Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Evaluering av den kliniske effektiviteten til rapporteringssystem for øvre gastrointestinal endoskopi

30. april 2023 oppdatert av: Renmin Hospital of Wuhan University

En enkeltsenter, prospektiv, parallell randomisert kontrollert studie som evaluerer den kliniske effektiviteten til et intelligent grafisk rapportsystem for øvre gastrointestinal endoskopi

Målet med denne studien er å vurdere effektiviteten til et AI-basert rapporteringssystem for øvre gastrointestinal endoskopi. Det primære spørsmålet som denne studien tar sikte på å adressere er om rapporteringssystemet kan forbedre fullstendigheten og nøyaktigheten til endoskopiske rapporter ved hjelp av AI, slik det er utarbeidet av endoskopister. Pasienter vil bli tilfeldig tildelt enten forsøksgruppen eller kontrollgruppen. I forsøksgruppen vil leger utarbeide EGD-rapporter ved hjelp av det AI-baserte rapporteringssystemet, mens i kontrollgruppen vil leger bruke det konvensjonelle rapporteringssystemet til å utarbeide EGD-rapporter. Samtidig vil det AI-baserte rapporteringssystemet automatisk generere en rapport om EGD-undersøkelsen.

Studieoversikt

Status

Har ikke rekruttert ennå

Studietype

Intervensjonell

Registrering (Forventet)

125

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Beskrivelse

Inklusjonskriterier:

  1. 18 år gammel
  2. Mål å gjennomgå screening, overvåking og diagnose
  3. Gjennomgå sedert EGD
  4. Kunne lese, forstå og signere informert samtykke

Ekskluderingskriterier:

  1. EGD kontraindikasjoner
  2. Ikke egnet for sedert endoskopi etter anestesivurdering
  3. Biopsi kontraindikasjoner
  4. Aktiv øvre gastrointestinal blødning eller akuttøsophagogastroduodenoskopi (EGD)
  5. Svangerskap
  6. Øvre gastrointestinal kirurgi eller restmage
  7. Ikke egnet for rekruttering etter etterforskerevaluering på grunn av andre høyrisikoforhold

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Diagnostisk
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Eksperimentell gruppe
Leger utarbeider EGD-rapporter ved hjelp av det AI-baserte rapporteringssystemet.
AI-basert rapporteringssystem er en programvareplattform for sanntidsanalyse og registrering av abnormiteter og landemerker under endoskopi.
Ingen inngripen: Kontrollgruppe
Leger bruker det konvensjonelle rapporteringssystemet til å utarbeide EGD-rapporter. Samtidig vil det AI-baserte rapporteringssystemet automatisk generere en rapport om EGD-undersøkelsen.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Fullstendighet av rapportering av lesjoner
Tidsramme: en måned
Beregningsmetode = antall rapporterte lesjoner / totalt antall lesjoner x 100 %
en måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Fullstendighet av rapportutkast om lesjonstrekk
Tidsramme: en måned
Beregningsmetode = antall tegnede trekk ved lesjoner / totalt antall trekk som kreves for å tegnes x 100 %
en måned
Nøyaktighet av rapportutkast om lesjonstrekk
Tidsramme: en måned
Beregningsmetode = antall nøyaktig tegnede trekk ved lesjoner / totalt antall tegnede trekk x 100 %
en måned
Rapporteringstid
Tidsramme: en måned
Tiden som endoskopister utarbeider rapporter
en måned
Fullstendighet av rapportering av lesjoner i AI-systemet
Tidsramme: en måned
Beregningsmetode = antall rapporterte lesjoner / totalt antall lesjoner x 100 %
en måned
Nøyaktighet av rapportutkast om lesjonsfunksjoner i AI-systemet
Tidsramme: en måned
Beregningsmetode = antall nøyaktig tegnede trekk ved lesjoner / totalt antall tegnede trekk x 100 %
en måned
Legetilfredshetsundersøkelse
Tidsramme: en måned
Bruk en 5-punkts Likert-skala for å vurdere legens tilfredshet, aksept og tillit til å bruke det intelligente grafiske rapportsystemet til å utarbeide endoskopiske rapporter.
en måned

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Honggang Yu, MD, Wuhan University Renmin 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 (Forventet)

20. mai 2023

Primær fullføring (Forventet)

20. april 2024

Studiet fullført (Forventet)

20. mai 2024

Datoer for studieregistrering

Først innsendt

30. april 2023

Først innsendt som oppfylte QC-kriteriene

30. april 2023

Først lagt ut (Faktiske)

10. mai 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

10. mai 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

30. april 2023

Sist bekreftet

1. april 2023

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • EA-23-007

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. .

Kliniske studier på AI-basert rapporteringssystem

3
Abonnere