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

수술 전후 관리에서 기계 학습 기반 임상 의사 결정 지원 알고리즘의 영향 (IMAGINATIVE)

2023년 3월 29일 업데이트: Singapore General Hospital

수술 전후 관리에서 기계 학습 기반 임상 의사 결정 지원 알고리즘의 영향 - 무작위 대조 시험(IMGINATIVE 시험)

수술 위험을 예측하는 것은 의사 결정 과정 및 관리 계획을 공유하기 위해 환자와 임상의에게 중요합니다. 연구 팀은 하이브리드 유형 1 효율성 구현 연구 설계를 수행하는 것을 목표로 합니다. 싱가포르 종합 병원(SGH)에서 수술을 받는 참가자가 CARES 안내(위험 수준에 대해 눈가림 없음) 또는 안내되지 않은(위험 수준에 대해 눈가림) 그룹에 1:1 비율로 할당되는 무작위 통제 시험. SGH에서 선택적 수술을 받는 모든 참가자는 연구에 등록할 자격이 있는 것으로 간주됩니다. 선택적 수술의 경우 참가자는 주로 Pre-admission Centre에서 모집됩니다. 이 연구의 결과는 환자와 임상의가 함께 더 나은 결정을 내리는 데 도움이 될 것입니다. 첫째, 라이브 임상 환경에서 CARES 모델을 배포하면 잠재적으로 수술 후 합병증을 줄이고 외과 치료 제공의 품질을 향상시킬 수 있습니다. 이 연구의 결과를 통해 CARES를 미세 조정할 수 있을 뿐만 아니라 사망 및 ICU 체류 이외의 특정 합병증에 대한 추가 위험 모델을 추가로 배치할 수 있습니다. 이는 수술 인구의 건강을 개선하고 비용 효율성을 향상시킬 것입니다. 이는 치료에 대한 접근성 향상, 더 나은 기술 및 고령화 인구로 인해 수술 인구가 지속적으로 증가할 것으로 예상되기 때문에 중요합니다. 둘째, IMAGINATIVE는 의료 분야에서 AI/ML 예측 모델의 배포 전략에 대한 이해를 높이는 데 도움이 될 것입니다. CARES와 같은 모델은 환자의 건강 결과를 개선하는 것으로 입증되면 미래의 표준 치료가 될 수 있습니다. 모델 배포는 비용이 많이 들고 EMR 프로세스에 지장을 줄 수 있으므로 이 연구는 이러한 모델 배포의 가치를 개선하는 데 초점을 맞춘 향후 배포 및 의료 서비스 연구를 위한 초기 불꽃이 될 것입니다.

연구 개요

상태

아직 모집하지 않음

정황

개입 / 치료

연구 유형

중재적

등록 (예상)

9200

단계

  • 해당 없음

연락처 및 위치

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

연구 연락처

연구 장소

  • 싱가포르
      • Singapore, 싱가포르
        • Singapore General Hospital
        • 부수사관:
          • Ecosse Lamoureux, PHD
        • 연락하다:
        • 수석 연구원:
          • Hairil Rizal Abdullah, MMED
        • 부수사관:
          • Elaine Lum, PHD
        • 부수사관:
          • Nan Liu, PHD
        • 부수사관:
          • Mengling Feng, PHD
        • 부수사관:
          • Jacqueline Sim Xiu Ling, MBBS
        • 부수사관:
          • Brian Goh Kim Poh, MBBS
        • 부수사관:
          • Gek Hsiang Lim, MSC
        • 부수사관:
          • Marcus Ong Eng Hock, MPH

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

  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

설명

포함 기준:

  1. 환자 >=21세
  2. 선택적 수술을 받으러 가는 환자

반구조화된 인터뷰의 경우:

1. 연구 시험 기간 동안 CARES를 사용한 모든 임상의 또는 간호사

제외 기준:

  1. 정신 능력이 저하된 환자
  2. 동의할 수 없는 환자

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 다른
  • 할당: 무작위
  • 중재 모델: 병렬 할당
  • 마스킹: 없음(오픈 라벨)

무기와 개입

참가자 그룹 / 팔
개입 / 치료
활성 비교기: CARES 안내 그룹
개입
다른: CARES 안내 그룹
CARES 안내 팔에 무작위 배정된 참가자는 CARES 점수를 계산하고 전자 의료 기록(EMR) 내의 마취 전 평가 전자 양식에 입력합니다. 이 점수와 관련 조언은 이 전자 양식에 눈에 띄게 표시됩니다. (이 팔의 참가자는 일상적인 연습 외에도 이 개입을 받게 됩니다).
간섭 없음: 비 CARES 안내 그룹
컨트롤 - 컨트롤 암에 무작위 배정된 참가자는 현재 관행에 따라 CARES 계산기 계산 없이 전자 형식으로 일상적인 마취 전 평가를 계속 받습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
수술 전후 사망률의 변화
기간: 오년
기계 학습 임상 의사 결정 지원(ML-CDS)의 효과를 평가합니다. 가설: CARES 안내 그룹은 위험에 대한 임상의의 인식 증가로 인해 1년 사망률이 상대적으로 30% 감소할 것입니다.
오년

2차 결과 측정

결과 측정
측정값 설명
기간
수술 후 잠재적으로 피할 수 있는 계획된 ICU 입원의 변화
기간: 오년
중요하고 비용이 많이 드는 병원 자원인 ICU 병상 활용을 최적화하는 ML-CDS 알고리즘의 효과를 평가하기 위해 가설: CARES 안내 그룹에서 수술 후 잠재적으로 피할 수 있는 계획된 ICU 입원이 25% 상대적으로 감소할 것입니다.
오년

기타 결과 측정

결과 측정
측정값 설명
기간
마취 전문의, 집중 전문의, 외과 의사 및 간호사 사이에서 CARES의 CDS 권장 사항 채택률의 변화
기간: 오년
채택 및 수용 가능성을 평가하고 임상 환경에서 환자 안전을 개선하도록 설계된 ML 기반 예측 애플리케이션에 대한 사용자 경험 및 우려 사항을 이해합니다. 가설: CARES의 CDS 권장 사항은 각각 마취 전문의, 집중 전문의, 외과 의사 및 간호사 사이에서 많이 채택되고 있습니다.
오년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

Singapore General Hospital

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 (예상)

2023년 5월 1일

기본 완료 (예상)

2027년 7월 1일

연구 완료 (예상)

2027년 12월 1일

연구 등록 날짜

최초 제출

2023년 3월 14일

QC 기준을 충족하는 최초 제출

2023년 3월 29일

처음 게시됨 (실제)

2023년 4월 12일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2023년 4월 12일

QC 기준을 충족하는 마지막 업데이트 제출

2023년 3월 29일

마지막으로 확인됨

2023년 3월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • IMAGINATIVE Trial

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

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. .

기계 학습에 대한 임상 시험

CARES 안내 그룹에 대한 임상 시험

유사한 임상시험 검색

스폰서 및 공동 작업자

건강 상태

약물 개입

CROs by country

CROs in Rwanda

정황

희귀 질병

약물 개입

식이 보충제

스폰서 / 협력자

위치

구독하다