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

Anvendelsen av stor språkmodell i akutt brystsmertetriage (ALERT)

10. november 2026 oppdatert av: Tang Yida, Peking University Third Hospital

This study will evaluate the accuracy and efficiency of large language model in emergency triage.

Studieoversikt

Detaljert beskrivelse

The study is to evaluate the value of large language model in emergency triage, their accuracy and efficiency were evaluated and compared with traditional triage. To explore whether the model can effectively reduce the workload of medical staff, while improving the speed and quality of triage. In addition, the ability of the model to predict serious medical events such as acute heart events and strokes was evaluated. It also included surveys of patients; acceptance and satisfaction with the use of the artificial intelligence-assisted triage system. Analyze the economic benefits of adopting this technology, including cost saving and optimal allocation of resources.

Studietype

Intervensjonell

Registrering (Faktiske)

1165

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiesteder

    • Beijing Municipality
      • Beijing, Beijing Municipality, Kina
        • Peking University Third 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

18 år og eldre (Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Beskrivelse

Inclusion Criteria:

  1. All patients with chest pain entered the emergency triage procedure.
  2. patients aged 18 and above.

Exclusion Criteria:

  1. Patients with severe cognitive impairment or inability to communicate.
  2. There are patients who have been explicitly referred to specific departments (for example, some of the 120 transfer patients, who may go directly to the green channel) .
  3. Patients with unstable vital signs .
  4. Patients with potential medical problems.
  5. Is participating in other clinical trials.
  6. Failure to follow test procedures.
  7. Those who refuse to sign the informed consent form.

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: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Eksperimentell: Large Language Model Diagnostic

Patients interacted with the large-language model triage system MedGuide-V5 during the waiting period before or after routine triage in the emergency department. During this phase, MedGuide-V5 will automatically record data and metrics during communication with patients.

The large language model MedGuide-V5 is able to quickly extract key information from a patients description, and by analyzing these descriptions, it provides physicians with a possible initial diagnosis to help them quickly prioritize the treatment of patients.

Aktiv komparator: Routine diagnostic and therapeutic procedure

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

After the artificial intelligence system evaluation, the patients will receive the diagnosis and treatment according to the normal procedure. The overall time of artificial triage, the triage of patients, and other data will be recorded. Patient visits should not be delayed by the use of artificial intelligence systems for evaluation.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
The Diagnostic Accuracy Rate of MedGuide-V5
Tidsramme: through study completion, an average of 10 months

To assess the consistency of the diagnosis of chest pain made by physicians with the assistance of large language models with the actual diagnosis made by patients after all examinations were completed.

through study completion, an average of 10 months

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
The Satisfaction of Medical Personnel
Tidsramme: during evaluation

To evaluate the satisfaction and acceptance of medical personnel with the use of large language models in assisting triage systems through methods such as questionnaire surveys. The name of this questionnaire is: Researcher Evaluation Form, with scores ranging from 1 to 10. The higher the score, the more helpful the large language model is to researchers.

during evaluation
Medical Personnel Treatment Plan Adjustment Rate
Tidsramme: during evaluation

The number of times medical personnel adjust treatment plans after receiving feedback from MedGuide V5's results and referring to the suggestions provided by the large language model.

during evaluation
Emergency Department Revisit Rate within 30 Days
Tidsramme: during evaluation

Evaluate the occurrence of patients revisiting the emergency department or being readmitted within 30 days after large language model-assisted triage and traditional triage.

during evaluation

Samarbeidspartnere og etterforskere

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

Samarbeidspartnere

Etterforskere

  • Hovedetterforsker: Yi-Da Tang, MD, PhD, Peking University Third Hospital
  • Hovedetterforsker: Wen-Yao Wang, MD, PhD, Peking University Third Hospital

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

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)

20. desember 2023

Primær fullføring (Faktiske)

20. august 2026

Studiet fullført (Faktiske)

20. august 2026

Datoer for studieregistrering

Først innsendt

22. desember 2023

Først innsendt som oppfylte QC-kriteriene

8. juli 2024

Først lagt ut (Faktiske)

9. juli 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

12. november 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

10. november 2026

Sist bekreftet

1. november 2026

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

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. .

Abonnere