- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT04757194
디스패치 시 저중증 환자의 머신 러닝 지원 차별화 (MADLAD)
디스패치 시 저중증 환자의 머신 러닝 지원 차별화: 무작위 통제 시험
배경:
EMD(Emergency Medical Dispatch) 센터에서는 사용 가능한 구급차보다 구급차를 필요로 하는 호출자가 더 많은 RCS(Resource Constrained Situations)가 일반적입니다. Uppsala 및 Västmanland에 있는 EMD 센터에서 이러한 상황을 경험하는 환자는 일반적으로 낮은 우선 순위 응답을 할당받으며 종종 고령자이며 비특이적 증상이 있습니다. 기계 학습 기술은 이러한 환자들 사이의 위험을 평가하는 유망하지만 대부분 검증되지 않은 접근 방식을 제공합니다.
목표:
머신 러닝 기반 위험 점수 제공이 RCS 악화 위험이 높은 환자를 식별하는 디스패처의 능력을 향상시키는지 여부를 확인합니다.
설계:
다중 센터, 병렬 그룹, 무작위, 분석가 맹검 시험.
인구:
웁살라(Uppsala) 또는 베스트만란드(Västmanland)의 파견 간호사가 우선 순위가 낮은 구급차 대응이 필요하고 RCS를 경험하는 것으로 평가된 국가 응급 라인(112)에 연락하는 성인 환자.
결과:
주요한:
1. 가장 높은 국가 조기경보점수(NEWS) 점수를 받은 환자에게 가장 먼저 가용한 구급차가 파견된 RCS의 비율
중고등 학년:
- RCS 동안 구급차 개입, 응급 이송, 병원 입원, 집중 치료 및 사망으로 구성된 복합 위험 점수의 차이는 즉각적인 vs.
- RCS 동안 즉각적인 대 지연 구급차 응답을 받는 환자 간의 NEWS 차이.
간섭:
기계 학습 모델은 RCS에 관련된 각 환자와 관련된 위험을 추정하고 사용 가능한 구급차를 받을 환자를 제안합니다. 개입 부문에서만 평가가 파견 시스템에 통합된 사용자 인터페이스에 표시됩니다.
평가판 크기:
1,500개의 RCS는 각각 여러 환자로 구성되며 통제군과 중재군에 1:1로 무작위 배정됩니다.
연구 개요
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Hans Blomberg, MD, PhD
- 이메일: hans.blomberg@akademiska.se
연구 연락처 백업
- 이름: Douglas Spangler, MSc
- 이메일: douglas.spangler@akademiska.se
연구 장소
-
-
-
Uppsala, 스웨덴
- 모병
- Uppsala University Hospital
-
연락하다:
- Hans Blomberg
- 이메일: hans.blomberg@akademiska.se
-
-
Västmanland
-
Västerås, Västmanland, 스웨덴
- 아직 모집하지 않음
- Västmanland hospital Västerås
-
연락하다:
- Lennart Edmark
- 이메일: lennart.edmark@regionvastmanland.se
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 구급차 책임자(즉, 구급차 응답을 기다리는 2명 이상의 환자)에 의한 자원 제약 상황 식별
- 파견 간호사 콜 테이커에 의해 우선순위 2A 또는 2B(낮은 우선순위 구급차 대응) 지정
- 파견 시 수집된 유효한 스웨덴 개인 식별 번호
- 나이 >= 18세
제외 기준:
- 30분 이상 걸려온 관련 전화
- 병참 요인(예: 환자의 지리적 위치)은 구급차 배치 결정에 영향을 미칩니다.
- 현장 위험 요인(예: 환자가 야외에 있어 저체온증 위험이 있음) 또는 위험 완화 요인(예: 이미 환자와 함께 현장에 있는 의료진) 구급차 배치 결정에 영향을 미침
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 건강 서비스 연구
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
---|---|
실험적: 간섭
기계 학습 알고리즘에 의한 위험 평가 점수 계산 및 파견 간호사에게 위험 평가 정보 표시
직원은 제안된 순위를 따르도록 권장하지만 의무 사항은 아닙니다.
|
Alitis Clinical Decision Support 시스템, 환자 인구 통계 및 자유 텍스트 메모에서 수집된 구조화된 데이터에 적용된 기계 학습 알고리즘(그라디언트 부스팅).
|
간섭 없음: 제어
진료 기준에 따른 구급차 파견
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
가장 높은 국가 조기 경보 점수(NEWS)를 가진 환자에게 첫 번째 가용 구급차가 파견된 RCS의 비율.
기간: 구급차 출동 시 (출동 후 8시간 이내)
|
NEWS는 이 연구에서 조사된 기계 학습 모델을 훈련하는 데 사용된 결과에 인과적으로 의존하지 않는 객관적인 환자 활력 징후를 기반으로 널리 사용되고 잘 검증된 채점 알고리즘입니다.
NEWS 값은 구급차 간호사가 환자와 접촉할 때 얻은 첫 번째 활력 징후 세트를 기반으로 합니다.
NEWS는 0-21 척도로 측정되며 값이 높을수록 악화 위험이 높은 환자에 해당합니다.
|
구급차 출동 시 (출동 후 8시간 이내)
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
즉각적인 반응과 지연된 반응을 보이는 환자 간의 복합 결과 측정 점수의 차이.
기간: 최대 30일
|
이 측정은 기계 학습 모델을 교육하는 데 사용되는 결과로 구성된 복합 점수를 조사합니다. 종합 점수는 다음 환자 결과를 식별하고 해당 가중치를 할당하여 생성됩니다. 구급차 대원의 비정상적인 초기 Arway/호흡/순환 소견 (4) 병원으로 응급(경광등 및 사이렌) 이송 (2) 병원 전 개입 제공 (1) 입원 환자 치료 또는 30일 이내 사망 (1) 결과적으로 0-8점의 점수가 나오며 점수가 높을수록 더 많은 것을 나타냅니다. |
최대 30일
|
즉각적인 반응과 지연된 반응을 보이는 환자 사이의 국가 조기 경고 점수(NEWS)의 차이.
기간: 구급차 출동 시 (출동 후 8시간 이내)
|
기본 결과당
|
구급차 출동 시 (출동 후 8시간 이내)
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Hans Blomberg, MD, PhD, Uppsala University Hospital
간행물 및 유용한 링크
일반 간행물
- 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.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
IPD 공유 기간
IPD 공유 액세스 기준
IPD 공유 지원 정보 유형
- 연구_프로토콜
- ANALYTIC_CODE
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
openTriage - Alitis 알고리즘에 대한 임상 시험
-
Medtronic Bakken Research CenterMedtronic종료됨
-
New York State Psychiatric InstituteNational Institute of Mental Health (NIMH)완전한