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

Evalueer de behandelingsresultaten voor een AI-hulpmiddel voor het verzamelen van informatie voor klinische beoordelingen in de geestelijke gezondheidszorg

9 maart 2023 bijgewerkt door: Limbic Limited
In de voorgestelde studie willen de onderzoekers een AI-prototype testen dat adaptief informatie verzamelt over de psychische symptomen van een patiënt op het moment van verwijzing om de klinische beoordeling te ondersteunen en te vergemakkelijken.

Studie Overzicht

Gedetailleerde beschrijving

In de voorgestelde studie willen de onderzoekers een AI-prototype testen dat adaptief informatie verzamelt over de psychische symptomen van een patiënt op het moment van verwijzing om de klinische beoordeling te ondersteunen en te vergemakkelijken.

Het AI-systeem bestaat uit een machine learning-model dat een probabilistische voorspelling produceert over de meest waarschijnlijke problemen van een patiënt (verschillende diagnoses rangschikken op basis van hun waarschijnlijkheid) op basis van standaard verwijzingsinformatie verzameld via Limbic Access (bijv. vrije tekstbeschrijving van de symptomen van de patiënt, GAD-7 & PHQ-9 enz.). Op basis van de ML-voorspelling zullen maximaal twee aanvullende angststoornisspecifieke maatregelen (ADSM) worden toegediend om aanvullende inzichten te verzamelen over de specifieke psychische symptomen die de patiënt ervaart (d.w.z. afgestemd op de specifieke patiënt). De verzamelde ADSM-scores zullen worden toegevoegd aan de definitieve verwijzingsinformatie om de klinische beoordeling te ondersteunen en te vergemakkelijken en uiteindelijk het diagnoseproces te verbeteren terwijl klinische tijd wordt bespaard. Voor deze studie zal het AI-model alleen functioneren als een ondersteunend hulpmiddel voor de klinische beoordeling door vooraf aanvullende gegevens te verzamelen.

De onderzoekers zijn met name geïnteresseerd in het evalueren of de door AI ondersteunde informatieverzameling de behandelingsresultaten, de betrouwbaarheid van de klinische beoordeling verbetert, de wachttijden en beoordelingstijden vermindert en de uitval van behandelingen vermindert.

Studietype

Ingrijpend

Inschrijving (Verwacht)

5400

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.

Studiecontact

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

16 jaar en ouder (Kind, Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Beschrijving

Inclusiecriteria:

  • Deelnemer voldoet aan de minimumleeftijd voor de dienst
  • De geregistreerde huisarts van de deelnemer bevindt zich in het verzorgingsgebied van de IAPT CCG

Uitsluitingscriteria:

  • Deelnemers die in een crisis verkeren (gedefinieerd door dringende zorg nodig te hebben of een dringend risico op schade te lopen)

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: Parallelle opdracht
  • Masker: Dubbele

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Actieve vergelijker: Standaard limbische toegang
In deze arm zullen deelnemers verwijzen via het standaardpad van limbische toegang. Tijdens dit proces verstrekken patiënten de minimaal benodigde informatie (bijv. demografische informatie) evenals wat basisinformatie over hun ervaren psychische symptomen (bijv. PHQ-9 en GAD-7). Deze informatie wordt toegevoegd aan de verwijzing die vóór de klinische beoordeling aan de clinicus wordt verstrekt.
Relevante informatie voor klinische verwijzing (bijv. demografische gegevens) en klinische basisinformatie (bijv. PHQ-9- en Gad-7-scores) worden verzameld tijdens het zelfverwijzingsproces, dat vervolgens wordt toegevoegd aan de verwijsnotities om de klinische beoordeling door de clinicus te vergemakkelijken.
Experimenteel: Limbische toegang met AI
Geef in deze arm alle informatie op zoals in het standaard Limbic Access-pad. Op basis van deze informatie wordt een machine-learningmodel gebruikt om het meest waarschijnlijke probleem te voorspellen, op basis waarvan maximaal twee aanvullende angstspecifieke maatregelen worden genomen om meer op maat gemaakte informatie te verzamelen over de ervaren psychische symptomen van de patiënt. Alle informatie is toegevoegd aan de verwijzing die vóór de klinische beoordeling aan de clinicus is verstrekt.

Dezelfde informatie als in het limbische toegangspad wordt verzameld. Echter, aanvullende informatie (d.w.z. stoornisspecifieke vragenlijsten) worden verzameld voor de meest waarschijnlijke probleemdescriptoren op basis van de voorspellingen van het ML-model.

Alle informatie is bij de verwijzing gevoegd om de klinische beoordeling door de clinicus te vergemakkelijken.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Verandering van basislijndepressiescore naar nabehandeling
Tijdsspanne: De definitie van betrouwbare en klinisch significante verbetering is gebaseerd op een vergelijking van de klinische score vóór de behandeling (op het moment van verwijzing, op de dag van toestemming) en de klinische score na de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden).
Het primaire resultaat wordt gedefinieerd als een betrouwbare en klinisch significante verbetering van de klinische scores na de behandeling. Hierbij zullen de onderzoekers testen op veranderingen in depressiescores met behulp van Patient Health Questionnaire-9 (PHQ-9: posttreatment scores
De definitie van betrouwbare en klinisch significante verbetering is gebaseerd op een vergelijking van de klinische score vóór de behandeling (op het moment van verwijzing, op de dag van toestemming) en de klinische score na de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden).
Verandering van baseline angstscore naar na behandeling
Tijdsspanne: De definitie van betrouwbare en klinisch significante verbetering is gebaseerd op een vergelijking van de klinische score vóór de behandeling (op het moment van verwijzing, op de dag van toestemming) en de klinische score na de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden).
Het primaire resultaat wordt gedefinieerd als een betrouwbare en klinisch significante verbetering van de klinische scores na de behandeling. Hierbij testen we op veranderingen in angstscores met behulp van Generalized Anxiety Disorder Assessment (GAD-7: posttreatment scores
De definitie van betrouwbare en klinisch significante verbetering is gebaseerd op een vergelijking van de klinische score vóór de behandeling (op het moment van verwijzing, op de dag van toestemming) en de klinische score na de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden).
Verandering in diagnose
Tijdsspanne: De overeenstemmingsscore wordt gebaseerd op een vergelijking van de diagnose bij de eerste beoordeling (vóór de eerste behandelsessie) en de diagnoses aan het eind van de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden na verwijzing).

Verbeterde diagnose wordt gemeten als de overeenkomst tussen de diagnose bij de eerste klinische beoordeling en de diagnose aan het einde van de behandeling. Tijdens de behandeling in IAPT worden de diagnoses tijdens de behandeling continu beoordeeld om zo nodig de behandeling naar boven of naar beneden bij te stellen. De overeenstemming van diagnoses op deze twee tijdstippen zal worden gecodeerd als een binaire variabele ("overeenkomst" versus "onenigheid").

De onderzoekers meten het percentage patiënten waarvan de diagnose bij klinische beoordeling overeenkomt met de diagnoses aan het einde van de behandeling als maatstaf voor de betrouwbaarheid van de initiële diagnose

De overeenstemmingsscore wordt gebaseerd op een vergelijking van de diagnose bij de eerste beoordeling (vóór de eerste behandelsessie) en de diagnoses aan het eind van de behandeling (beoordeeld op het moment van ontslag, gemiddeld 5 maanden na verwijzing).
Klinische beoordelingstijden
Tijdsspanne: Deze maatregel zal beschikbaar zijn na de klinische beoordeling (tot gemiddeld 1 maand na toestemming).
Verbeterde klinische efficiëntie zal worden aangegeven door kortere beoordelingstijden, gemeten aan de hand van de gemiddelde tijd per klinische beoordeling (in minuten).
Deze maatregel zal beschikbaar zijn na de klinische beoordeling (tot gemiddeld 1 maand na toestemming).
Wachttijden voor beoordeling
Tijdsspanne: Deze maatregel zal beschikbaar zijn na de klinische beoordeling (tot gemiddeld 1 maand na toestemming).
Wachttijden van patiënten voor beoordeling worden gemeten als de tijd tussen de datum van zelfverwijzing en de datum van de klinische beoordeling.
Deze maatregel zal beschikbaar zijn na de klinische beoordeling (tot gemiddeld 1 maand na toestemming).
Wachttijden voor behandeling
Tijdsspanne: Deze maatregel zal beschikbaar zijn na de start van de behandeling (tot gemiddeld 4 maanden na toestemming).
Wachttijden van patiënten voor behandeling worden gemeten als de tijd tussen de datum van beoordeling en de datum van de eerste behandelingssessie
Deze maatregel zal beschikbaar zijn na de start van de behandeling (tot gemiddeld 4 maanden na toestemming).

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Verwijzingsuitvalpercentages
Tijdsspanne: Tijdens chatbot-interactie (dag 1)
Uitval door verwijzing door patiënten wordt gemeten als elke persoon die ermee heeft ingestemd deel te nemen aan het onderzoek, maar niet alle gevraagde klinische informatie heeft ingevuld tijdens het verwijzingsproces.
Tijdens chatbot-interactie (dag 1)
Beoordeling uitvalpercentages
Tijdsspanne: Op het moment van beëindiging van de behandeling met behulp van standaard IAPT-definities (beoordeeld tot 3 maanden)
Uitval bij klinische beoordeling wordt gemeten als elke annulering of "Niet aanwezig"-gebeurtenis voor patiënten die met succes een klinische beoordeling hebben gehad (bijv. tijd en datum) georganiseerd. Het behandelcohort (Limbic Access met AI-pad) zal ter vergelijking worden geëvalueerd tegen een cohort van patiënten die het standaardpad van limbisch toegang doorlopen via dezelfde diensten en gedurende hetzelfde tijdvenster als de studie.
Op het moment van beëindiging van de behandeling met behulp van standaard IAPT-definities (beoordeeld tot 3 maanden)
Behandelingsuitvalpercentages
Tijdsspanne: Op het moment van beëindiging van de behandeling met behulp van standaard IAPT-definities (beoordeeld tot 3 maanden)
Het uitvallen van de behandeling wordt gemeten met behulp van een "uitval"-label dat door de behandelende arts wordt toegevoegd aan het patiëntendossier in het patiëntenbeheersysteem van de dienst wanneer er een uitval optreedt. Het behandelingscohort (Limbic Access + AI-traject) zal ter vergelijking worden geëvalueerd ten opzichte van een cohort van patiënten die het standaardtraject van limbisch toegang doorlopen via dezelfde diensten en gedurende hetzelfde tijdvenster als de studie.
Op het moment van beëindiging van de behandeling met behulp van standaard IAPT-definities (beoordeeld tot 3 maanden)

Andere uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Overeenstemmingspercentage tussen de probabilistische modelvoorspelling (in de Limbic Access +AI-route) en de klinische diagnose.
Tijdsspanne: De diagnose van de clinicus wordt beoordeeld op het moment van de klinische beoordeling (beoordeeld tot 1 maand).
Kappa voor elke diagnose wordt berekend als overeenstemmingsscore tussen de modelvoorspelling en de diagnose bij klinische beoordeling.
De diagnose van de clinicus wordt beoordeeld op het moment van de klinische beoordeling (beoordeeld tot 1 maand).
Bias in de voorspellende kracht van het model met betrekking tot bepaalde demografische patiëntgegevens
Tijdsspanne: Demografische gegevens worden vastgelegd op het punt van verwijzing op de dag dat deelnemers hun toestemming geven.
Percentage overeenstemming tussen modelvoorspelling en klinische diagnose voor verschillende demografische groepen
Demografische gegevens worden vastgelegd op het punt van verwijzing op de dag dat deelnemers hun toestemming geven.

Medewerkers en onderzoekers

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

Sponsor

Medewerkers

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 (Werkelijk)

28 februari 2023

Primaire voltooiing (Verwacht)

10 juli 2023

Studie voltooiing (Verwacht)

10 april 2024

Studieregistratiedata

Eerst ingediend

28 april 2022

Eerst ingediend dat voldeed aan de QC-criteria

9 augustus 2022

Eerst geplaatst (Werkelijk)

10 augustus 2022

Updates van studierecords

Laatste update geplaatst (Werkelijk)

13 maart 2023

Laatste update ingediend die voldeed aan QC-criteria

9 maart 2023

Laatst geverifieerd

1 maart 2023

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • Limbic-303303

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 .

Klinische onderzoeken op Geestelijke gezondheidskwestie

3
Abonneren