Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Effectiviteit van een beslissingsondersteunend systeem bij het verbeteren van de diagnose en het screeningspercentage van borstkanker

13 april 2012 bijgewerkt door: Damian Borbolla, Hospital Italiano de Buenos Aires

Het is aangetoond dat klinische beslissingsondersteuning de prestaties van screeningtests verbetert; er zijn echter maar weinig onderzoeken die direct klinisch voordeel hebben gedocumenteerd als gevolg van de toegenomen screening die wordt bevorderd door klinische beslissingsondersteunende systemen.

Het doel van deze studie was om te bepalen of een op standaarden gebaseerd, geavanceerd beslissingsondersteunend systeem niet alleen aanvullende screening op borstkanker zou kunnen bevorderen, maar ook aanzienlijk meer borstkanker zou kunnen opsporen

Studie Overzicht

Gedetailleerde beschrijving

Borstkanker is de meest voorkomende kanker bij vrouwen. In de Verenigde Staten de tweede meest voorkomende doodsoorzaak door kanker bij vrouwen en de belangrijkste doodsoorzaak bij vrouwen van 45 tot 55 jaar oud. De U.S. Preventive Services Task Force beveelt screeningmammografie aan, met of zonder klinisch borstonderzoek, om de één tot twee jaar bij vrouwen van 50 tot 69 jaar oud.

Recent onderzoek heeft aangetoond dat de gezondheidszorg die in geïndustrialiseerde landen wordt geleverd, vaak tekortschiet op het gebied van optimale, evidence-based zorg. Amerikaanse volwassenen krijgen slechts ongeveer de helft van de aanbevolen zorg. Om deze tekortkomingen in de zorg aan te pakken, wenden zorgorganisaties zich steeds meer tot klinische besluitvormingsondersteunende systemen. Een klinisch beslissingsondersteunend systeem is elk computerprogramma dat is ontworpen om beroepsbeoefenaren in de gezondheidszorg te helpen bij het nemen van klinische beslissingen. In zekere zin is elk computersysteem dat zich bezighoudt met klinische gegevens of kennis bedoeld om beslissingen te ondersteunen.

Voorbeelden zijn onder meer handmatige of computergebaseerde systemen die zorgherinneringen koppelen aan de dossiers van patiënten die specifieke preventieve zorgdiensten nodig hebben en geautomatiseerde orderinvoersystemen voor artsen die patiëntspecifieke aanbevelingen geven als onderdeel van het orderinvoerproces. Het is aangetoond dat dergelijke systemen de voorschrijfpraktijken verbeteren, ernstige medicatiefouten verminderen, de levering van preventieve zorgdiensten verbeteren en de naleving van de aanbevolen zorgstandaarden verbeteren.

Het doel van deze studie is om de effectiviteit aan te tonen van een beslissingsondersteunend systeem als strategie voor het verbeteren van de prestaties van het mammografiezorgproces en het opsporen van significant meer borstkanker.

Studietype

Ingrijpend

Inschrijving (Verwacht)

2200

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

50 jaar tot 69 jaar (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Vrouw

Beschrijving

Inclusiecriteria:

  • Vrouwen tussen de 50 en 69 jaar

Uitsluitingscriteria:

  • Borstneoplasmata
  • Bilaterale borstamputatie
  • Gehandicapte personen

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Diagnostisch
  • Toewijzing: Gerandomiseerd
  • Interventioneel model: Opdracht voor een enkele groep
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Geen tussenkomst: controle
Experimenteel: Elektronische herinnering
waarschuwing van het SEBASTIAN-beslissingsondersteunende systeem
SEBASTIAN is een voorbeeld van een klinische beslissingsondersteunende technologie die de nieuwste, op services gebaseerde architecturale benadering van CDSS-implementatie ondersteunt. SEBASTIAN, ontwikkeld aan de Duke University, is een webservice voor klinische beslissingsondersteuning waarvan de interface nu de basis vormt van de ontwerpstandaard van de HL7-beslissingsondersteunende dienst. SEBASTIAN plaatst een gestandaardiseerde interface voor kennismodules voor klinische beslissingsondersteuning en stelt slechts beperkte eisen aan hoe relevante patiëntgegevens worden verzameld of over hoe beslissingsondersteunende gevolgtrekkingen worden gecommuniceerd aan eindgebruikers

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aantal deelnemers met nieuwe diagnose van borstneoplasmata (incidentgevallen)
Tijdsspanne: 18 maand
Nieuwe diagnose van borstneoplasmata (incidentgevallen uit biopsierapporten). Borstneoplasmata worden opgeslagen in de institutionele Clinical Data Repository. De diagnose wordt automatisch gecodeerd met behulp van een terminologieserver die SNOMED-CT als referentieterminologie gebruikt
18 maand

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aantal patiënten met screening op borstkanker die de opdracht hebben gekregen om het onderzoek uit te voeren (mammografie)
Tijdsspanne: 18 maand
Aantal patiënten met screening op borstkanker dat de opdracht heeft gekregen om het onderzoek uit te voeren (mammografie). Deze informatie wordt geregistreerd via de opslagplaats voor klinische gegevens telkens wanneer een zorgverlener een screeningstest bestelt voor elk van de patiënten die bij het onderzoek betrokken zijn
18 maand

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Medewerkers

Onderzoekers

  • Hoofdonderzoeker: Damian A Borbolla, MD, Hospital Italiano de Buenos Aires

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start

1 november 2009

Primaire voltooiing (Werkelijk)

1 juni 2011

Studie voltooiing (Verwacht)

1 juni 2012

Studieregistratiedata

Eerst ingediend

14 april 2011

Eerst ingediend dat voldeed aan de QC-criteria

14 april 2011

Eerst geplaatst (Schatting)

15 april 2011

Updates van studierecords

Laatste update geplaatst (Schatting)

17 april 2012

Laatste update ingediend die voldeed aan QC-criteria

13 april 2012

Laatst geverifieerd

1 april 2012

Meer informatie

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren