- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT06792890
Een gerandomiseerde gecontroleerde proef van ambient kunstmatige intelligentie scribe technologieën (AIScribe RCT)
Een gerandomiseerde gecontroleerde studie van twee ambient kunstmatige intelligentieschrijver technologieën om de documentatie -efficiëntie te verbeteren en de burn -out van artsen te verminderen
Dit is een pragmatische RCT met drie armigen van 238 poliklinieken bij een groot academisch gezondheidssysteem, gerandomiseerd 1: 1: 1 tot een van de twee AI-schrijverstools of een gebruikelijke zorgcontrolegroep. De twee maanden durende studie zal de effecten van elke tool observeren en vergelijken voorafgaand aan systeembrede uitrol van geselecteerd gereedschap (verwacht voorjaar 2025). We zullen randomisatie met covariate beperkte gebruiken om de armen in evenwicht te brengen in termen van de baseline-tijd van artsen in notes, enquête gemeten burn-out en kliniek dagen per week.
Het primaire doel van het initiatief is het verbeteren van de kwaliteit, efficiëntie en bedrijfsactiviteiten aan de University of California, Los Angeles (UCLA) gezondheid, en dit initiatief wordt niet gedaan voor onderzoeksdoeleinden. De resultaten van dit operationele initiatief zullen de wijdverbreide rol van AI Scribe -tools in alle providers binnen het UCLA -gezondheidssysteem informeren. Desalniettemin is het UCLA-onderzoeksteam van plan om de impact van deze interventie in het gezondheidssysteem rigoureus te onderzoeken en te publiceren, en daarom heeft het studieteam het initiatief vooraf geregistreerd.
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
Deze studie zal operationeel georiënteerde resultaten in alle groepen beoordelen. Met name zullen alle groepen uiteindelijk alle interventies in de loop van de tijd ontvangen in deze observationele studie van een gerandomiseerde uitrol van een QI -initiatief. Bovendien is het primaire doel van dit initiatief operationeel. Met andere woorden, op basis van de resultaten van dit initiatief, zal een van deze tools uiteindelijk worden geselecteerd en op grote schaal worden geoperationaliseerd in het gezondheidssysteem.
Ingeschreven deelnemers worden gerandomiseerd naar een van de drie groepen. Randomisatie was nodig om seculiere trends, seizoensgebonden en vakantie -effecten te overwinnen in december, en andere factoren die de relatie tussen blootstelling aan de AI -tools en de resultaten verwarren.
Het primaire doel van deze studie is om de impact te evalueren van twee ambient AI Scribe -technologieën op de verandering van artsen uit de basistijd die wordt besteed aan EPD -documentatie, waarbij elke schrijver wordt vergeleken met een controlegroep. Secundaire doelstellingen omvatten het beoordelen van de impact van de AI -schriftgeleerden op de statistieken van artsen zoals burn -out, arts tevredenheid en productiviteit. Bovendien is het studieteam van plan een economische evaluatieanalyse uit te voeren van de tools om de zakelijke besluitvorming te begeleiden. Het studieteam zal ook een arts analyseren gerapporteerde effecten van de AI -tools op de veiligheid van de patiënt, het eigen vermogen en eventuele onbedoelde gevolgen van het initiatief.
Studietype
Inschrijving (Werkelijk)
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
California
-
Los Angeles, California, Verenigde Staten, 90024
- UCLA Health System
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Beschrijving
Inclusiecriteria:
- Artsen voor ambulante zorg binnen het UCLA-gezondheidssysteem die ten minste een halve dag van de kliniek per week vasthielden
Uitsluitingscriteria:
- Stagiair -aanbieders (bijv. Inwoners, medische studenten) en geallieerde zorgverleners (bijv. RNS, PAS)
- Inwesters die uitsluitend met stagiairs werken
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Onderzoek naar gezondheidsdiensten
- Toewijzing: Gerandomiseerd
- Interventioneel model: Opdracht voor een enkele groep
- Masker: Enkel
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Ander: Nabla, leverancier van virtuele AI Scribe Technology
Deelnemers aan deze arm zullen AI Scribe -tools van Nabla gebruiken en zullen hun gebruikelijke klinische documentatieprocessen voortzetten, ondersteund door de Scribe Software, die integreert met de EPD en automatisch de gegenereerde tekst aan de notitie toevoegt.
De Nabla AI Scribe -tool is transcriptioneel en biedt geen klinische beslissingsondersteuning.
|
AI Scribe-technologieën maken gesprekken van arts-patiënt vast om een transcript te maken en vat vervolgens het transcript samen in de vorm van een klinische opmerkingen. Deze tools zijn geïntegreerd in de EPD en voegt automatisch de gegenereerde tekst toe aan de noot van de provider. Alle artsen moeten patiënten informeren over de opname en hun verbale toestemming verkrijgen, en gevallen van patiënten die weigeren toestemming te volgen. Nabla maakt gebruik van zijn eigen spraak-to-text om het gesprek te transformeren in een schriftelijke context, gecombineerd met HIPAA-compatibele grote taalmodellen (LLM) zoals Azure Openai's GPT-4. Nabla slaat geen audio op. |
|
Ander: Leverancier B van virtuele AI Scribe Technology
Deelnemers aan deze arm zullen AI Scribe -tools van leverancier B gebruiken en zullen hun gebruikelijke klinische documentatieprocessen voortzetten, ondersteund door de Scribe Software, die integreert met de EPD en automatisch de gegenereerde tekst aan de notitie toevoegt.
De AI Scribe -tool is transcriptioneel en biedt geen klinische beslissingsondersteuning.
|
AI Scribe-technologieën maken gesprekken van arts-patiënt vast om een transcript te maken en vat vervolgens het transcript samen in de vorm van een klinische opmerkingen.
Deze tools zijn geïntegreerd in de EPD en voegt automatisch de gegenereerde tekst toe aan de noot van de provider.
Alle artsen moeten patiënten informeren over de opname en hun verbale toestemming verkrijgen, en gevallen van patiënten die weigeren toestemming te volgen.
|
|
Geen tussenkomst: Geen schrijver
Deelnemers aan deze arm hebben geen toegang tot AI Scribe -tools en zullen hun gebruikelijke klinische documentatieprocessen voortzetten
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Verandering in de tijd in notities per notitie
Tijdsspanne: Onderzoeksmaand 2
|
De primaire uitkomstmaat is de verandering in de gemiddelde tijd van zorgverleners voor aantekeningen per aantekening in de tweede maand van de proef ten opzichte van de basislijn van de gemiddelde tijd van zorgverleners voor aantekeningen per aantekening gedurende de zes maanden voorafgaand aan inschrijving.
Deze verandering zal worden berekend op de natuurlijke logaritmeschaal. Er wordt geen informatie op patiëntniveau verzameld voor deze uitkomstmaat. |
Onderzoeksmaand 2
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Burnout -score van de provider
Tijdsspanne: Studiemaand 2
|
De Mini Z 2.0-enquête is een gevalideerd instrument van 10 items dat is ontworpen om belangrijke factoren te meten die de tevredenheid op de werkplek en burn-out onder zorgprofessionals beïnvloeden.
Elk item wordt gescoord op een Likert -schaal (1-5), waarbij hogere scores in het algemeen wijzen op meer positieve resultaten - grotere arbeidstevredenheid, toereikendheid van tijd voor elektronische medische dossierdocumentatie en lagere niveaus van stress.
Voor negatief ingelijste items (bijv. Stress vanwege de baan of frustratie met het elektronische medische dossier), duiden hogere scores aan lagere niveaus van ontevredenheid.
De totale score varieert van 10 tot 50, met scores ≥40 die een vreugdevolle werkplek vertegenwoordigen.
Voor deze uitkomstmaat wordt geen informatie op patiëntniveau verzameld.
|
Studiemaand 2
|
|
Verandering in EHR -signaal (activiteit) gegevens - pyjamatijd
Tijdsspanne: Studiemaand 2
|
We zullen verandering onderzoeken van een retrospectieve basislijn 6 maanden voorafgaand aan de inschrijving in signaalstatistieken, waaronder pyjama -tijd per geplande dag.
Het gebruik van deze gegevens zal bepalen hoe de tijd van een providers wordt gebruikt in de EPD.
Voor deze uitkomstmaat wordt geen informatie op patiëntniveau verzameld.
|
Studiemaand 2
|
|
Provider Task Load Score
Tijdsspanne: Studiemaand 2
|
De taakbelasting van de provider aangepast van de NASA Task Load Index (TLX), een gevalideerd instrument voor het beoordelen van de waargenomen werkdruk over zes subschalen: mentale belasting, fysieke belasting, temporele belasting, prestaties, inspanning en frustratie.
Voor deze studie pasten we de TLX aan om ons te richten op de werklast van het noteren, met vier subschalen (mentale belasting, temporele belasting, fysieke belasting en inspanning) zoals eerder gedaan. Elke subschaal wordt beoordeeld van 0 (lage taakbelasting) tot 100 (hoge taakbelasting) en samengevoegd tot een totale score schaal van 0 (lage taakbelasting) tot 400 (hoge taakbelasting), lager is beter. Er worden geen patiëntniveau-informatie verzameld voor deze uitkomstmaat. |
Studiemaand 2
|
|
Vakinhoudelijke Vervulling door Zorgverlener
Tijdsspanne: Studiemaand 2
|
De Professional Fulfillment Index (PFI) is een gevalideerd instrument met 16 items dat gebruikmaakt van een 5-punts Likert-schaal (0-4) om professionele vervulling, werkuitputting en interpersoonlijke terugtrekking te meten.
Voor deze studie gebruiken we de subschaal werkuitputting met 4 items, wat het gemiddelde is van de 4 items binnen die subschaal, waarbij een lage score (0) wijst op een lager niveau van uitputting en een hoge score (4) op een hoger niveau van uitputting.
Er worden geen patiëntniveaugegevens verzameld voor deze uitkomstmaat.
|
Studiemaand 2
|
|
Aantal artsen die als criticasters, passieven of promotoren worden beschouwd
Tijdsspanne: Studiemaand 2
|
Zelfgerapporteerde tevredenheidsvragenlijst waarin artsen wordt gevraagd om de nauwkeurigheid van de notitie, patiëntveiligheid, gelijkheid en andere mogelijke onbedoelde gevolgen te overwegen en hun algemene waarschijnlijkheid om het gebruik van de tool aan te bevelen te beoordelen op een schaal van 1-10.
Hogere scores (10) duiden op grotere tevredenheid en waarschijnlijkheid om aan te bevelen, terwijl lagere scores (1) duiden op ontevredenheid en onwaarschijnlijkheid om aan te bevelen.
Aanbieders worden gegroepeerd als "Promotors" als ze reageren met 9-10, "Passief" als ze reageren met 7-8, en "Critici" als ze reageren met een waarde van 6 of minder.
Deze groepering komt overeen met algemeen aanvaarde "Net Promotor Score"-groeperingen.
Er wordt geen informatie op patiëntniveau verzameld voor deze uitkomstmaat.
|
Studiemaand 2
|
|
Verandering in Provider RVU
Tijdsspanne: Studiemaand 2
|
Het onderzoeksteam zal artsniveau facturatiegegevens gebruiken via RVU om hun verandering in productiviteit te bepalen vanaf een retrospectieve baseline 6 maanden voorafgaand aan inschrijving.\nEr zullen geen patientgegevens worden verzameld voor deze uitkomstmaat.
|
Studiemaand 2
|
|
Wijziging in EPD-signaal (Activiteit) data - Tijd buiten geplande uren
Tijdsspanne: Study month 2
|
We zullen de verandering onderzoeken ten opzichte van een retrospectieve basislijn van 6 maanden voor inschrijving in Signaalmetrics, inclusief tijd buiten geplande uren per geplande dag.
Met behulp van deze gegevens wordt bepaald hoe de tijd van een zorgverlener in het EPD wordt benut.
Er worden geen patiëntgegevens verzameld voor deze uitkomstmaat.
|
Study month 2
|
|
Verandering in EHR-signaal (activiteit) gegevens - tijd op niet-geplande dagen
Tijdsspanne: Studiemaand 2
|
We zullen verandering ten opzichte van een retrospectieve baseline 6 maanden voor deelname aan Signaal-metriken onderzoeken, waaronder tijd besteed in het systeem op ongeplande dagen waar .
Met behulp van deze gegevens zullen we bepalen hoe de tijd van een zorgverlener wordt gebruikt in het EPD.
Er worden geen patiëntgegevens verzameld voor deze uitkomstmaat.
|
Studiemaand 2
|
Medewerkers en onderzoekers
Publicaties en nuttige links
Algemene publicaties
- Trockel M, Bohman B, Lesure E, Hamidi MS, Welle D, Roberts L, Shanafelt T. A Brief Instrument to Assess Both Burnout and Professional Fulfillment in Physicians: Reliability and Validity, Including Correlation with Self-Reported Medical Errors, in a Sample of Resident and Practicing Physicians. Acad Psychiatry. 2018 Feb;42(1):11-24. doi: 10.1007/s40596-017-0849-3. Epub 2017 Dec 1.
- Sinsky C, Colligan L, Li L, Prgomet M, Reynolds S, Goeders L, Westbrook J, Tutty M, Blike G. Allocation of Physician Time in Ambulatory Practice: A Time and Motion Study in 4 Specialties. Ann Intern Med. 2016 Dec 6;165(11):753-760. doi: 10.7326/M16-0961. Epub 2016 Sep 6.
- Linzer M, McLoughlin C, Poplau S, Goelz E, Brown R, Sinsky C; AMA-Hennepin Health System (HHS) burnout reduction writing team. The Mini Z Worklife and Burnout Reduction Instrument: Psychometrics and Clinical Implications. J Gen Intern Med. 2022 Aug;37(11):2876-2878. doi: 10.1007/s11606-021-07278-3. Epub 2022 Jan 19. No abstract available.
- Gianfrancesco MA, Tamang S, Yazdany J, Schmajuk G. Potential Biases in Machine Learning Algorithms Using Electronic Health Record Data. JAMA Intern Med. 2018 Nov 1;178(11):1544-1547. doi: 10.1001/jamainternmed.2018.3763.
- Garcia P, Ma SP, Shah S, Smith M, Jeong Y, Devon-Sand A, Tai-Seale M, Takazawa K, Clutter D, Vogt K, Lugtu C, Rojo M, Lin S, Shanafelt T, Pfeffer MA, Sharp C. Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages. JAMA Netw Open. 2024 Mar 4;7(3):e243201. doi: 10.1001/jamanetworkopen.2024.3201.
- Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ; SPIRIT-AI and CONSORT-AI Working Group; SPIRIT-AI and CONSORT-AI Steering Group; SPIRIT-AI and CONSORT-AI Consensus Group. Guidelines for clinical trial protocols for interventions involving artificial intelligence: the SPIRIT-AI extension. Nat Med. 2020 Sep;26(9):1351-1363. doi: 10.1038/s41591-020-1037-7. Epub 2020 Sep 9.
- McCoy LG, Manrai AK, Rodman A. Large Language Models and the Degradation of the Medical Record. N Engl J Med. 2024 Oct 31;391(17):1561-1564. doi: 10.1056/NEJMp2405999. Epub 2024 Oct 26. No abstract available.
- Hendrix N, Veenstra DL, Cheng M, Anderson NC, Verguet S. Assessing the Economic Value of Clinical Artificial Intelligence: Challenges and Opportunities. Value Health. 2022 Mar;25(3):331-339. doi: 10.1016/j.jval.2021.08.015. Epub 2021 Oct 9.
- Rotenstein L, Melnick ER, Iannaccone C, Zhang J, Mugal A, Lipsitz SR, Healey MJ, Holland C, Snyder R, Sinsky CA, Ting D, Bates DW. Virtual Scribes and Physician Time Spent on Electronic Health Records. JAMA Netw Open. 2024 May 1;7(5):e2413140. doi: 10.1001/jamanetworkopen.2024.13140.
- Cao DY, Silkey JR, Decker MC, Wanat KA. Artificial intelligence-driven digital scribes in clinical documentation: Pilot study assessing the impact on dermatologist workflow and patient encounters. JAAD Int. 2024 Feb 20;15:149-151. doi: 10.1016/j.jdin.2024.02.009. eCollection 2024 Jun. No abstract available.
- Owens LM, Wilda JJ, Grifka R, Westendorp J, Fletcher JJ. Effect of Ambient Voice Technology, Natural Language Processing, and Artificial Intelligence on the Patient-Physician Relationship. Appl Clin Inform. 2024 Aug;15(4):660-667. doi: 10.1055/a-2337-4739. Epub 2024 Jun 4.
- Haberle T, Cleveland C, Snow GL, Barber C, Stookey N, Thornock C, Younger L, Mullahkhel B, Ize-Ludlow D. The impact of nuance DAX ambient listening AI documentation: a cohort study. J Am Med Inform Assoc. 2024 Apr 3;31(4):975-979. doi: 10.1093/jamia/ocae022.
- Liu TL, Hetherington TC, Stephens C, McWilliams A, Dharod A, Carroll T, Cleveland JA. AI-Powered Clinical Documentation and Clinicians' Electronic Health Record Experience: A Nonrandomized Clinical Trial. JAMA Netw Open. 2024 Sep 3;7(9):e2432460. doi: 10.1001/jamanetworkopen.2024.32460.
- Blackley SV, Huynh J, Wang L, Korach Z, Zhou L. Speech recognition for clinical documentation from 1990 to 2018: a systematic review. J Am Med Inform Assoc. 2019 Apr 1;26(4):324-338. doi: 10.1093/jamia/ocy179.
- Heckman J, Mukamal KJ, Christensen A, Reynolds EE. Medical Scribes, Provider and Patient Experience, and Patient Throughput: a Trial in an Academic General Internal Medicine Practice. J Gen Intern Med. 2020 Mar;35(3):770-774. doi: 10.1007/s11606-019-05352-5. Epub 2019 Dec 5.
- Bates DW, Landman AB. Use of Medical Scribes to Reduce Documentation Burden: Are They Where We Need to Go With Clinical Documentation? JAMA Intern Med. 2018 Nov 1;178(11):1472-1473. doi: 10.1001/jamainternmed.2018.3945. No abstract available.
- Mishra P, Kiang JC, Grant RW. Association of Medical Scribes in Primary Care With Physician Workflow and Patient Experience. JAMA Intern Med. 2018 Nov 1;178(11):1467-1472. doi: 10.1001/jamainternmed.2018.3956.
- Steinkamp J, Kantrowitz JJ, Airan-Javia S. Prevalence and Sources of Duplicate Information in the Electronic Medical Record. JAMA Netw Open. 2022 Sep 1;5(9):e2233348. doi: 10.1001/jamanetworkopen.2022.33348.
- Guille C, Sen S. Burnout, Depression, and Diminished Well-Being among Physicians. N Engl J Med. 2024 Oct 24;391(16):1519-1527. doi: 10.1056/NEJMra2302878. No abstract available.
- Lou SS, Lew D, Harford DR, Lu C, Evanoff BA, Duncan JG, Kannampallil T. Temporal Associations Between EHR-Derived Workload, Burnout, and Errors: a Prospective Cohort Study. J Gen Intern Med. 2022 Jul;37(9):2165-2172. doi: 10.1007/s11606-022-07620-3. Epub 2022 Jun 16.
- Moy AJ, Schwartz JM, Chen R, Sadri S, Lucas E, Cato KD, Rossetti SC. Measurement of clinical documentation burden among physicians and nurses using electronic health records: a scoping review. J Am Med Inform Assoc. 2021 Apr 23;28(5):998-1008. doi: 10.1093/jamia/ocaa325.
- Peccoralo LA, Kaplan CA, Pietrzak RH, Charney DS, Ripp JA. The impact of time spent on the electronic health record after work and of clerical work on burnout among clinical faculty. J Am Med Inform Assoc. 2021 Apr 23;28(5):938-947. doi: 10.1093/jamia/ocaa349.
- Sittig DF, Singh H. Recommendations to Ensure Safety of AI in Real-World Clinical Care. JAMA. 2025 Feb 11;333(6):457-458. doi: 10.1001/jama.2024.24598.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. A Randomized-Clinical Trial of Two Ambient Artificial Intelligence Scribes: Measuring Documentation Efficiency and Physician Burnout. medRxiv [Preprint]. 2025 Jul 11:2025.07.10.25331333. doi: 10.1101/2025.07.10.25331333.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- NPR 40703
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .