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

Veiligheid en betrouwbaarheid van door kunstmatige intelligentie gestuurde symptoombeoordeling bij kinderen en adolescenten

3 december 2020 bijgewerkt door: Turku University Hospital

Digitale gezondheidstechnologieën (DHT) worden steeds meer ontwikkeld om gezondheidszorgsystemen over de hele wereld te ondersteunen. Het ontbreekt hen echter vaak aan evidence-based medicine en medische validatie. In de westerse landen bestaat er een grote behoefte om de middelen voor de gezondheidszorg nauwkeurig toe te wijzen en de bevolking gedetailleerde en betrouwbare gezondheidsinformatie te geven, zodat ze meer verantwoordelijkheid voor hun gezondheid kunnen nemen. Een intelligent beheersysteem voor patiëntenstromen (IPFM, productnaam Klinik Frontline) is ontwikkeld om aan deze behoeften te voldoen. In de praktijk wordt IPFM gebruikt voor beslissingsondersteuning bij de triage en diagnostische processen en voor het automatiseren van het beheer van de instroom van patiënten. De kern van de IPFM is een klinische kunstmatige intelligentie (AI), die gebruik maakt van een uitgebreide medische database van klinische correlaties gegenereerd door artsen.

De onderzoekspopulatie van dit onderzoek bestaat uit patiënten van de Pediatric Emergency Clinic van het Universitair Ziekenhuis Turku (TUH). Gedurende een proefperiode van 6 maanden worden gegevens verzameld, waarna de resultaten worden geanalyseerd. Het verwachte aantal patiënten voor de studie is minimaal 500 patiënten, met als doel 1 000. Wanneer ze naar het ziekenhuis gaan, zullen patiënten of hun voogden hun demografische gegevens, achtergrondinformatie en symptomen rapporteren met behulp van een gestructureerd online IPFM-formulier. De resultaten van IPFM zijn verblind voor de zorgprofessional en IPFM heeft geen invloed op de klinische besluitvorming van de professional. De gegevens verkregen uit het online IPFM-formulier en klinische gegevens van de afdeling spoedeisende hulp en de TUH zullen na de gegevensverzameling worden geanalyseerd. Het belangrijkste doel van het onderzoek is om het gebruik van IPFM te valideren door de associatie van IPFM-output met 1) urgentie en ernst van de aandoeningen te evalueren; en 2) daadwerkelijke diagnoses die door artsen zijn gesteld. De belangrijkste hypothesen van het onderzoek zijn dat 1) IPFM veilig en gevoelig is bij het evalueren van de urgentie van de omstandigheden van aankomende patiënten op de afdeling spoedeisende hulp en dat 2) IPFM voldoende correlatie heeft tussen differentiële diagnose en daadwerkelijke diagnose door arts.

Studie Overzicht

Toestand

Onbekend

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Verwacht)

1000

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

1 seconde tot 17 jaar (KIND)

Accepteert gezonde vrijwilligers

Ja

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Kinderen en adolescenten van alle leeftijden en comorbiditeit

Beschrijving

Inclusiecriteria:

  • alle patiënten op de spoedeisende hulp met acute klachten

Uitsluitingscriteria:

  • Noodsituatie

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

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Kinderen en adolescentie
AI gestuurd triage-systeem

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Noodernstindex (ESI)
Tijdsspanne: 1.12.2020-31.12.2021
AI-gestuurde geautomatiseerde analyse van triage-urgentie (ESI-index) zal worden vergeleken met de index geschat door zorgprofessionals
1.12.2020-31.12.2021

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Primaire diagnose
Tijdsspanne: 1.12.2020-31.12.2021
AI-gestuurde geautomatiseerde diagnoseanalyse zal worden vergeleken met de diagnose geschat door zorgprofessionals
1.12.2020-31.12.2021

Medewerkers en onderzoekers

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

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 (VERWACHT)

1 december 2020

Primaire voltooiing (VERWACHT)

1 juni 2021

Studie voltooiing (VERWACHT)

1 december 2021

Studieregistratiedata

Eerst ingediend

26 november 2020

Eerst ingediend dat voldeed aan de QC-criteria

3 december 2020

Eerst geplaatst (WERKELIJK)

10 december 2020

Updates van studierecords

Laatste update geplaatst (WERKELIJK)

10 december 2020

Laatste update ingediend die voldeed aan QC-criteria

3 december 2020

Laatst geverifieerd

1 november 2020

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • ETMK Dnro: 68 /1801/2020

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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