患者について、AI は 30 日以内に入院する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
-包含後30日までの理由を問わない入院
|
|
新しいカメラベースの方法を使用して推定されたバイタルサインを使用した死亡の予測
時間枠:包含後30日までのあらゆる原因による死亡
|
人工知能 (AI) アルゴリズムは、患者のバイタル サイン観察の 75% をトレーニングに使用し、残りの 25% を使用して AI の予測能力をテストし、30 日以内の死亡を予測します。
各患者について、AI は 30 日以内に入院する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
包含後30日までのあらゆる原因による死亡
|
|
生のカメラデータを使用した入院の予測
時間枠:-包含後30日までの理由を問わない入院
|
人工知能 (AI) アルゴリズムは、生カメラ データの患者観察の 75% をトレーニングに使用し、残りの 25% の患者からの生データを使用して AI の予測機能をテストし、30 日以内の入院を予測します。
各患者について、AI は 30 日以内に入院する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
-包含後30日までの理由を問わない入院
|
|
生のカメラデータを使用した死亡予測
時間枠:包含後30日までのあらゆる原因による死亡
|
人工知能 (AI) アルゴリズムは、生カメラ データの患者観察の 75% をトレーニングに使用し、残りの 25% の患者からの生データを使用して AI の予測機能をテストし、30 日以内の死亡を予測します。
各患者について、AI は 30 日以内に死亡する確率 (0 ~ 100%) を生成します。
これらの確率は、95% 信頼区間の曲線下面積 (AUC) が報告される結果の尺度となる受信者動作 (ROC) 分析を受けます。
|
包含後30日までのあらゆる原因による死亡
|
協力者と研究者
スポンサー
協力者
捜査官
- 主任研究者:Ronny K Gunnarsson, MD PhD、Primary Health care, Regionhalsan, Region Vastra Gotaland, Sweden
出版物と役立つリンク
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- U1111-1251-4114
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
IPD 共有時間枠
IPD 共有アクセス基準
IPD 共有サポート情報タイプ
- STUDY_PROTOCOL
- SAP
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。