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

Badania jakościowe wśród lekarzy i młodszych lekarzy nad przesłankami wdrożenia CDSS opartego na sztucznej inteligencji na OIOM (KATRINA)

20 marca 2023 zaktualizowane przez: University Ghent

Badania jakościowe wśród lekarzy i młodszych lekarzy nad przesłankami wdrożenia systemu wspomagania decyzji klinicznych (CDSS) opartego na sztucznej inteligencji (AI) na OIT

Celem tego badania jest zbadanie różnych postaw i warunków wstępnych potencjalnych użytkowników końcowych (lekarzy i lekarzy w trakcie szkolenia) wymaganych do pomyślnego wdrożenia klinicznego modeli opartych na sztucznej inteligencji (tj. oprogramowanie wspomagające podejmowanie decyzji.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

69

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Belgia
      • Aalst, Belgia
        • OLV Aalst
      • Antwerpen, Belgia
        • ZNA Ziekenhuizen
      • Ghent, Belgia
        • Ghent University Hospital

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

Tak

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Specjaliści medyczni lub specjaliści w trakcie szkolenia pracujący na intensywnej terapii w czasie badania.

Opis

Kryteria przyjęcia:

  • Lekarz specjalista lub specjalista w szkoleniu pracujący na oddziale intensywnej terapii w czasie studiów.

Kryteria wyłączenia:

  • Wiek < 18 lat

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

  • Modele obserwacyjne: Inny
  • Perspektywy czasowe: Spodziewany

Co mierzy badanie?

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

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

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

University Ghent

Współpracownicy

Research Foundation Flanders

Śledczy

  • Główny śledczy: Jan De Waele, MD, PhD, University Ghent

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)

13 kwietnia 2022

Zakończenie podstawowe (Rzeczywisty)

31 października 2022

Ukończenie studiów (Rzeczywisty)

31 października 2022

Daty rejestracji na studia

Pierwszy przesłany

22 lutego 2022

Pierwszy przesłany, który spełnia kryteria kontroli jakości

21 marca 2022

Pierwszy wysłany (Rzeczywisty)

31 marca 2022

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

22 marca 2023

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

20 marca 2023

Ostatnia weryfikacja

1 października 2022

Więcej informacji

Terminy związane z tym badaniem

Inne numery identyfikacyjne badania

  • BC-9892

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Opis planu IPD

Jeśli to możliwe i wykonalne, na żądanie zostaną udostępnione zanonimizowane dane ankietowe oraz dane z transkrypcji dyskusji grupowych.

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 .

Badania kliniczne na Ankieta

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Egypt

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

3
Subskrybuj