- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04242043
Mulighetsstudie for å forbedre relevansen av diagnostiske forslag for en programvare for kunstig intelligens i eldre befolkning. (Intel@Med-Fais)
Aldringen av befolkningen er ledsaget av problemet med kroniske patologier og noen ganger stor avhengighet, som krever innleggelse på sykehjem (NHs). Omtrent 660 000 mennesker bor for tiden i NHs i Frankrike. En av 3 NH-er har ikke en koordinerende lege, selv om loven krever det, og tilgangen til omsorg i disse NH-ene er svært ulik nasjonalt og spesielt i Limousin- og Dordogne-regionene. Noen Hospice kan komme i en situasjon hvor det ikke er koordinerende lege og vanskelig tilgang til at allmennleger (fastleger) besøker et stort område.
Denne ulikheten i tilgang til omsorg resulterer i en forskjell i omsorg som kan gå så langt som tap av muligheter for beboere som umiddelbart blir overført til akuttmottaket (ED) med risiko for iatrogeni eller delirium en gang i akuttmottaket eller risiko for upassende sykehusinnleggelse.
Beboere er innlagt på sykehus:
- når det siste kunne vært unngått fordi helseteamet, uten å vite hvilken holdning de skulle innta, prioriterte sykehusinnleggelse
- For sent fordi beboeren ventet på at behandlende lege skulle komme, noe som resulterte i en forverring av symptomene.
Ankomsten av kunstig intelligens (AI) er en mulighet til å finne nye modeller for omsorgsorganisering som kan redusere medisinsk ørkenspredning, men også utvikle avansert praksis innen gerontologi. For eksempel vil sykepleiere kunne gripe inn på et første nivå for tidlig oppdagelse, bedre triage og tidlig håndtering av visse patologier.
"MEDVIR Society" AI, utviklet av et fransk selskap, er et medisinsk beslutningsstøttesystem med kunstig intelligens og tilbyr pre-diagnose basert på informasjonen som samles inn (medisinsk og kirurgisk historie, samtidige behandlinger og symptomer). MEDVIR er et diagnostisk hjelpemiddel og erstatter ikke legen som forblir i enden av kjeden, den endelige beslutningstakeren.
Før forskning utføres for å integrere denne teknologien i rutinepleie, er det viktig å validere den diagnostiske relevansen av AI hos eldre, slik den har blitt validert i befolkningen generelt.
Denne pilotstudien vil deretter gjøre oss i stand til å metodisk dimensjonere et fremtidig prosjekt for å evaluere effektiviteten til dette nye pleiesystemet i behandlingen av eldre pasienter i medisinske ørkener i Frankrike.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Isle, Frankrike, 87170
- Ehpad Des Bayles
-
Limoges, Frankrike, 87000
- Ehpad Le Roussillon
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasient 65 år eller eldre
- Pasient som lever i en av de to NH-testene
- Pasient med en funksjonell klage eller unormale symptomer som involverer oppringing av en lege
- Pasient eller hans juridiske representant som ikke har uttrykt sin motstand mot innsamling av hans medisinske og personlige data
- Pasient tilknyttet trygd
Ekskluderingskriterier:
- Pasient ved livets slutt
- Pasient med en klar vital nødsituasjon ifølge legen
- Kronisk afasipasient
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
AI
|
Innledende evaluering av sykepleieren ved hjelp av AI-verktøyet som inngår i MEDVIR pasientens symptomer eller funksjonelle plager og komorbiditeter og suppleres med en telemedisinsk løsning for dataoverføring til den eksterne teleekspertlegen som befinner seg i et reguleringssenter eller helsesenter. Den eksterne legen (en geriater fra "Prevention Care for Elderly Unit (UPSAV)-plattformen" ved Clinical Gerontology Division ved Limoges universitetssykehus) analyserer dataene som samles inn av sykepleieren og etablerer et alvorlighetskriterium for symptomer og en diagnose ved hjelp av AI-teknologi. Både geriateren og NHs sykepleier kjenner ikke til forslagene fra AI. Allikevel kan geriateren sette i gang et besøk til beboerens bosted for å verifisere informasjonen som er nødvendig for å stille diagnosen og dermed forbedre relevansen av algoritmen. For beboeren forstyrrer ikke denne studien den vanlige omsorgen. |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
AI diagnostiske forslag
Tidsramme: 1 måned
|
Antall AI-diagnostiske forslag i samsvar med den medisinske diagnosen i studiemåneden
|
1 måned
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
alvorlighetsdiagnoser
Tidsramme: 1 måned
|
Antall alvorlighetsdiagnoser foreslått av AI-løsningen versus medisinsk diagnose av den eksterne geriateren i løpet av studiemåneden
|
1 måned
|
|
tilfredshetsundersøkelse
Tidsramme: 1 måned
|
Analyse av tilfredshetsundersøkelsen fylt ut av brukerne (NHs sykepleiere, deltakere, NHs direktører og geriatrikere)
|
1 måned
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Andre studie-ID-numre
- 87RI19_0026 (Intel@Med-Faisa)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .