- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06421480
Bruke maskinlæring for å oppdage risikofylt atferd i psykiatriske klinikker
Oppdage risikoatferd og gi et trygt miljø hos pasienter som mottar døgnbehandling i en psykiatrisk klinikk ved hjelp av maskinlæringsmodell
Studieoversikt
Status
Forhold
Detaljert beskrivelse
Målet med denne studien er å oppdage risikoatferd hos pasienter i en psykiatrisk klinikk ved hjelp av maskinlæringsmetode. Risikofylt oppførsel; Det defineres som atferd som er personlig, sosialt og utviklingsmessig uønsket og setter liv og helse i fare. Pasientsikkerhet og å sikre et trygt miljø er blant helsepersonells hovedoppgaver. Selvmord er den viktigste evidensbaserte risikofaktoren, spesielt hos personer med psykiatriske sykdommer, og er en av de viktigste faktorene som truer pasientsikkerheten. Selvmordsforsøk er en krisesituasjon man ofte møter på klinikker. Det er kjent at frekvensen av selvmordsforsøk øker 5-10 ganger hos innlagte pasienter. I klinikker med innlagte pasienter, er det ofte selvmordsforsøk, så vel som annen risikofylt atferd.
Å forhindre risikoatferd og sørge for trygge omgivelser på psykiatriske klinikker er en viktig sak i vårt land og i verden. For å avdekke risikoatferd og sikre pasient/ansattes sikkerhet, er det tiltak for å overvåke pasienter med kamera i psykiatriske klinikker innenfor rammen av kvalitetsstandarder i helse. Disse tiltakene er imidlertid ikke tilstrekkelige til å løse problemet fullstendig. På psykiatriske klinikker utføres pasientovervåking av en sykepleier som hele tiden overvåker kamerabildene som er plassert i rommene på dataskjermen. Det lave antallet sykepleiere, spesielt på nattevakter, gjør kameraovervåking vanskelig i nattskift og utgjør et problem med tanke på pasientsikkerhet. Konstant overvåking av monitorer av sykepleier reduserer tidsbruken med pasienten og øker arbeidsbelastningen. I tillegg, når skjermovervåking ikke er utført, kan ikke risikofylt atferd oppdages. Derfor må det utvikles nye metoder for å sikre trygge rammer i psykiatriske klinikker. Slik sett er maskinlæringsmetoden, som i økende grad brukes i kunstig intelligens og dataanalyse, en spesialisert undergren av kunstig intelligensalgoritmer som prøver å utlede meningsfulle resultater/prediksjoner fra eksisterende data. Maskinlæringsmetode er hyppig brukt innen helse, og psykiatri er et av disse feltene. Hovedformålet med denne studien er å oppdage risiko- og høyrisikoatferd hos pasienter behandlet i en psykiatrisk klinikk ved hjelp av maskinlæringsmetoden og å sikre at pasienter får behandling i et tryggere miljø.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: ceyda öztürk akdeniz, 1
- Telefonnummer: 05394124524
- E-post: ceyda.ozturk@artvin.edu.tr
Studiesteder
-
-
-
Istanbul, Tyrkia, 34000
- Detecting Risky Behaviors and Providing a Safe Environment in Patients Receiving Inpatient Treatment in a Psychiatric Clinic Using Machine Learning Model
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Den passer for alle voksne pasienter som får døgnbehandling i psykiatriske klinikker. Den er designet for rommet der pasientene sover.
Ekskluderingskriterier:
- Personer under 18 år vil bli ekskludert fra studien
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Målrettet utgang
Tidsramme: 01.05.2024-01.08.2024
|
Påvisning av selvmord og voldelig atferd ved hjelp av maskinlæringsmetode
|
01.05.2024-01.08.2024
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
- İstanbulMedeniyet
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. .