Artificial Intelligence System in Medical Regulation (SIA-REMU)
Kunstig intelligenssystem for medisinsk regulering av nødsituasjoner
Befolkningens helsebehov øker. Informasjons- og kommunikasjonsteknologi er i endring. Det digitale skiftet gir nye muligheter for utforskning og analyse av massehelsedata. Det er mulig å stole på disse nye teknologiene for å modernisere, optimere pasientbehandlingen på nivå med akuttmedisinske kommunikasjonssentre.
Vårt prosjekt tar sikte på å integrere metodene og verktøyene for kunstig intelligens for akuttmedisinske kommunikasjonssentre. Systemet tar sikte på å hjelpe til med å regulere nødanrop ved CRRA 15 i Frankrike, eller Centrale 144 i Sveits, for å vurdere alvorlighetsgraden av anrop, identifisere omsorgsveier og forbedre effektiviteten når ressurser brukes.
Utviklingen av et slikt system tar sikte på å sikre og optimalisere informasjonssystemet og telekommunikasjonsmidlene som brukes i de akuttmedisinske kommunikasjonssentralene, og gi en individualisert respons til pasientbehandlingen.
Studieoversikt
Status
Studietype
Registrering (Forventet)
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- alle pasienter som ringer akuttmedisinske kommunikasjonssentraler
Ekskluderingskriterier:
- pasienten er imot studien
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Retrospektiv
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Ytelse (sensitivitet og spesifisitet) til det kunstige intelligenssystemet i akuttmedisinske kommunikasjonssentre, angående tidssensitiv sykdom
Tidsramme: gjennom studiegjennomføring, snitt 3 år
|
Når det kunstige intelligenssystemet er på plass, vil diagnosen som mistenkes av dette systemet bli sammenlignet med diagnosen validert i journalen til hver pasient inkludert. Det vil da bli målt ytelsesverdiene, slik som sensitivitet, spesifisitet, positiv og negativ prediktiv verdi, tidspunkt for identifisering av patologitypen tidssensitiv. Disse resultatene vil deretter bli sammenlignet med den vanlige praksisen til akuttmedisinske kommunikasjonssentre uten hjelp av programvaren for å evaluere:
|
gjennom studiegjennomføring, snitt 3 år
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Pasienttransporttid
Tidsramme: gjennom studiegjennomføring, snitt 3 år
|
Målet er å identifisere og modellere tilgjengelige ressurser som kan brukes i forbindelse med prehospital redning (ambulanser, helikopter, SMUR). Følgende elementer vil bli tatt i betraktning: sted for intervensjon, tilgang, pasientens kliniske tilstand, værforhold, trafikktetthet. Gyldigheten av modellen vil bli evaluert gjennom tilgangstiden til pasienten, transporttiden, mangelen på ambulanser eller SMUR, sammenlignet med vanlig praksis ved de akuttmedisinske kommunikasjonssentralene uten hjelp av programvaren. |
gjennom studiegjennomføring, snitt 3 år
|
Samarbeidspartnere og etterforskere
Studierekorddatoer
Studer hoveddatoer
Studiestart (Forventet)
Primær fullføring (Forventet)
Studiet fullført (Forventet)
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
- 2021/591
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. .