- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05335135
응급실에서 새로운 진단과 데이터 기반 임상 결정 지원 연결
2022년 4월 11일 업데이트: Stocastic, LLC
이 연구의 주요 목적은 응급실(ED)에서 전자 임상 의사 결정 지원(CDS) 도구인 TriageGO with Monocyte Distribution Width(TriageGO-MDW)의 사용을 검증하는 것입니다. TriageGO-MDW는 응급실 방문 중 환자의 위험 기반 평가 및 우선순위 지정을 수행할 때 응급 임상의(간호사, 의사 및 고급 진료 제공자)를 지원하도록 설계된 비장치 CDS입니다. 이 연구는 다음 세 가지 목표(단계)를 통해 효율성-구현 하이브리드 설계를 따르며 순차적으로 실행됩니다.
(목표 1) ED 연구 사이트에서 소급 데이터를 사용하여 로컬에서 TriageGO-MDW 알고리즘을 검증합니다.
(목표 2) EMR(전자 의료 기록)과 통합된 TriageGO-MDW를 배포하고 사용자 평가를 수행합니다.
(목표 3) 임상, 프로세스 및 인식된 효용 결과와 관련하여 정상 상태에서 TriageGO-MDW를 평가합니다.
연구 개요
연구 유형
관찰
등록 (예상)
300000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Eric Hamrock
- 전화번호: 4013420373
- 이메일: eric.hamrock@stocastic.com
연구 장소
-
-
Kansas
-
Kansas City, Kansas, 미국, 66160
- 모병
- Kansas University Medical Center
-
연락하다:
- Nima Sarani, MD
-
-
Missouri
-
Kansas City, Missouri, 미국, 64108
- 모병
- University Health Truman Medical Center
-
연락하다:
- Kevin O'Rourke, MD
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, OLDER_ADULT)
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
연구 기간 동안 성인 환자의 모든 응급실 방문이 분석에 포함됩니다.
설명
포함 기준: 연구 기관 ED에서 치료를 받는 성인 환자
제외 기준: 없음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
사전 구현
모든 ED 환자를 만나는 동안 일반적인 치료가 제공됩니다.
|
TriageGo-MDW에서 제공하는 결정 지원이 없는 임상 치료
|
|
구현 후
TriageGo-MDW CDS는 ED 치료 연속체의 두 지점에서 모든 ED 환자를 만나는 동안 사용할 수 있습니다. .
일반적인 질병 중증도 추정치는 권장되는 중증도 중증도 점수(First Triage의 경우 CDS) 형태로 ED 중증도 분류에서 간호사에게 제공됩니다.
패혈증 및 패혈성 쇼크를 포함한 특정 결과에 대한 추정 위험과 함께 일반적인 질병 심각도 추정치는 실험실 결과가 채워진 후 임상의에게 제공됩니다(조기 평가를 위한 CDS).
TriageGO-MDW 위험 추정치는 일상적으로 사용 가능한 임상 데이터를 예측 변수 입력으로 사용하는 기계 학습 알고리즘에 의해 생성됩니다.
간호사와 임상의는 기존 EHR 워크플로 내에서 각 위험 추정치를 구동하는 논리에 대한 간략하고 신속하게 해석 가능한 설명과 함께 위험 추정치를 받게 됩니다.
|
TriageGO-MDW는 전자 건강 기록에서 파생된 임상 데이터를 기반으로 환자 수준의 임상 위험 추정치를 제공하는 비기기 임상 의사 결정 지원입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
크리티컬 케어
기간: 기준선(중재 전)
|
ED 처분 후 24시간 이내에 중환자실 입원; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
크리티컬 케어
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
ED 처분 후 24시간 이내에 중환자실 입원; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
병원 내 사망률
기간: 기준선(중재 전)
|
색인 병원 조우 중 사망; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
병원 내 사망률
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
색인 병원 조우 중 사망; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
응급 수술
기간: 기준선(중재 전)
|
ED 도착 후 12시간 이내에 수술실에서 시술; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
응급 수술
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
ED 도착 후 12시간 이내에 수술실에서 시술; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
부패
기간: 기준선(중재 전)
|
이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
부패
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
패혈성 쇼크
기간: 기준선(중재 전)
|
ED 도착 후 24시간 이내에 패혈성 쇼크 기준 충족; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
패혈성 쇼크
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
ED 도착 후 24시간 이내에 패혈성 쇼크 기준 충족; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
바이러스 감염
기간: 기준선(중재 전)
|
ED 도착 후 24시간 이내에 인플루엔자 또는 Covid-19(SARS-CoV-2) 감염 검사 결과 양성; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
기준선(중재 전)
|
|
바이러스 감염
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
ED 도착 후 24시간 이내에 인플루엔자 또는 Covid-19(SARS-CoV-2) 감염 검사 결과 양성; 이 결과에 대한 TriageGO-MDW의 기반이 되는 기계 학습 알고리즘의 예측 성능이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
중환자 분류 캡처율
기간: 기준선(중재 전)
|
응급실 분류에서 중환자실 입원, 응급 수술 또는 병원 내 사망률이 높은 것으로 확인된 환자의 비율
|
기준선(중재 전)
|
|
중환자 분류 캡처율
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
응급실 분류에서 중환자실 입원, 응급 수술 또는 병원 내 사망률이 높은 것으로 확인된 환자의 비율
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
병원 입원 분류 캡처 비율
기간: 기준선(중재 전)
|
ED 분류에서 중등도 또는 고도 중증으로 확인된 입원이 필요한 환자의 비율
|
기준선(중재 전)
|
|
병원 입원 분류 캡처 비율
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
ED 분류에서 중등도 또는 고도 중증으로 확인된 입원이 필요한 환자의 비율
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
ED 환자 흐름 메트릭
기간: 기준선(중재 전)
|
배치 도착, 치료 공간 도착, 치료 제공자 도착, 집중 치료실 이동 도착, ED 출발 도착을 포함하는 주요 ED 치료 이벤트 사이의 간격이 측정됩니다.
|
기준선(중재 전)
|
|
ED 환자 흐름 메트릭
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
배치 도착, 치료 공간 도착, 치료 제공자 도착, 집중 치료실 이동 도착, ED 출발 도착을 포함하는 주요 ED 치료 이벤트 사이의 간격이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
|
패혈증 치료 품질 지표
기간: 기준선(중재 전)
|
진단 및 치료까지 걸리는 시간, CMS(Centers for Medicare and Medicaid Services) Sepsis-1(SEP-1) Core Measure 및 그 구성 요소에 대한 준수율을 포함한 표준 패혈증 치료 품질 메트릭이 측정됩니다.
|
기준선(중재 전)
|
|
패혈증 치료 품질 지표
기간: 구현 후 정상 상태 동안(개입 후 약 3개월)
|
진단 및 치료까지 걸리는 시간, CMS(Centers for Medicare and Medicaid Services) Sepsis-1(SEP-1) Core Measure 및 그 구성 요소에 대한 준수율을 포함한 표준 패혈증 치료 품질 메트릭이 측정됩니다.
|
구현 후 정상 상태 동안(개입 후 약 3개월)
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
스폰서
수사관
- 수석 연구원: Scott Levin, PhD, Stocastic, LLC
- 수석 연구원: Jeremiah Hinson, PhD/MD, Stocastic, LLC
- 수석 연구원: Nima Sarani, MD, University of Kansas
- 수석 연구원: Kevin O'Rourke, MD, Truman Medical Center
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Crouser ED, Parrillo JE, Seymour C, Angus DC, Bicking K, Tejidor L, Magari R, Careaga D, Williams J, Closser DR, Samoszuk M, Herren L, Robart E, Chaves F. Improved Early Detection of Sepsis in the ED With a Novel Monocyte Distribution Width Biomarker. Chest. 2017 Sep;152(3):518-526. doi: 10.1016/j.chest.2017.05.039. Epub 2017 Jun 15.
- 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.
- Dugas AF, Kirsch TD, Toerper M, Korley F, Yenokyan G, France D, Hager D, Levin S. An Electronic Emergency Triage System to Improve Patient Distribution by Critical Outcomes. J Emerg Med. 2016 Jun;50(6):910-8. doi: 10.1016/j.jemermed.2016.02.026. Epub 2016 Apr 25. Erratum In: J Emerg Med. 2016 Aug;51(2):224.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2022년 2월 1일
기본 완료 (예상)
2023년 1월 1일
연구 완료 (예상)
2024년 1월 1일
연구 등록 날짜
최초 제출
2022년 2월 22일
QC 기준을 충족하는 최초 제출
2022년 4월 11일
처음 게시됨 (실제)
2022년 4월 19일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2022년 4월 19일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 4월 11일
마지막으로 확인됨
2022년 3월 1일
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. .