이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

응급실의 디지털 감별진단 확대 (DDX-BRO)

2023년 7월 20일 업데이트: Insel Gruppe AG, University Hospital Bern

전산진단의사결정지원도구를 이용한 디지털 감별진단확대화가 응급실 환자의 진단품질에 미치는 영향 - 다기관 군집 무작위 교차시험.

응급실에 입원한 환자의 10~35%는 잘못된 진단을 받습니다. 당연하게도, 응급 의학에서 접하게 되는 다양한 건강 상태를 고려할 때 의사는 종종 환자의 증상에 맞는 모든 가능한 진단을 고려하거나 기억하거나 알지 못합니다. 오늘날 컴퓨터 소프트웨어(CDDS)는 입력된 환자 데이터를 진단이 있는 대규모 데이터베이스에 일치시켜 가능한 진단 목록으로 의사를 지원할 수 있습니다. 그러나 이러한 CDDS의 사용이 '실제' ER 일상 진료에서 진단 품질과 작업 흐름에 실제로 어떤 영향을 미치는지는 여전히 불분명합니다. 따라서 이 클러스터 무작위 교차 시험의 목표는 진단 품질, 환자 결과 및 ER 내 진단 작업 흐름에 대한 CDDS 사용의 결과를 평가하는 것입니다. 4개의 ER은 의사가 포함된 모든 연구 환자에 대해 CDDS를 사용하도록 요청하는 특정 기간(무작위 및 교대로 할당) 동안 진단 의사에게 CDDS를 제공할 것입니다. CDDS가 있는 기간과 없는 기간 사이의 결과가 비교됩니다. 1차 결과는 예정되지 않은 ER 재방문, 예상치 못한 입원(모두 14일 이내), 입원 시 예상치 못한 중환자실 입원, 14일 후 ER 퇴원 진단과 현재 진단 간의 진단 불일치로 구성된 진단 품질 위험 점수입니다. 총 1,184명의 환자가 포함될 것입니다.

연구 개요

상세 설명

배경:

오진은 외래 환자의 약 5%, 응급실(ER) 환자의 10~35%에서 발생하며 때로는 치명적인 의료 및 경제적 결과를 초래합니다. 요즘에는 컴퓨터화된 진단 의사 결정 지원 프로그램(CDDS)이 존재하며, 이는 의사에게 감별 진단(DDx)을 제안하여 진단을 개선하고 따라서 환자 치료 결과를 개선할 수 있는 잠재력을 가지고 있습니다. '실제' ER 설정에서 이러한 CDDS의 효과는 알려져 있지 않습니다. 효과와 안전성을 조사한 통제된 임상 시험은 없습니다. 또한 대부분의 사용 가능한 CDDS는 지나치게 신중하며 다양한 진단 옵션을 제안하여 진단 리소스 소비를 증가시킬 수 있습니다.

목표:

이 프로젝트를 통해 조사관은 응급 의학의 진단 품질 및 작업 흐름에 대한 의사의 CDDS 사용의 의도된 결과와 의도하지 않은 결과를 이해하는 것을 목표로 합니다.

  • 미시적 수준에서 CDDS가 개별 응급 환자의 의사가 진단 품질에 미치는 영향.
  • 중간 수준에서 CDDS가 응급실의 진단 워크플로에 미치는 영향.
  • 거시적 수준에서 ER에서 CDDS 활용의 경제적 및 교육적 영향

결과: 아래에 제공된 세부 정보

설계:

횡단면, 다중 센터, 4주기 교차 제어 클러스터 무작위 시험. 4개의 ER 사이트는 개입 및 통제 기간(ABAB 대 BABA)을 번갈아 가며 두 시퀀스 중 하나에 무작위로 할당되며 각 기간은 2개월 동안 지속됩니다. 모집은 기간 및 클러스터당 74명의 환자와 총 1,184명의 환자를 대상으로 합니다.

포함/제외 기준: 아래에 제공된 세부 정보

개입 기간: 세부 사항은 아래와 같습니다.

제어 기간: 세부 사항은 다음과 같습니다.

측정 및 절차:

1차 결과의 경우 전자 건강 기록(즉, ER 진단, 중환자실 입원 또는 환자가 아직 입원 중인 경우 14d 이후 진단). 또한, 환자의 현재 진단 및 초기 ER 방문과 관련된 재방문 또는 입원에 대한 정보를 수집하기 위해 연구 포함 14일 후 연구 간호사가 환자와 일반의에게 전화로 연락할 것입니다. 2차 종료점에 대한 데이터는 전자 건강 기록 시스템에서 정기적으로 수집되는 데이터(예: 사망률, ER 진단 시간, 자원 소비)에서 검색됩니다. 또한 진단 작업 흐름 변경, 의사의 자신감 및 기타 프로세스 결과를 조사하기 위해 의사와의 인터뷰 및 포커스 그룹이 수행됩니다.

통계 분석:

통계 분석은 적절한 사후 기술(예: 하위 그룹 분석)을 사용하는 다단계 일반 선형 혼합 모델링(GLMM) 방법을 기반으로 합니다.

1차 결과(긍정적인 진단 품질 위험 점수의 존재 또는 부재)에 대해 이항 분포 패밀리 및 교환 가능한 상관 구조를 갖는 일반화 선형 혼합 모델(GLMM)이 수행됩니다. GLMM은 각 부위, 레지던트 및 주치의에 대한 무작위 효과를 고려합니다. 레지던트 및 주치의 진단은 사이트 내에 중첩됩니다. 이월 효과가 동일하다는 가정 하에 조건(개입 및 통제) 및 기간(기간 1~4)을 고정 요소로 포함합니다. 또한 주증상, 환자의 나이, 성별, 동반질환 지수를 공변량으로 추가한다.

모든 2차 종점에 대해 분포에 적합한 요약 통계가 치료 그룹별로 표로 작성됩니다. 2차 종료점 분석은 1차 분석과 병행합니다.

연구 유형

중재적

등록 (실제)

1218

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

      • Bern, 스위스, 3004
        • Dept. of Internal and Emergency Medicine, Spital Tiefenau
      • Bern, 스위스, 3010
        • Dept. of Emergency Medicine, Inselspital, University Hospital Bern
      • Solothurn, 스위스, 3004
        • Dept. of Internal and Emergency Medicine, Buergerspital Solothurn
    • Bern
      • Münsingen, Bern, 스위스, 3110
        • Dept. of internal and emergency medicine, Spital Münsigen

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, 고령자)

건강한 자원 봉사자를 받아들입니다

아니

설명

포함 기준:

  • 피험자가 서명한 사전 동의
  • 발열, 복통, 실신 또는 비특이적 증상(NSC)을 주증상으로 응급실에 내원
  • "심각한 위협을 받지 않음"으로 분류됨
  • 연구 대상은 18세 이상입니다.

제외 기준:

  • 주요 불만으로서의 외상
  • 임신
  • 알려진 기존 상태의 악화 또는 명확한 진단을 통한 의료 의뢰
  • 정보에 입각한 동의 및 조사 절차를 따를 수 없음
  • 현재 조사에 대한 이전 등록

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 특수 증상
  • 할당: 무작위
  • 중재 모델: 크로스오버 할당
  • 마스킹: 더블

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: 평소 케어 + CDDS 사용
ER에 내원하고 ER 개입 기간 동안 연구에 포함된 환자는 평소와 같이 ER 의사가 치료하고 진단하지만 CDDS의 지원을 받습니다.
Isabel Pro - DDx 생성기는 감별 진단을 확대할 수 있도록 의료 전문가를 지원하기 위해 개발된 소프트웨어입니다. 첫 번째 환자 검사 후 레지던트는 Isabel Pro에 환자 증상을 입력하라는 요청을 받습니다. Isabel Pro는 입력된 데이터와 일치하는 기본 데이터베이스에서 가능한 진단 목록을 반환합니다. 진단 레지던트 의사는 첫 번째 환자 평가 후 처음 1시간 이내에 최소 한 번 Isabel Pro와 상담해야 합니다. 소프트웨어에 환자 증상을 입력한 후 Isabel Pro는 자체적으로 기본 데이터베이스에서 파생된 가능한 진단 목록을 반환합니다. 그런 다음 임상적 판단에 따라 추가 진단 또는 치료 절차를 위해 제안된 DDx 중 하나 이상을 고려해야 하는지 여부를 의사가 자유롭게 결정할 수 있습니다.
간섭 없음: 평상시 관리
ER에 내원하고 ER 개입 기간 동안 연구에 포함된 환자는 CDDS의 지원 없이 평소와 같이 ER 의사가 치료하고 진단합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
진단 품질 위험 점수
기간: 응급실 퇴원 후부터 응급실 퇴원 후 14일까지

1차 종점은 다음으로 구성된 진단 품질 위험을 나타내는 이진 점수입니다.

  • 응급실 퇴원 후 14일 이내 사망(예/아니오)
  • 응급실 퇴원 후 14일 이내 예정되지 않은 진료(응급실 재방문, 일반의 방문 또는 입원) (예/아니오)
  • 입원 시 24시간 이내에 병동에서 예기치 않게 중환자실에 입원한 경우(예/아니오)
  • 응급실 퇴원 14일 후 응급실 퇴원 진단과 현재 진단의 진단적 불일치(예/아니오)
응급실 퇴원 후부터 응급실 퇴원 후 14일까지

2차 결과 측정

결과 측정
측정값 설명
기간
응급실 퇴원 후 14일 이내 사망(예/아니오)
기간: 응급실 퇴원 후부터 응급실 퇴원 후 14일까지
환자는 응급 퇴원 시간 내에 사망
응급실 퇴원 후부터 응급실 퇴원 후 14일까지
뜻밖의 중환자실 입원
기간: 응급실 이송 후 병동으로 24시간 이내
입원 시 24시간 이내에 중환자실에서 예기치 않게 중환자실에 입원한 환자 수(예/아니오)
응급실 이송 후 병동으로 24시간 이내
진단 불일치
기간: 응급실 퇴원 후부터 응급실 퇴원 후 14일까지
ER 퇴원 14일 후 응급실 퇴원 진단과 현재 진단이 일치하지 않는 환자 수(예/아니오)
응급실 퇴원 후부터 응급실 퇴원 후 14일까지
예정되지 않은 진료 72시간, 7일 및 14일
기간: 응급실 퇴원 후부터 응급실 퇴원 후 72시간 7일 14일까지
응급실 퇴원 후 72시간, 7일, 14일 경과 후 예정되지 않은 진료를 받은 환자 수
응급실 퇴원 후부터 응급실 퇴원 후 72시간 7일 14일까지
응급실 체류 기간
기간: 응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
환자가 응급실 일상 진료에 소요한 시간
응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
진단 테스트
기간: 응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
응급실 정기 진료 중 진단 검사 횟수
응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
하차처
기간: 응급실 퇴원 시점(임상일과에 따름, 최대 24시간)
홈 / 병원(인턴) / 병원(외) / 요양원 / 재활 / 기타
응급실 퇴원 시점(임상일과에 따름, 최대 24시간)
감별 진단 수
기간: 응급실 퇴원 시점(임상일과에 따름, 최대 24시간)
응급실 퇴원 시 의사가 제공한 감별 진단 수
응급실 퇴원 시점(임상일과에 따름, 최대 24시간)
CDDS 잠재력
기간: 응급실 입원 후 응급실 퇴원 후 14일까지의 시간
생성된 감별진단 리스트가 14일 이후의 진단을 수반하는 경우의 수
응급실 입원 후 응급실 퇴원 후 14일까지의 시간
진단 오류
기간: 응급실 퇴원 후부터 응급실 퇴원 후 14일까지
무작위 하위 집합에 대한 전체 차트 검토를 기반으로 한 진단 오류
응급실 퇴원 후부터 응급실 퇴원 후 14일까지
CDDS 사용
기간: 응급실 입원에서 응급실 퇴원까지의 시간 0~24시간.
CDDS 쿼리 수
응급실 입원에서 응급실 퇴원까지의 시간 0~24시간.
의사 신뢰도 교정, 조언 추구 및 협업
기간: 최대 9개월까지 정의할 정확한 시점. 2022년 6월부터 2023년 3월까지
의사의 관찰 또는 인터뷰 및 의사와의 포커스 그룹과 같은 정성적 방법으로 평가합니다(직접 관련된 환자 없음).
최대 9개월까지 정의할 정확한 시점. 2022년 6월부터 2023년 3월까지
입원 기간
기간: 입원에서 퇴원까지의 시간, 최대 18일
환자가 입원한 일수(입원한 경우)
입원에서 퇴원까지의 시간, 최대 18일
응급실의 자원 소비
기간: 응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
응급실에서 자원 소비(인력 및 진단을 위한 총 비용)
응급실 입원에서 응급실 퇴원까지의 시간, 최대 24시간
자원 소비
기간: 응급실 입원에서 응급실 퇴원까지의 시간, 최대 18일
입원 중 자원 소비(인력 및 진단을 위한 총 비용)
응급실 입원에서 응급실 퇴원까지의 시간, 최대 18일

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 수석 연구원: Wolf Hautz, Prof. MD, Prof. MD

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 6월 9일

기본 완료 (실제)

2023년 7월 13일

연구 완료 (실제)

2023년 7월 13일

연구 등록 날짜

최초 제출

2022년 3월 21일

QC 기준을 충족하는 최초 제출

2022년 4월 25일

처음 게시됨 (실제)

2022년 4월 26일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2023년 7월 21일

QC 기준을 충족하는 마지막 업데이트 제출

2023년 7월 20일

마지막으로 확인됨

2023년 7월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

IPD 계획 설명

중첩 연구에 IPD를 사용하려는 연구자는 후원자-연구자에게 제안서를 제출하고 허가를 요청해야 합니다. 계획된 분석을 설명하는 개념 시트는 스폰서-조사자 및 참여 사이트의 PI의 승인을 받아야 합니다. 중첩된 연구에는 별도의 윤리 허가가 필요할 수 있습니다.

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

구독하다