Badania jakościowe wśród lekarzy i młodszych lekarzy nad przesłankami wdrożenia CDSS opartego na sztucznej inteligencji na OIOM (KATRINA)
Badania jakościowe wśród lekarzy i młodszych lekarzy nad przesłankami wdrożenia systemu wspomagania decyzji klinicznych (CDSS) opartego na sztucznej inteligencji (AI) na OIT
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Typ studiów
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Aalst, Belgia
- OLV Aalst
-
Antwerpen, Belgia
- ZNA Ziekenhuizen
-
Ghent, Belgia
- Ghent University Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Lekarz specjalista lub specjalista w szkoleniu pracujący na oddziale intensywnej terapii w czasie studiów.
Kryteria wyłączenia:
- Wiek < 18 lat
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Inny
- Perspektywy czasowe: Spodziewany
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wyjściowe postawy wobec sztucznej inteligencji i big data w medycynie
Ramy czasowe: linia bazowa
|
Podstawowe postawy wobec sztucznej inteligencji i dużych zbiorów danych w medycynie zostaną zebrane za pomocą ankiety internetowej, w której uczestnicy ocenią swoją zgodę z pewnymi stwierdzeniami na 6-punktowej skali Likerta (możliwe wybory: zdecydowanie się zgadzam - zgadzam się - neutralny - nie zgadzam się - całkowicie się nie zgadzam - nie odpowiedni).
|
linia bazowa
|
|
Zidentyfikuj warunki wstępne, które muszą zostać spełnione, gdy systemy wspomagania decyzji klinicznych oparte na AI/Big Data są stosowane przy łóżku chorego z punktu widzenia uczestników.
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Zidentyfikuj warunki wstępne, które należy spełnić, gdy systemy wspomagania decyzji klinicznych oparte na sztucznej inteligencji/dużych danych są stosowane przy łóżku chorego i zidentyfikuj najważniejsze z nich dla różnych aspektów cyklu zarządzania środkami przeciwdrobnoustrojowymi z punktu widzenia uczestników poprzez dyskusję w grupie.
Raportowanie: częstotliwości.
|
do ukończenia studiów, średnio 1 rok
|
|
Zidentyfikuj subdomeny cyklu zarządzania środkami przeciwdrobnoustrojowymi z potencjałem do zastosowania sztucznej inteligencji/dużych zbiorów danych
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Zidentyfikuj subdomeny cyklu zarządzania środkami przeciwdrobnoustrojowymi, dla których uczestnicy uważają, że sztuczna inteligencja/duże zbiory danych mogą być przydatne w ramach dyskusji/wywiadu grupowego. Raportowanie: częstotliwości.
|
do ukończenia studiów, średnio 1 rok
|
|
Zidentyfikuj postrzegane potencjalne korzyści i szkody podczas stosowania sztucznej inteligencji w cyklu zarządzania środkami przeciwdrobnoustrojowymi.
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Zidentyfikuj postrzegane potencjalne korzyści i szkody podczas stosowania sztucznej inteligencji w cyklu zarządzania środkami przeciwdrobnoustrojowymi poprzez dyskusję grupową.
Raportowanie: częstotliwości.
|
do ukończenia studiów, średnio 1 rok
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Analiza podgrup: wiek
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Zbadaj, czy istnieją różnice w wyżej wymienionych wynikach, biorąc pod uwagę wiek (lata) uczestników.
|
do ukończenia studiów, średnio 1 rok
|
|
Analiza podgrup: płeć
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Sprawdź, czy istnieją różnice w wyżej wymienionych wynikach, biorąc pod uwagę płeć uczestników.
|
do ukończenia studiów, średnio 1 rok
|
|
Analiza podgrup: środowisko pracy (rodzaj szpitala, rodzaj OIT)
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Sprawdź, czy istnieją różnice w wyżej wymienionych wynikach, biorąc pod uwagę środowisko pracy (szpital uniwersytecki vs szpital nieuniwersytecki, mały szpital vs duży szpital, rodzaj OIOM (medyczny, chirurgiczny, mieszany OIOM, pośrednia opieka)) – dane które są zbierane w podstawowym kwestionariuszu) uczestników.
|
do ukończenia studiów, średnio 1 rok
|
|
Analiza podgrup: doświadczenie zawodowe (wykształcenie podstawowe i doświadczenie kliniczne).
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Zbadaj, czy istnieją różnice w wyżej wymienionych wynikach, biorąc pod uwagę doświadczenie zawodowe (rodzaj podstawowego szkolenia (anestezjologia, interna, chirurgia, inne), doświadczenie kliniczne (lata) – dane zebrane w podstawowym kwestionariuszu) Uczestnicy.
|
do ukończenia studiów, średnio 1 rok
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Śledczy
Śledczy
- Główny śledczy: Jan De Waele, MD, PhD, University Ghent
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- BC-9892
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .