G&O 緊急事態のための人工知能 (IA) 高度なトリアージ ツール (TIAGO)
人工知能アルゴリズムに基づく婦人科および産科の緊急事態のための高度なトリアージ ツールの評価
トリアージは、救急部門 (ED) に来た患者を分類し、リスクの高い患者を特定して優先順位を付け、利用可能な限られたリソースを効率的に割り当てることができる最初の機会です。 したがって、救急部でのトリアージの目的は、患者に優先順位を付けて、緊急の患者 (受診を待ちきれない患者) を検出することです。 緊急性は、その出現から効果的な治療法が確立されるまでの経過時間に応じて、患者の健康または生命に悪化または危険をもたらす可能性のある臨床状況として定義され、重大な介入が必要な医療エピソードを決定します。短期間。 現在、5 つのレベルに体系的に構成された 6 つのトリアージ システムまたはモデルがあります。
概念は単純ですが、トリアージの実践は、時間的なプレッシャー、利用可能な情報の制限、患者のさまざまな病状、およびトリアージを実行する専門家の直感に大きく依存するため、困難です。 それはそれに大きな変動性をもたらします。 一方、全国の成人の ED 訪問のほぼ半分は、5 レベルの構造化されたトリアージ システムでレベル 3 に分類されます。これにより、レベル 3 は、トリアージが正確に区別できない多様な病状を持つ患者の異種グループになります。そして、この能力の欠如は、最も深刻な病気の患者 (「アンダートリアージ」) に安全上のリスクをもたらし、視力の低い患者が過大評価されている場合、リソース割り当ての精度と効率に影響を与える可能性があります。 したがって、精度を向上させ、個人間のばらつきを減らすことを可能にする新しいトリアージ手順を開発する必要があるようです.
TIAGO は、現在のトリアージ システムおよび「ゴールド スタンダード」（医師の診断）に関して、Mediktor ® トリアージの有効性とその有効性を判断するための、前向き、単一施設、観察、比較研究です。
調査の概要
詳細な説明
Mediktor ® トリアージの有効性と、「モデル アンドラ オブ トリアージ」(MAT) システムおよび「ゴールド スタンダード」(医師の診断) に関するその有効性を判断するための前向き介入比較研究。
インフォームドコンセントを得る。 研究への参加は、研究期間中に病院デラサンタクルーイサンパウの婦人科および産科の救急部門に出席し、包含基準を満たすすべての患者に提供されます。 研究に関する情報シートも各患者に提供されます。
順次トリアージ 患者の同意が得られたら、患者は同じトリアージスペースで順次評価されます。 最初に、婦人科および産科サービスの看護師が、通常の慣行に従って MAT システムを使用してトリアージ ボックスで患者を分類します。 次に、センターの別の専門家が、Mediktor Hospital ® ツールの使用方法の訓練を受け、従来の分類に参加したことがなく、同じスペースで高度なトリアージを実行します。両方の専門家は、それぞれの結果を知らされていません。道具。 MAT を使用して実行された最初のトリアージが調査員に緊急レベル 1 を与えた場合、Mediktor ツールを使用したトリアージは実行されません。この場合、患者の即時のケアが優先されるためです。
救急サービスにおける注意 一連のトリアージが完了すると、患者は婦人科および産科の緊急治療室に戻ります。 患者のケアは、MAT システムで実行されるトリアージ評価に続いて、通常の臨床診療に従って実行されます。
データ回復とデータ回復フォーム (DRF) への入力 研究変数のすべてのデータは、婦人科および産科緊急事態の分野で発行された緊急報告書から取得され、さらなる分析と処理のために電子 DRF に入力されます。
効果の評価
主な評価変数 MAT によって割り当てられたトリアージのレベル、Mediktor 病院によって割り当てられたトリアージのレベル
二次評価変数
- 所属変数 (管理者): 生年月日、性別、居住地、資金調達、緊急治療室または管理記録への到着日時、緊急治療室への到着の形態 (自分の足、救急車など…)、その理由緊急性（一般的な病気、交通事故、学校…）。
- トリアージ変数：トリアージの日時、トリアージ期間、診察のコード化された臨床的理由、72 時間以内の再入院、再入院の理由、トリアージ レベル、再評価の回数、各再評価のトリアージ レベル。
- ケア変数: 緊急治療室訪問の日時、追加検査の要求、追加検査の種類、要求された分析パラメーター (該当する場合)、国際疾病分類 (ICD) による診断 (一次および二次)、実施された最も重要な処置、患者の入院 > 24 時間)、入院の日時、緊急手術、緊急治療室 (LOS) での滞在時間。退院または入院。 入院患者数と退院患者数。 退院後72時間以内の救急受診・再診の回数。
- 退院の変数: 退院の状況または緊急退院の理由 (自宅退院、入院、別のセンターへの移送、自発的退院、逃亡、退出…)、移送センターの識別、退院の日時、管理上の理由退院、出発輸送、成功の原因、緊急事態に費やされた時間、登録の取り消し
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
-
-
-
Barcelona、スペイン
- Hospital De La Santa Creu I Sant Pau
-
-
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:
- 18歳以上であること
- 研究手順を理解し、受け入れる
- インフォームド コンセントに署名します。
除外基準:
- 研究の性質および/または従うべき手順を理解できない
- インフォームドコンセントに署名しない
- 18歳未満であること
- 現在のトリアージシステムによる緊急レベル 1
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：診断
- 割り当て：なし
- 介入モデル：単一グループの割り当て
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
他の：介入
研究への参加は、婦人科および産科サービスの救急部門に来るすべての患者に提案されます このグループの計画された手順は次のとおりです。
|
従来のトリアージの後、2 人目の独立した医師が Mediktor Hospital ツールを使用してスーツを作成します。 Mediktor は 3 分以内に、平均 14 の質問で、救急医が行うのと非常によく似た尋問を行います。 プロフェッショナルバージョンでは、医療専門家が既往歴のある側面をさらに深く掘り下げる必要があると判断した場合、評価の途中で質問のコースを変更できます。 このシステムにより、Mediktor が評価中に可能性があると判断した疾患をリアルタイムで確認できます。 トリアージ プロセスの最後に、Mediktor は緊急度のレベルと、回答された徴候と症状に基づいて考えられる診断のリストを提供します。 専門家は、患者にとって有益であると考える場合、緊急度を変更できます。 2 つのトリアージ (従来型と Mediktor) が実施されると、患者はセンターのケアプロトコルに従って診察されます。 |
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 |
|---|---|---|
|
緊急トリアージ分類間で同等の患者数
時間枠：3日
|
Advanced IA Triage Tool (Mediktor Hospital) と現在のトリアージ システムとの緊急グレーディングの対応。
|
3日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
高度なトリアージ ツールと緊急退院レポートで同じ診断を受けた患者の数 (ゴールド スタンダード)
時間枠：3日
|
高度なトリアージ ツールによって提供される事前診断と、緊急退院レポートで医師によって提供される診断との相関関係を評価します。
|
3日
|
|
高度なトリアージ ツールによって要求された補完的な検査とゴールド スタンダードとの間に良好な相関関係がある患者の数
時間枠：3日
|
センターのケア プロトコルに従って、高度なトリアージ ツールによって提案された補完的なテストと、緊急治療室の訪問中に医師によって要求されたテストとの相関関係を評価します。
|
3日
|
協力者と研究者
捜査官
- 主任研究者：Josep Estadella Tarriel、Fundació Institut de Recerca de l'Hospital de la Santa Creu i Sant Pau
出版物と役立つリンク
一般刊行物
- Elias P, Damle A, Casale M, Branson K, Churi C, Komatireddy R, Feramisco J. A Web-Based Tool for Patient Triage in Emergency Department Settings: Validation Using the Emergency Severity Index. JMIR Med Inform. 2015 Jun 10;3(2):e23. doi: 10.2196/medinform.3508. Erratum In: JMIR Med Inform. 2015 Jun 15;3(3):e24.
- Mueller B, Kinoshita T, Peebles A, Graber MA, Lee S. Artificial intelligence and machine learning in emergency medicine: a narrative review. Acute Med Surg. 2022 Mar 1;9(1):e740. doi: 10.1002/ams2.740. eCollection 2022 Jan-Dec.
- Berlyand Y, Raja AS, Dorner SC, Prabhakar AM, Sonis JD, Gottumukkala RV, Succi MD, Yun BJ. How artificial intelligence could transform emergency department operations. Am J Emerg Med. 2018 Aug;36(8):1515-1517. doi: 10.1016/j.ajem.2018.01.017. Epub 2018 Jan 4. No abstract available.
- Raita Y, Goto T, Faridi MK, Brown DFM, Camargo CA Jr, Hasegawa K. Emergency department triage prediction of clinical outcomes using machine learning models. Crit Care. 2019 Feb 22;23(1):64. doi: 10.1186/s13054-019-2351-7.
- Levin S, Toerper M, Hamrock E, Hinson JS, Barnes S, Gardner H, Dugas A, Linton B, Kirsch T, Kelen G. Machine-Learning-Based Electronic Triage More Accurately Differentiates Patients With Respect to Clinical Outcomes Compared With the Emergency Severity Index. Ann Emerg Med. 2018 May;71(5):565-574.e2. doi: 10.1016/j.annemergmed.2017.08.005. Epub 2017 Sep 6.
- Moreno Barriga E, Pueyo Ferrer I, Sanchez Sanchez M, Martin Baranera M, Masip Utset J. [A new artificial intelligence tool for assessing symptoms in patients seeking emergency department care: the Mediktor application]. Emergencias. 2017 Dic;29(6):391-396. Spanish.
- Kuriyama A, Urushidani S, Nakayama T. Five-level emergency triage systems: variation in assessment of validity. Emerg Med J. 2017 Nov;34(11):703-710. doi: 10.1136/emermed-2016-206295. Epub 2017 Jul 27.
- Julian-Jimenez A, Palomo de los Reyes MJ, Lain Teres N. [Coment on the original article: modelo predictor de ingreso hospitalario a la llegada al servicio de Urgencias]. An Sist Sanit Navar. 2012 Sep-Dec;35(3):493-6; author reply 497-9. doi: 10.23938/ASSN.0113. No abstract available. Spanish.
- Storm-Versloot MN, Ubbink DT, Kappelhof J, Luitse JS. Comparison of an informally structured triage system, the emergency severity index, and the manchester triage system to distinguish patient priority in the emergency department. Acad Emerg Med. 2011 Aug;18(8):822-9. doi: 10.1111/j.1553-2712.2011.01122.x.
- Moll HA. Challenges in the validation of triage systems at emergency departments. J Clin Epidemiol. 2010 Apr;63(4):384-8. doi: 10.1016/j.jclinepi.2009.07.009. Epub 2009 Oct 28.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
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
- SAP
- ICF
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。