- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05221697
ML 전자 경보 관리 시스템이 응급실 방문 및 입원 횟수를 줄이는 효과
간병인의 관찰과 기계학습 알고리즘을 활용한 전자 경보 관리 시스템이 노인의 응급실 방문 및 계획되지 않은 입원을 줄이는 효과
응급실(ED) 방문 및 계획되지 않은 입원 위험에 대한 7~14일 경보를 예측하기 위해 사회 복지사의 관찰 및 기계 학습 알고리즘을 사용하는 경보 관리 시스템의 개발, 검증 및 영향.
환자, 집에서 거주하고 홈 케어 보조원(HCA)의 지원을 받는 65세 이상의 허약한 성인을 대상으로 전자 홈 케어 보조원 보고 결과 측정 시스템의 다기관 시험 구현.
연구 개요
상세 설명
매주 가정 방문 후 HCA는 각 참가자에 대한 23가지 기능 항목(예: 서기, 움직이기, 먹기, 기분, 외로움)을 기록한 스마트폰 애플리케이션을 사용하여 참가자의 기능 상태를 보고했습니다. 기계 학습 기술(예: Random Forest 예측 변수 활용)을 사용하는 예측 시스템이 개발되었으며 간호사에게 응급실 방문 위험에 대한 7~14일 예측 경고가 생성되었습니다.
이 설문지는 기능적 및 임상적 자율성(즉, 일상 생활 활동), 가능한 의학적 증상(예: 피로, 낙상 및 통증), 행동 변화(예: 인식 및 공격성) 및 HA 또는 주변 환경과의 의사소통에 중점을 두었습니다. . 이 설문지는 매우 간단하고 이해하기 쉬운 질문으로 구성되어 있으며, 개인의 상태에 대한 전체적인 시각을 제공합니다. 23개 질문 각각에 대해 예/아니요 답변이 요청되었습니다. HA에 의해 기록된 데이터는 실시간으로 보안 서버로 전송되어 당사의 머신러닝 알고리즘으로 분석되며, 위험 수준을 예측하고 CE 마크를 획득한 PRESAGE CARE라는 웹 기반 보안 의료 기기에 표시됩니다. 특히, 알고리즘이 고위험 수준을 예측하면 해당 지역의 건강관리 네트워크 센터 담당 간호사에게 화면에 알림 형태로 경고가 표시되었습니다. 이 위험 알림에는 HA 기록에서 식별된 환자 기능 상태의 최근 변화에 대한 정보가 함께 제공되어 담당 간호사가 가족 간병인 및 기타 의료 전문가와 상호 작용하는 데 도움이 되었습니다.
경보가 발생하면 담당 간호사는 가족 간병인에게 전화하여 환자의 건강 상태의 최근 변화와 의심 제거를 문의한 후 시작 전에 개발된 건강 중재 모델에 따라 건강 중재를 요청하기로 결정할 수 있습니다. 공부하다. 간단히 말해서, 이 경고 유발 건강 개입(ATHI)은 환자의 간호사(환자가 정기적으로 간호사를 가정 방문하는 경우) 또는 환자의 일반의에게 전화하여 환자의 기능 상태 악화 및 잠재적 위험을 알리는 것으로 구성되었습니다. eHealth 시스템 알고리즘에 따라 향후 며칠 내에 응급실 방문 또는 계획되지 않은 입원이 발생할 수 있습니다. 이 ATHI 모델은 우리 연구에 참여한 지역의 Agences Régionales de Santé에 의해 제시되고 승인되었습니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
-
Le Chesnay, 프랑스, 78150
- Grand Versailles
-
Marseille, 프랑스, 13011
- Marseille-1
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 75세 미니
- 사회복지사의 도움을 받아
- 환자가 동의해야 함
- 환자는 지난 12개월 이내에 주치의를 만났어야 합니다.
제외 기준:
- 심각한 의존성을 가진 사람들(GIR)에서 의존성 수준을 계층화하는 프랑스 국가 기구: 1(매우 심각한 의존성) 및 2(심각한 의존성)
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 방지
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
---|---|
간섭 없음: 대조군
평상시 관리
|
|
실험적: 간섭
PRESAGE Care ATIH + 간호사 또는 GP 상담
|
이 부문의 참가자는 HCA를 받게 되며 간호사 건강 개입의 혜택을 받을 수 있습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
계획되지 않은 입원율
기간: 연구 완료를 통해 평균 1년
|
2개의 무작위 그룹(중재군과 대조군)의 계획되지 않은 입원 비율 비교. P 값 <.05는 통계적으로 유의미한 것으로 간주됩니다. |
연구 완료를 통해 평균 1년
|
무사건 생존(EFS)
기간: 연구 완료를 통해 평균 1년
|
중재군과 대조군 간의 첫 번째 부작용 발생 평균 시간을 비교합니다. P 값 <.05는 통계적으로 유의미한 것으로 간주됩니다. |
연구 완료를 통해 평균 1년
|
노인 및 친척의 삶의 질에 미치는 영향(유럽 삶의 질 5차원 및 3선 척도)
기간: 연구 완료를 통해 평균 1년
|
개입군과 대조군 간 EQ5D-3L 삶의 질 척도(유럽 삶의 질 5차원 및 3선)의 평균 점수 비교. P 값 <.05는 통계적으로 유의미한 것으로 간주됩니다. |
연구 완료를 통해 평균 1년
|
비용 효율성
기간: 연구 완료를 통해 평균 1년
|
증분 비용 효율성 비율(ICER), QALY.
품질 조정 수명 연도(QALY)당 €30,000 및 QALY당 €90,000의 지불 의향 임계값을 사용하여 각각 매우 비용 효율적이고 비용 효율적인 전략을 정의했습니다.
|
연구 완료를 통해 평균 1년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
사용자에게 미치는 영향 : 설문지 작성에 필요한 시간
기간: 연구 완료를 통해 평균 1년
|
설문지 작성에 소요되는 시간(분) : 2분 미만의 시간도 허용되는 것으로 간주
|
연구 완료를 통해 평균 1년
|
개입률
기간: 연구 완료를 통해 평균 1년
|
개입 및 개입 시간(%)으로 이어지는 경보의 일부입니다.
70% 이상이면 허용 가능한 것으로 간주됩니다.
|
연구 완료를 통해 평균 1년
|
개입 시간
기간: 연구 완료를 통해 평균 1년
|
경고일과 개입일 사이의 기간(일)의 평균입니다.
4일 미만의 지연은 허용되는 것으로 간주됩니다.
|
연구 완료를 통해 평균 1년
|
환자 상태 분석에 필요한 시간
기간: 연구 완료를 통해 평균 1년
|
환자 상태 분석에 필요한 시간(시간, 분) : 환자별 15분 이내의 시간은 허용되는 것으로 간주
|
연구 완료를 통해 평균 1년
|
치료의 질에 미치는 영향
기간: 연구 완료를 통해 평균 1년
|
의료 품질에 대한 긍정적이거나 매우 긍정적인 영향: 80% 이상의 비율은 허용 가능한 것으로 간주됩니다.
|
연구 완료를 통해 평균 1년
|
전문가의 관계 및 조정에 미치는 영향
기간: 연구 완료를 통해 평균 1년
|
전문적 관계 및 조정에 긍정적이거나 매우 긍정적인 영향: 80% 이상의 비율은 허용 가능한 것으로 간주됩니다.
|
연구 완료를 통해 평균 1년
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Iwashyna TJ, Ely EW, Smith DM, Langa KM. Long-term cognitive impairment and functional disability among survivors of severe sepsis. JAMA. 2010 Oct 27;304(16):1787-94. doi: 10.1001/jama.2010.1553.
- Inglis SC, Clark RA, McAlister FA, Ball J, Lewinter C, Cullington D, Stewart S, Cleland JG. Structured telephone support or telemonitoring programmes for patients with chronic heart failure. Cochrane Database Syst Rev. 2010 Aug 4;(8):CD007228. doi: 10.1002/14651858.CD007228.pub2.
- Clerencia-Sierra M, Calderon-Larranaga A, Martinez-Velilla N, Vergara-Mitxeltorena I, Aldaz-Herce P, Poblador-Plou B, Machon-Sobrado M, Egues-Olazabal N, Abellan-van Kan G, Prados-Torres A. Multimorbidity Patterns in Hospitalized Older Patients: Associations among Chronic Diseases and Geriatric Syndromes. PLoS One. 2015 Jul 24;10(7):e0132909. doi: 10.1371/journal.pone.0132909. eCollection 2015.
- Kahn JH, Magauran BG Jr, Olshaker JS, Shankar KN. Current Trends in Geriatric Emergency Medicine. Emerg Med Clin North Am. 2016 Aug;34(3):435-52. doi: 10.1016/j.emc.2016.04.014.
- Gasperini B, Cherubini A, Pierri F, Barbadoro P, Fedecostante M, Prospero E. Potentially preventable visits to the emergency department in older adults: Results from a national survey in Italy. PLoS One. 2017 Dec 21;12(12):e0189925. doi: 10.1371/journal.pone.0189925. eCollection 2017.
- McCusker J, Verdon J. Do geriatric interventions reduce emergency department visits? A systematic review. J Gerontol A Biol Sci Med Sci. 2006 Jan;61(1):53-62. doi: 10.1093/gerona/61.1.53.
- Chen CC, Wang C, Huang GH. Functional trajectory 6 months posthospitalization: a cohort study of older hospitalized patients in Taiwan. Nurs Res. 2008 Mar-Apr;57(2):93-100. doi: 10.1097/01.NNR.0000313485.18670.e2.
- Camargo CA Jr, Tsai CL, Sullivan AF, Cleary PD, Gordon JA, Guadagnoli E, Kaushal R, Magid DJ, Rao SR, Blumenthal D. Safety climate and medical errors in 62 US emergency departments. Ann Emerg Med. 2012 Nov;60(5):555-563.e20. doi: 10.1016/j.annemergmed.2012.02.018.
- Crane SJ, Tung EE, Hanson GJ, Cha S, Chaudhry R, Takahashi PY. Use of an electronic administrative database to identify older community dwelling adults at high-risk for hospitalization or emergency department visits: the elders risk assessment index. BMC Health Serv Res. 2010 Dec 13;10:338. doi: 10.1186/1472-6963-10-338.
- Hu Z, Jin B, Shin AY, Zhu C, Zhao Y, Hao S, Zheng L, Fu C, Wen Q, Ji J, Li Z, Wang Y, Zheng X, Dai D, Culver DS, Alfreds ST, Rogow T, Stearns F, Sylvester KG, Widen E, Ling XB. Real-time web-based assessment of total population risk of future emergency department utilization: statewide prospective active case finding study. Interact J Med Res. 2015 Jan 13;4(1):e2. doi: 10.2196/ijmr.4022.
- Takahashi PY, Heien HC, Sangaralingham LR, Shah ND, Naessens JM. Enhanced risk prediction model for emergency department use and hospitalizations in patients in a primary care medical home. Am J Manag Care. 2016 Jul;22(7):475-83.
- Denis F, Krakowski I. How Should Oncologists Choose an Electronic Patient-Reported Outcome System for Remote Monitoring of Patients With Cancer? J Med Internet Res. 2021 Sep 9;23(9):e30549. doi: 10.2196/30549.
- Bouazza YB, Chiairi I, El Kharbouchi O, De Backer L, Vanhoutte G, Janssens A, Van Meerbeeck JP. Patient-reported outcome measures (PROMs) in the management of lung cancer: A systematic review. Lung Cancer. 2017 Nov;113:140-151. doi: 10.1016/j.lungcan.2017.09.011. Epub 2017 Sep 23.
- Schick-Makaroff K, Karimi-Dehkordi M, Cuthbertson L, Dixon D, Cohen SR, Hilliard N, Sawatzky R. Using Patient- and Family-Reported Outcome and Experience Measures Across Transitions of Care for Frail Older Adults Living at Home: A Meta-Narrative Synthesis. Gerontologist. 2021 Apr 3;61(3):e23-e38. doi: 10.1093/geront/gnz162.
- Veyron JH, Friocourt P, Jeanjean O, Luquel L, Bonifas N, Denis F, Belmin J. Home care aides' observations and machine learning algorithms for the prediction of visits to emergency departments by older community-dwelling individuals receiving home care assistance: A proof of concept study. PLoS One. 2019 Aug 13;14(8):e0220002. doi: 10.1371/journal.pone.0220002. eCollection 2019.
- Huntley AL, Chalder M, Shaw ARG, Hollingworth W, Metcalfe C, Benger JR, Purdy S. A systematic review to identify and assess the effectiveness of alternatives for people over the age of 65 who are at risk of potentially avoidable hospital admission. BMJ Open. 2017 Aug 1;7(7):e016236. doi: 10.1136/bmjopen-2017-016236.
- Seibert K, Domhoff D, Bruch D, Schulte-Althoff M, Furstenau D, Biessmann F, Wolf-Ostermann K. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review. J Med Internet Res. 2021 Nov 29;23(11):e26522. doi: 10.2196/26522.
- Gray JT, Walker A. Avoiding admissions from the ambulance service: a review of elderly patients with falls and patients with breathing difficulties seen by emergency care practitioners in South Yorkshire. Emerg Med J. 2008 Mar;25(3):168-71. doi: 10.1136/emj.2007.050732.
- Mason S, O'Keeffe C, Knowles E, Bradburn M, Campbell M, Coleman P, Stride C, O'Hara R, Rick J, Patterson M. A pragmatic quasi-experimental multi-site community intervention trial evaluating the impact of Emergency Care Practitioners in different UK health settings on patient pathways (NEECaP Trial). Emerg Med J. 2012 Jan;29(1):47-53. doi: 10.1136/emj.2010.103572.
- Mason S, Knowles E, Colwell B, Dixon S, Wardrope J, Gorringe R, Snooks H, Perrin J, Nicholl J. Effectiveness of paramedic practitioners in attending 999 calls from elderly people in the community: cluster randomised controlled trial. BMJ. 2007 Nov 3;335(7626):919. doi: 10.1136/bmj.39343.649097.55. Epub 2007 Oct 4.
- Soril LJ, Leggett LE, Lorenzetti DL, Noseworthy TW, Clement FM. Reducing frequent visits to the emergency department: a systematic review of interventions. PLoS One. 2015 Apr 13;10(4):e0123660. doi: 10.1371/journal.pone.0123660. eCollection 2015.
- Belmin J, Auffray JC, Berbezier C, Boirin P, Mercier S, de Reviers B, Golmard JL. Level of dependency: a simple marker associated with mortality during the 2003 heatwave among French dependent elderly people living in the community or in institutions. Age Ageing. 2007 May;36(3):298-303. doi: 10.1093/ageing/afm026. Epub 2007 Mar 24.
- O'Connell S, Palmer R, Withers K, Saha N, Puntoni S, Carolan-Rees G; PROMs, PREMs and Effectiveness Programme. Requirements for the collection of electronic PROMS either "in clinic" or "at home" as part of the PROMs, PREMs and Effectiveness Programme (PPEP) in Wales: a feasibility study using a generic PROM tool. Pilot Feasibility Stud. 2018 Jul 4;4:90. doi: 10.1186/s40814-018-0282-8. eCollection 2018.
- Duncanson E, Bennett PN, Viecelli A, Dansie K, Handke W, Tong A, Palmer S, Jesudason S, McDonald SP, Morton RL; Symptom monitoring WIth Feedback Trial (SWIFT) Investigators. Feasibility and acceptability of e-PROMs data capture and feedback among patients receiving haemodialysis in the Symptom monitoring WIth Feedback Trial (SWIFT) pilot: protocol for a qualitative study in Australia. BMJ Open. 2020 Nov 6;10(11):e039014. doi: 10.1136/bmjopen-2020-039014.
- Anderson KO, Palos GR, Mendoza TR, Cleeland CS, Liao KP, Fisch MJ, Garcia-Gonzalez A, Rieber AG, Nazario LA, Valero V, Hahn KM, Person CL, Payne R. Automated pain intervention for underserved minority women with breast cancer. Cancer. 2015 Jun 1;121(11):1882-90. doi: 10.1002/cncr.29204. Epub 2015 Feb 24.
- Adam R, Burton CD, Bond CM, de Bruin M, Murchie P. Can patient-reported measurements of pain be used to improve cancer pain management? A systematic review and meta-analysis. BMJ Support Palliat Care. 2017 Dec;7(4):0. doi: 10.1136/bmjspcare-2016-001137. Epub 2016 Nov 22.
- Mooney KH, Beck SL, Friedman RH, Farzanfar R, Wong B. Automated monitoring of symptoms during ambulatory chemotherapy and oncology providers' use of the information: a randomized controlled clinical trial. Support Care Cancer. 2014 Sep;22(9):2343-50. doi: 10.1007/s00520-014-2216-1. Epub 2014 Apr 1.
- Vasey B, Ursprung S, Beddoe B, Taylor EH, Marlow N, Bilbro N, Watkinson P, McCulloch P. Association of Clinician Diagnostic Performance With Machine Learning-Based Decision Support Systems: A Systematic Review. JAMA Netw Open. 2021 Mar 1;4(3):e211276. doi: 10.1001/jamanetworkopen.2021.1276.
- Adler-Milstein J, Chen JH, Dhaliwal G. Next-Generation Artificial Intelligence for Diagnosis: From Predicting Diagnostic Labels to "Wayfinding". JAMA. 2021 Dec 28;326(24):2467-2468. doi: 10.1001/jama.2021.22396. No abstract available.
- Barrachina-Fernandez M, Maitin AM, Sanchez-Avila C, Romero JP. Wearable Technology to Detect Motor Fluctuations in Parkinson's Disease Patients: Current State and Challenges. Sensors (Basel). 2021 Jun 18;21(12):4188. doi: 10.3390/s21124188.
- Khalil H, Bell B, Chambers H, Sheikh A, Avery AJ. Professional, structural and organisational interventions in primary care for reducing medication errors. Cochrane Database Syst Rev. 2017 Oct 4;10(10):CD003942. doi: 10.1002/14651858.CD003942.pub3.
- Beaudouin, Valérie and Bloch, Isabelle and Bounie, David and Bounie, David and Clémençon, Stéphan and d'Alché-Buc, Florence and Eagan, James and Maxwell, Winston and Mozharovskyi, Pavlo and Parekh, Jayneel, Flexible and Context-Specific AI Explainability: A Multidisciplinary Approach (March 23, 2020). Available at SSRN: https://ssrn.com/abstract=3559477 or http://dx.doi.org/10.2139/ssrn.3559477
- Belmin J, Villani P, Gay M, Fabries S, Havreng-Thery C, Malvoisin S, Denis F, Veyron JH. Real-world Implementation of an eHealth System Based on Artificial Intelligence Designed to Predict and Reduce Emergency Department Visits by Older Adults: Pragmatic Trial. J Med Internet Res. 2022 Sep 8;24(9):e40387. doi: 10.2196/40387.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
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 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. .
프리시지 케어에 대한 임상 시험
-
University of AlbertaUniversity Hospital Foundation완전한
-
Boston Medical CenterNational Institute on Minority Health and Health Disparities (NIMHD); Center for Community...완전한비만 | 천식 | 혈압 | 아동 발달 | 건강관리 활용 | 아동학대 | 의료 격차 | 기본적인 미충족 사회적 욕구미국
-
The Hospital for Sick Children모집하지 않고 적극적으로
-
New York UniversityIndiana University; Moi University완전한
-
University Health Network, Toronto모병림프종 | 림프 증식 장애 | 유방암 1기 | 유방암 2기 | 대장암 2기 | 대장암 3기 | 유방암 3기 | 대장암 1기 | 두경부암 3기 | 유방암, 0기 | 두경부암 1기 | 두경부암 2기캐나다
-
Emory UniversityFoundation for Physical Therapy, Inc.완전한
-
National Cardiovascular Center Harapan Kita Hospital...모병
-
Emory UniversityNational Institute of Nursing Research (NINR)완전한