- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT04951973
Deep Learning-basert tidlig varslingspoeng i Rapid Response Team Activation
Sammenligning av dyp læringsbasert tidlig varslingspoeng og konvensjonelt screeningsystem i rask responsteamaktivering hos pasienter på generell avdeling
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
SPTTS er det representative triggersporingssystemet. I tillegg til de konvensjonelle SPTTSene, vil DEWS beregnes på hvert tidspunkt av den tidligere utviklede algoritmen. SPTTS og DEWS vil vises samtidig på skjermbildet. Hurtigberedskapsteamet utfører redningsaktiviteten som før, ved å bruke både SPTTS og DEWS samtidig.
Alarmterskelinnstillingen for DEWS vil endres til 70 poeng, 75 poeng og 80 poeng hver måned.
De primære og sekundære resultatene vil bli evaluert for å sammenligne SPTTS og DEWS (basert på hver terskel).
Studietype
Registrering (Forventet)
Kontakter og plasseringer
Studiekontakt
- Navn: Yeon Joo Lee, MD
- Telefonnummer: 82-31-787-7082
- E-post: yjlee1117@snubh.org
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter innlagt på generell avdeling og overvåket av et hurtigresponssystem på sykehus
Ekskluderingskriterier:
- pasienter innlagt på barneavdeling
- pasienter på akuttmottak, intensivavdeling og operasjonsstue
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Hjertestans på sykehus
Tidsramme: 3 måneder
|
Sammenlign forutsigbarheten av hjertestans på sykehus mellom DEWS og SPTTS.
|
3 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Alarmtilfeldighet
Tidsramme: 3 måneder
|
Evaluer alarmsammenfallet mellom DEWS og SPTTS.
|
3 måneder
|
|
Totalt antall alarmer.
Tidsramme: 3 måneder
|
Sammenlign det totale alarmantallet mellom DEWS og SPTTS.
|
3 måneder
|
Samarbeidspartnere og etterforskere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Kwon JM, Lee Y, Lee Y, Lee S, Park J. An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest. J Am Heart Assoc. 2018 Jun 26;7(13):e008678. doi: 10.1161/JAHA.118.008678.
- Cho KJ, Kwon O, Kwon JM, Lee Y, Park H, Jeon KH, Kim KH, Park J, Oh BH. Detecting Patient Deterioration Using Artificial Intelligence in a Rapid Response System. Crit Care Med. 2020 Apr;48(4):e285-e289. doi: 10.1097/CCM.0000000000004236.
Studierekorddatoer
Studer hoveddatoer
Studiestart (FORVENTES)
Primær fullføring (FORVENTES)
Studiet fullført (FORVENTES)
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
- DEWS_2021
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. .