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

Sztuczna inteligencja a zautomatyzowane wiadomości w monitorowaniu ciągłej analgezji regionalnej

1 kwietnia 2026 zaktualizowane przez: Pontificia Universidad Catolica de Chile

Porównawcze badanie dotyczące pooperacyjnej obserwacji pacjentów z zastosowaniem aplikacji opartej na sztucznej inteligencji versus automatycznej aplikacji do wysyłania wiadomości u pacjentów otrzymujących ciągłą analgezję regionalną

Skuteczna analgezja pooperacyjna ma kluczowe znaczenie dla rekonwalescencji pacjenta, jego zadowolenia oraz skrócenia czasu pobytu w szpitalu. Ciągłe bloki nerwów obwodowych (CPNB) poprzez założenie cewnika stanowią podstawę osiągnięcia tych celów. Tradycyjnie monitorowanie tych pacjentów opierało się na standaryzowanych protokołach telefonicznych przeprowadzanych przez przeszkolony personel. Pierwotne poprzednie badania z 2024 roku wykazały, że zautomatyzowana platforma wiadomości tekstowych była wykonalna i utrzymywała wysokie zadowolenie pacjentów, jednak skutkowała znacznie wyższym odsetkiem nieplanowanych zapytań inicjowanych przez pacjentów (28,3% vs. 6,4%) w porównaniu z tradycyjnymi połączeniami telefonicznymi, prawdopodobnie z powodu braku możliwości adaptacyjnej odpowiedzi.

Cel: Niniejsze badanie ma na celu ocenę ulepszonej iteracji technologicznej naszej platformy monitorującej. Integrując interfejs sztucznej inteligencji (AI) szkolony na specjalistycznych protokołach klinicznych, nowy system ma za zadanie zapewnić pacjentom zautomatyzowane, spersonalizowane i adaptacyjne zalecenia.

Metody i interwencja: Badanie porówna skuteczność tej platformy napędzanej sztuczną inteligencją z poprzednią wersją nieadaptacyjnego zautomatyzowanego systemu wiadomości. Głównym rezultatem jest porównanie liczby zapytań inicjowanych przez pacjentów (re-konsultacji). Rezultaty drugorzędne obejmują zadowolenie pacjentów, przestrzeganie protokołu monitorowania oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego.

Wpływ: Badacze zakładają, że integracja sztucznej inteligencji zoptymalizuje zasoby ludzkie i poprawi autonomię pacjentów bez uszczerbku dla bezpieczeństwa lub satysfakcji, ostatecznie dostarczając skalowalny model monitorowania regionalnej analgezji pooperacyjnej.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Typ studiów

Interwencyjne

Zapisy (Szacowany)

166

Faza

  • Nie dotyczy

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

  • Nazwa: Pontificia Universidad Catolica de Chile

Lokalizacje studiów

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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Tak

Opis

Kryteria włączenia:

  • Pacjenci w wieku od 18 do 75 lat.
  • Klasyfikacja stanu fizycznego ASA I lub II.
  • Zaplanowani do ambulatoryjnych programów chirurgicznych w ośrodkach sieci UC Christus Health Network (Hospital Clínico, Clínica San Carlos de Apoquindo lub Centro Médico Santa Lucía).
  • Pacjenci otrzymujący leczenie bólu pooperacyjnego poprzez ciągły blok nerwu obwodowego (CPNB) z cewnikiem okołonerwowym i jednorazową pompą infuzyjną.
  • Posiadanie i udokumentowana umiejętność obsługi smartfona w celu korzystania z aplikacji mobilnej.
  • Dostarczenie pisemnej świadomej zgody.

Kryteria wyłączenia:

  • Niezdolność do zrozumienia lub przestrzegania protokołu monitorowania cyfrowego.
  • Pacjenci niespełniający wymagań wiekowych lub dotyczących stanu fizycznego ASA.

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: Badania usług zdrowotnych
  • Przydział: Randomizowane
  • Model interwencyjny: Przydział równoległy
  • Maskowanie: Pojedynczy

Broń i interwencje

Grupa uczestników / Arm
Interwencja / Leczenie
Eksperymentalny: AI-App
Aplikacja napędzana sztuczną inteligencją
Inny: Platforma do obserwacji oparta na sztucznej inteligencji
Badanie porówna skuteczność tej platformy opartej na sztucznej inteligencji z poprzednią wersją nieadaptacyjnego zautomatyzowanego systemu wiadomości. Podstawowym wynikiem jest porównanie liczby zapytań inicjowanych przez pacjentów (ponownych konsultacji). Wyniki dodatkowe obejmują satysfakcję pacjentów, przestrzeganie protokołu kontrolnego oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego.
Inny: Zadowolenie
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu kontrolnego i wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego
Inny: Przestrzeganie protokołu obserwacji po leczeniu
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu kontroli pooperacyjnej oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia po operacji
Inny: Wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu obserwacji oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego
Aktywny komparator: Control-App
Standardowa zautomatyzowana aplikacja do obsługi wiadomości
Inny: Zadowolenie
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu kontrolnego i wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego
Inny: Przestrzeganie protokołu obserwacji po leczeniu
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu kontroli pooperacyjnej oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia po operacji
Inny: Wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego
Rejestruj satysfakcję pacjenta, przestrzeganie protokołu obserwacji oraz wskaźniki odpowiedzi od pierwszego do trzeciego dnia pooperacyjnego

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Porównanie wskaźników zapytań inicjowanych przez pacjentów między aplikacją AI a aplikacją kontrolną
Ramy czasowe: Od rejestracji do zakończenia 3-dniowej ambulatoryjnej obserwacji pooperacyjnej
Porównanie wskaźników zapytań inicjowanych przez pacjentów między aplikacją napędzaną sztuczną inteligencją (AI-App) a standardową aplikacją do automatycznego przesyłania wiadomości (Control-App) podczas ambulatoryjnej obserwacji pooperacyjnej.
Od rejestracji do zakończenia 3-dniowej ambulatoryjnej obserwacji pooperacyjnej

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Zaangażuj się w aplikację opartą na sztucznej inteligencji
Ramy czasowe: Od rejestracji do końca 3-dniowej ambulatoryjnej obserwacji pooperacyjnej
Odsetek pacjentów, którzy z powodzeniem korzystają z aplikacji opartej na sztucznej inteligencji. Obejmuje to analizę zbiorczą w okresie 3-dniowej obserwacji oraz szczegółową analizę odpowiedzi dzień po dniu.
Od rejestracji do końca 3-dniowej ambulatoryjnej obserwacji pooperacyjnej
Ocena satysfakcji pacjenta
Ramy czasowe: Od rejestracji do zakończenia 3-dniowej ambulatoryjnej kontroli pooperacyjnej
Ocena i porównanie wyników satysfakcji pacjentów między grupą korzystającą z aplikacji opartej na sztucznej inteligencji a grupą tradycyjnej telefonicznej kontynuacji opieki, z wykorzystaniem standaryzowanego kwestionariusza satysfakcji w języku hiszpańskim „Questionnaire of Satisfaction and Perceived Quality in Hospital Health Care of the Department of Studies and Development of the Superintendency of Health” (PQA). W tym narzędziu pacjent był proszony o odpowiedź przy użyciu pięciopunktowej skali Likerta. Krańce skali były oznakowane od „bardzo słabe” do „zdecydowanie tak” w zależności od pytania. Odpowiedzi pacjentów na każde pytanie z użyciem skali Likerta PQA oraz pytania z wizualną skalą analogową były oceniane od 1 do 5. Wynik wydajności zdefiniowano jako odsetek pacjentów z niezadowalającą odpowiedzią. Dla każdego pytania PQA obliczono wskaźnik jakości poprzez pomnożenie wyniku ważności przez wynik wydajności.
Od rejestracji do zakończenia 3-dniowej ambulatoryjnej kontroli pooperacyjnej
Przestrzeganie zaleceń między aplikacją kontrolną a aplikacją AI
Ramy czasowe: Od rejestracji do zakończenia 3-dniowej ambulatoryjnej kontroli pooperacyjnej
Analiza porównawcza przestrzegania zaleceń przez pacjentów między standardową aplikacją z automatycznymi powiadomieniami (Control-App) a aplikacją wykorzystującą sztuczną inteligencję (AI-App). Przestrzeganie zaleceń definiuje się jako pomyślne ukończenie protokołu odpowiedzi podczas trwającego trzy dni okresu monitorowania.
Od rejestracji do zakończenia 3-dniowej ambulatoryjnej kontroli pooperacyjnej

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Pontificia Universidad Catolica de Chile

Śledczy

  • Główny śledczy: Felipe Yañez Herrera, Pontificia Universidad Católica de Chile

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

  • 9. Semple J, Sharpe S, Murnaghan M, Theodoropoulos J, Metcalfe K Using a Mobile App for Monitoring Post-Operative Quality of Recovery of Patients at Home: A Feasibility Study JMIR Mhealth Uhealth 2015;3(1):e18 URL: https://mhealth.jmir.org/2015/1/e18 DOI: 10.2196/mhealth.3929
  • 8. Poonam Pai, B. H., & Lai, Y. H. (2022). Regional anesthesia and pain medicine. Regional Anesthesia and Pain Medicine, 47(2), 144-145. doi:https://doi.org/10.1136/rapm-2021-102939
  • 7. Implementation of an Automated Text Message-Based System for Tracking Patient-Reported Outcomes in Spine Surgery: An Overview of the Concept and Our Early Experience Author links open overlay panelAlexander Perdomo-Pantoja, Safwan Alomari, Daniel Lubelski, Ann Liu, Trevor DeMordaunt, Ali Bydon, Timothy F. Witham, Nicholas Theodore
  • 6. Miller HN, Voils CI, Cronin KA, Jeanes E, Hawley J, Porter LS, Adler RR, Sharp W, Pabich S, Gavin KL, Lewis MA, Johnson HM, Yancy WS Jr, Gray KE, Shaw RJ. A Method to Deliver Automated and Tailored Intervention Content: 24-month Clinical Trial. JMIR Form Res. 2022 Sep 6;6(9):e38262. doi: 10.2196/38262. PMID: 36066936; PMCID: PMC9490532
  • 5. Gessner D, Hunter OO, Kou A, Mariano ER. Automated text messaging follow-up for patients who receive peripheral nerve blocks. Reg Anesth Pain Med. 2021 Jun;46(6):524-528. doi: 10.1136/rapm-2021-102472. Epub 2021 Mar 1. PMID: 33649155.
  • 4. Van der Velde M, Valkenet K, Geleijn E, Kruisselbrink M, Marsman M, Janssen LM, Ruurda JP, van der Peet DL, Aarden JJ, Veenhof C, van der Leeden M. Usability and Preliminary Effectiveness of a Preoperative mHealth App for People Undergoing Major Surgery: Pilot Randomized Controlled Trial. JMIR Mhealth Uhealth. 2021 Jan 7;9(1):e23402. doi: 10.2196/23402. PMID: 33410758; PMCID: PMC7819776.
  • 3. Highland KB, Tran J, Edwards H, Bedocs P, Suen J, Buckenmaier CC. Feasibility of App-Based Postsurgical Assessment of Pain, Pain Impact, and Regional Anesthesia Effects: A Pilot Randomized Controlled Trial. Pain Med. 2019 Aug 1;20(8):1592-1599. doi: 10.1093/pm/pny288. PMID: 30726985.
  • 2. Usability Measurement of Mobile Applications with System Usability Scale (SUS) - Aycan Kaya, Reha Ozturk and Cigdem Altin Gumussoy
  • 1. Gavyn Ooi1 & Eric S. Schwenk2 & Marc C. Torjman2 & Kent Berg2. A Randomized Trial of Manual Phone Calls Versus Automated Text Messages for Peripheral Nerve Block Follow-Ups

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 (Szacowany)

1 kwietnia 2026

Zakończenie podstawowe (Szacowany)

1 lipca 2026

Ukończenie studiów (Szacowany)

1 lipca 2027

Daty rejestracji na studia

Pierwszy przesłany

24 marca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

1 kwietnia 2026

Pierwszy wysłany (Rzeczywisty)

3 kwietnia 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

3 kwietnia 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

1 kwietnia 2026

Ostatnia weryfikacja

1 marca 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 250312009

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