Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Skuteczność systemu eTriaging do segregacji chorób

17 stycznia 2024 zaktualizowane przez: Yingfeng Zheng, Sun Yat-sen University

Skuteczność wykorzystania systemu eTriaging do segregacji chorób w populacji społeczności

Wraz ze wzrostem populacji i wzrostem zachorowań długi czas oczekiwania stał się powszechnym problemem w publicznych systemach opieki zdrowotnej. Istnieje pilna potrzeba szybkich, dokładnych i opłacalnych usług szybkiej selekcji. Dlatego naszym celem było opracowanie systemu eTriaging i porównanie jego skuteczności z ludźmi.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Interwencyjne

Zapisy (Rzeczywisty)

535

Faza

  • Nie dotyczy

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Guangzhou, Guangdong, Chiny, 510000
        • Zhognshan Ophthalmic Center, Sun Yat-sen University

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Opis

Kryteria przyjęcia:

  • Osoby powyżej 18 roku życia.
  • Posiadanie smartfona/tabletu oraz możliwość przeglądania i obsługi aplikacji eTriaging.
  • Chęć udziału w badaniu i dostarczania świadomych treści.

Kryteria wyłączenia:

  • NA

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

  • Główny cel: Inny
  • Przydział: Nie dotyczy
  • Model interwencyjny: Zadanie dla jednej grupy
  • Maskowanie: Brak (otwarta etykieta)

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: Narzędzie do samooceny oparte na modelu dużego języka
Narzędzie do samooceny, oparte na dużym modelu językowym, przetwarza zapytania użytkowników poprzez kompleksową strukturę generowania, podejmowania decyzji, działań i bezpieczeństwa, aby zapewnić optymalne odpowiedzi. Kluczowe funkcje systemu obejmują uczenie się kontekstowe wspomagane wyszukiwaniem, które wzmacnia reakcje generowane w wyniku pozyskiwania informacji z wiarygodnych stron internetowych. Zawiera także moduł Guardrail, który pozwala ograniczyć potencjalne szkodliwe treści w odpowiedziach poprzez weryfikację treści przed dostarczeniem. Dodatkowo system jest wyposażony w moduł pamięci samosprawdzającej, który zachowuje podstawowe właściwości kliniczne w trakcie wieloobrotowych dialogów, zapewniając spójne i ciągłe interakcje z użytkownikami.
Inny: Narzędzie do samooceny oparte na modelu dużego języka

Po przeprowadzeniu oceny początkowej uczestnicy zostaną poinstruowani, jak niezależnie korzystać z narzędzia samooceny w celu oceny ryzyka wystąpienia retinopatii cukrzycowej (DR). Narzędzie to jest połączeniem konwersacyjnego systemu AI opartego na LLM i istniejącego logistycznego modelu diagnostycznego.

System AI przeznaczony jest do zbierania zmiennych klinicznych, w tym wieku, czasu trwania cukrzycy, wskaźnika masy ciała (BMI) i zużycia insuliny. Ponadto dane z badań klinicznych, takie jak średnie ciśnienie tętnicze, HbA1c, kreatynina w surowicy i mikroalbuminuria, zostaną pobrane z lokalnego zbioru danych przy użyciu nazwiska i identyfikatora pacjenta. Po zebraniu dane te zostaną przesłane do modelu diagnostycznego opartego na serwerze w celu dalszej analizy w celu określenia obecności DR.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
AUROC narzędzia samooceny
Ramy czasowe: Natychmiast po użyciu chatbota
Działanie narzędzia samooceny jest oceniane z dokładnością w odniesieniu do etykiet diagnostycznych przez starszych okulistów na podstawie zdjęć dna oka.
Natychmiast po użyciu chatbota

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sun Yat-sen University

Śledczy

  • Główny śledczy: Yingfeng Zheng, Zhongshan Ophthalmic Center, Sun Yat-sen University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 maja 2023

Zakończenie podstawowe (Rzeczywisty)

30 lipca 2023

Ukończenie studiów (Rzeczywisty)

30 lipca 2023

Daty rejestracji na studia

Pierwszy przesłany

29 stycznia 2022

Pierwszy przesłany, który spełnia kryteria kontroli jakości

29 stycznia 2022

Pierwszy wysłany (Rzeczywisty)

9 lutego 2022

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

19 stycznia 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

17 stycznia 2024

Ostatnia weryfikacja

1 stycznia 2024

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 2022KYPJ258

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Subskrybuj