機械学習は、派遣時の低視力患者の識別を支援 (MADLAD)
機械学習は、派遣時の低視力患者の識別を支援しました:ランダム化比較試験
バックグラウンド:
緊急医療派遣 (EMD) センターでは、利用可能な救急車よりも多くの救急車を必要とする発信者がいるリソース制約状況 (RCS) が一般的です。 ウプサラとヴェストマンランドの EMD センターでは、これらの状況を経験している患者は通常、優先度の低い対応が割り当てられ、多くの場合高齢で、非特異的な症状があります。 機械学習技術は、これらの患者のリスクを評価するための有望ではあるがほとんどテストされていないアプローチを提供します。
目的:
機械学習ベースのリスク スコアを提供することで、ディスパッチャーが RCS 悪化のリスクが高い患者を特定する能力が向上するかどうかを立証すること。
デザイン:
多施設、並列グループ化、無作為化、アナリスト盲検試験。
人口:
ウプサラまたはヴェストマンランドの派遣看護師によって優先度の低い救急車対応が必要であると評価され、RCS を経験している、国の緊急電話番号 (112) に連絡している成人患者。
結果:
主要な:
1. 利用可能な最初の救急車が全国早期警戒スコア (NEWS) スコアが最も高い患者に派遣された RCS の割合
セカンダリ:
- RCS 中に緊急救急車対応を受けた患者と遅延救急車対応を受けた患者の間の、救急車の介入、緊急輸送、入院、集中治療、および死亡率からなる複合リスクスコアの差。
- RCS 中に救急車の即時応答を受けた患者と遅延した救急応答を受けた患者の NEWS の違い。
介入:
機械学習モデルは、RCS に関与する各患者に関連するリスクを推定し、利用可能な救急車を受け取る患者を提案します。 介入部門のみ、派遣システムに統合されたユーザーインターフェースに評価が表示されます。
試用サイズ:
対照群と介入群に 1:1 で無作為化された複数の患者からなる 1500 の RCS
調査の概要
研究の種類
入学 (実際)
段階
- 適用できない
連絡先と場所
研究場所
-
-
-
Uppsala、スウェーデン
- Uppsala University Hospital
-
-
Västmanland
-
Västerås、Västmanland、スウェーデン
- Västmanland hospital Västerås
-
-
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
説明
包含基準:
- 救急隊長によるリソースの制約状況の特定 (つまり、2 人以上の患者が救急車の対応を待っている)
- 派遣ナースコール担当者による優先度 2A または 2B (優先度の低い救急車の対応) の割り当て
- 発送時に収集された有効なスウェーデンの個人識別番号
- 年齢 >= 18 歳
除外基準:
- 関連する通話が 30 分以上間隔をあけて受信された
- ロジスティクス要因 (例: 患者の地理的位置) は、救急車の割り当ての決定に影響します。
- 現場のリスク要因 (例: 患者が屋外にいて低体温症のリスクがある) またはリスク軽減要因 (例: 医療スタッフがすでに患者の現場にいる)救急車の割り当ての決定に影響を与える
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
- 主な目的:ヘルスサービス研究
- 割り当て:ランダム化
- 介入モデル:並列代入
- マスキング:独身
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的:介入
機械学習アルゴリズムによるリスク評価スコアの算出と、派遣看護師へのリスク評価情報の表示。
スタッフは、提案されたランキングに従うことを奨励されていますが、必須ではありません。
|
Alitis Clinical Decision Support システムで収集された構造化データ、患者の人口統計、およびフリーテキスト メモに適用される機械学習アルゴリズム (勾配ブースティング)。
|
|
介入なし:コントロール
標準治療ごとの救急車の派遣
|
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 |
|---|---|---|
|
全国早期警戒スコア (NEWS) が最も高い患者に、利用可能な最初の救急車が派遣された RCS の割合。
時間枠:救急車対応時(出動後8時間以内)
|
NEWS は、客観的な患者のバイタル サインに基づいて広く使用され、十分に検証されたスコアリング アルゴリズムであり、この研究で調査した機械学習モデルのトレーニングに使用された結果に因果関係があるわけではありません。
NEWS 値は、救急車の看護師が患者と接触した際に取得した最初の一連のバイタル サインに基づいています。
NEWS は 0 ~ 21 のスケールで測定され、値が高いほど悪化のリスクが高い患者に対応します。
|
救急車対応時(出動後8時間以内)
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
即時応答患者と遅延応答患者の間の複合結果測定スコアの差。
時間枠:30日まで
|
このメジャーでは、機械学習モデルのトレーニングに使用される結果で構成される複合スコアを調査します。 複合スコアは、次の患者の転帰を特定し、対応する重みを割り当てることによって生成されます。 救急隊員による初期の異常な動揺/呼吸/循環所見 (4) 緊急 (ライトとサイレン) による病院への移送 (2) 病院前介入の提供 (1) 入院治療への入院または 30 日以内の死亡 (1) これにより、0 ~ 8 のスコアが得られ、スコアが高いほど多くのことを表します |
30日まで
|
|
即時応答患者と遅延応答患者の全国早期警戒スコア(NEWS)の差。
時間枠:救急車対応時(出動後8時間以内)
|
一次結果ごと
|
救急車対応時(出動後8時間以内)
|
協力者と研究者
捜査官
- 主任研究者:Hans Blomberg, MD, PhD、Uppsala University Hospital
出版物と役立つリンク
一般刊行物
- Spangler D, Hermansson T, Smekal D, Blomberg H. A validation of machine learning-based risk scores in the prehospital setting. PLoS One. 2019 Dec 13;14(12):e0226518. doi: 10.1371/journal.pone.0226518. eCollection 2019.
- Spangler D, Edmark L, Winblad U, Collden-Benneck J, Borg H, Blomberg H. Using trigger tools to identify triage errors by ambulance dispatch nurses in Sweden: an observational study. BMJ Open. 2020 Mar 19;10(3):e035004. doi: 10.1136/bmjopen-2019-035004.
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
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
- ANALYTIC_CODE
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。