- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04757194
Maskinlæringsassistert differensiering av pasienter med lav skarphet ved utsendelse (MADLAD)
Maskinlæringsassistert differensiering av pasienter med lav skarphet ved utsendelse: En randomisert kontrollert prøvelse
BAKGRUNN:
Ved Emergency Medical Dispatch (EMD)-sentre er ressursbegrensede situasjoner (RCS) hvor det er flere innringere som trenger ambulanse enn det er tilgjengelige ambulanser vanlig. Ved EMD-sentrene i Uppsala og Västmanland blir pasienter som opplever disse situasjonene typisk tildelt en lavprioritet respons, er ofte eldre og har uspesifikke symptomer. Maskinlæringsteknikker tilbyr en lovende, men stort sett uprøvd tilnærming til å vurdere risiko blant disse pasientene.
MÅL:
For å fastslå om tilveiebringelse av maskinlæringsbaserte risikoskårer forbedrer ekspeditørenes evne til å identifisere pasienter med høy risiko for forverring av RCS.
DESIGN:
Multisenter, parallell-gruppert, randomisert, analytiker-blindet studie.
BEFOLKNING:
Voksne pasienter som kontakter den nasjonale akutttelefonen (112), vurdert av en utsendt sykepleier i Uppsala eller Västmanland til å kreve lavt prioritert ambulanserespons, og opplever RCS.
UTFALL:
Hoved:
1. Andel RCS der den første tilgjengelige ambulansen ble sendt til pasienten med den høyeste scoren for National Early Warning (NEWS)
Sekundær:
- Forskjell i sammensatt risikoscore bestående av ambulanseintervensjoner, akutttransport, sykehusinnleggelse, intensivbehandling og dødelighet mellom pasienter som mottar umiddelbar kontra forsinket ambulanserespons under RCS.
- Forskjellen i NEWS mellom pasienter som mottar umiddelbar kontra forsinket ambulanserespons under RCS.
INNBLANDING:
En maskinlæringsmodell vil estimere risikoen knyttet til hver pasient involvert i RCS, og foreslå en pasient å motta tilgjengelig ambulanse. Kun i intervensjonsarmen vil vurderingen vises i et brukergrensesnitt integrert i ekspedisjonssystemet.
PRØVESTØRRELSE:
1500 RCS hver bestående av flere pasienter randomisert 1:1 til kontroll- og intervensjonsarmer
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Uppsala, Sverige
- Uppsala University Hospital
-
-
Västmanland
-
Västerås, Västmanland, Sverige
- Västmanland hospital Västerås
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Identifisering av en ressursbegrenset situasjon av ambulansedirektøren (dvs. 2 eller flere pasienter som venter på en ambulanserespons)
- Tildelt prioritet 2A eller 2B (Lavprioritet ambulanserespons) av utsendt sykepleier
- Gyldig svensk personnummer hentes ved forsendelse
- Alder >= 18 år
Ekskluderingskriterier:
- Relevante anrop mottatt med mer enn 30 minutters mellomrom
- Logistikkfaktorer (f.eks. pasientenes geografiske plassering) påvirker beslutningen om ambulanseoppdrag
- Risikofaktorer på stedet (f.eks. en pasient er utendørs og risikerer hypotermi) eller risikoreduserende midler (f.eks. helsepersonell som allerede er på stedet med en pasient) påvirker beslutningen om ambulanseoppdrag
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Enkelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Innblanding
Beregning av risikovurderingspoeng etter maskinlæringsalgoritme og visning av risikovurderingsinformasjon til utsendte sykepleiere.
Personalet oppmuntres, men er ikke pålagt å følge den foreslåtte rangeringen.
|
En maskinlæringsalgoritme (Gradient boosting) brukt på strukturerte data samlet inn i Alitis Clinical Decision Support-systemet, pasientdemografi og fritekstnotater.
|
|
Ingen inngripen: Styre
Ambulanseutsendelse per pleiestandard
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Andel av RCS der den første tilgjengelige ambulansen ble sendt til pasienten med høyest National Early Warning Score (NEWS).
Tidsramme: Ved ambulanserespons (innen 8 timer etter utsendelse)
|
NEWS er en mye brukt og godt validert skåringsalgoritme basert på objektive pasientvitale tegn, som ikke er årsaksavhengige av resultatene som brukes til å trene maskinlæringsmodellene som er undersøkt i denne studien.
NYHETER-verdier vil være basert på det første settet med vitale tegn oppnådd av ambulansesykepleiere ved kontakt med pasienten.
NEWS måles på en skala fra 0-21, med høyere verdier tilsvarende pasienter med høyere risiko for forverring.
|
Ved ambulanserespons (innen 8 timer etter utsendelse)
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Forskjell i sammensatt resultatmålsscore mellom pasienter med umiddelbar vs. forsinket respons.
Tidsramme: Opptil 30 dager
|
Dette tiltaket undersøker en sammensatt poengsum som består av resultatene som brukes til å trene maskinlæringsmodellene. Den sammensatte poengsummen genereres ved å identifisere følgende pasientutfall og tilordne de tilsvarende vektene: Unormale initiale Arway/Puste/Sirkulasjonsfunn av ambulansemannskap (4) Emergent (lys og sirener) transport til sykehuset (2) Ytelse av prehospitale intervensjoner (1) Innleggelse til sykehus eller dødelighet innen 30 dager (1) Dette resulterer i en score fra 0-8, med høyere score som representerer mer |
Opptil 30 dager
|
|
Forskjell i National Early Warning Score (NEWS) mellom pasienter med umiddelbar versus forsinket respons.
Tidsramme: Ved ambulanserespons (innen 8 timer etter utsendelse)
|
Per primærutfall
|
Ved ambulanserespons (innen 8 timer etter utsendelse)
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Hans Blomberg, MD, PhD, Uppsala University Hospital
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Spangler D, Hermansson T, Smekal D, Blomberg H. A validation of machine learning-based risk scores in the prehospital setting. PLoS One. 2019 Dec 13;14(12):e0226518. doi: 10.1371/journal.pone.0226518. eCollection 2019.
- Spangler D, Edmark L, Winblad U, Collden-Benneck J, Borg H, Blomberg H. Using trigger tools to identify triage errors by ambulance dispatch nurses in Sweden: an observational study. BMJ Open. 2020 Mar 19;10(3):e035004. doi: 10.1136/bmjopen-2019-035004.
Hjelpsomme linker
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
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- SVLC001
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
Tilgangskriterier for IPD-deling
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- ANALYTIC_CODE
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. .