Transformering av ED-gjennomstrømning med AI-drevet klinisk beslutningsstøttesystem (TEDAI)
28. juli 2023 oppdatert av: National Taiwan University Hospital
Transformering av ED-gjennomstrømning med AI-drevet Clinical Decision Support System (TEDAI): Effekten på levering av omsorg og pasientopplevelse
Målet med denne studien er å integrere sanntidsdataflytinfrastruktur mellom sykehusinformasjonssystem og AI-modeller og å gjennomføre en klynge randomisert crossover-forsøk for å evaluere effektiviteten til AI-modellene for å forbedre pasientflyten og lindre ED-trengsel.
Studieoversikt
Status
Fullført
Intervensjon / Behandling
Studietype
Intervensjonell
Registrering (Faktiske)
4016
Fase
- Ikke aktuelt
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Taipei, Taiwan
- National Taiwan University Hospital
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
20 år og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Beskrivelse
Inklusjonskriterier:
- ED-pasienter i alderen 20 år eller eldre
- Pasientene ble behandlet av de rekrutterte 16 akuttmottakene.
Ekskluderingskriterier:
- Pasienter under 20 år.
- Pasientene ble ikke behandlet av de rekrutterte 16 akuttmottakene.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Helsetjenesteforskning
- Tildeling: Randomisert
- Intervensjonsmodell: Crossover-oppdrag
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Aktiv komparator: AI-assistert
AI-assisterte modeller som gir diagnose og prognostisk informasjon
|
AI-assisterte modeller som gir diagnose og prognostisk informasjon i ED, inkludert triage, ICD-koding, røntgenvarsler fra thorax, varsler om kritiske hendelser, prediksjon for gjeninnleggelse og prognose etter hjertestans.
|
|
Placebo komparator: Vanlig omsorg
vanlig omsorg uten AI-assisterte modeller som gir diagnose og prognostisk informasjon
|
Kritisk behandling av legevakten
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
ED liggetid
Tidsramme: Fra ED ankomst til 3 dager etter ED utskrivning. For innlagte pasienter med hjertestans fortsetter utfallskonstateringen frem til utskrivning fra sykehus.
|
Fra ED ankomst til 3 dager etter ED utskrivning. For innlagte pasienter med hjertestans fortsetter utfallskonstateringen frem til utskrivning fra sykehus.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studiestol: Dr. Huang, National Taiwan University Hospital
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
30. august 2022
Primær fullføring (Faktiske)
31. desember 2022
Studiet fullført (Faktiske)
27. april 2023
Datoer for studieregistrering
Først innsendt
28. februar 2022
Først innsendt som oppfylte QC-kriteriene
28. februar 2022
Først lagt ut (Faktiske)
9. mars 2022
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
1. august 2023
Siste oppdatering sendt inn som oppfylte QC-kriteriene
28. juli 2023
Sist bekreftet
1. juli 2022
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 202108090RINC
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
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. .