Impacto de algoritmos de suporte à decisão clínica baseados em aprendizado de máquina em cuidados perioperatórios (IMAGINATIVE)
Impacto dos algoritmos de suporte à decisão clínica baseados em aprendizado de máquina em cuidados perioperatórios - um estudo de controle randomizado (estudo IMAGINATIVO)
Visão geral do estudo
Status
Status
Condições
Condições
Intervenção / Tratamento
Intervenção / Tratamento
Tipo de estudo
Tipo de estudo
Inscrição (Antecipado)
Inscrição
Estágio
Estágio
- Não aplicável
Contactos e Locais
Contato de estudo
Contato de estudo
- Nome: Hairil Rizal Abdullah, MBBS
- Número de telefone: 63265428
- E-mail: hairil.rizal.abdullah@singhealth.com.sg
Locais de estudo
-
-
-
Singapore, Cingapura
- Singapore General Hospital
-
Subinvestigador:
- Ecosse Lamoureux, PHD
-
Contato:
- Hairil Rizal Abdullah, MMED
- E-mail: hairil.rizal.abdullah@singhealth.com.sg
-
Investigador principal:
- Hairil Rizal Abdullah, MMED
-
Subinvestigador:
- Elaine Lum, PHD
-
Subinvestigador:
- Nan Liu, PHD
-
Subinvestigador:
- Mengling Feng, PHD
-
Subinvestigador:
- Jacqueline Sim Xiu Ling, MBBS
-
Subinvestigador:
- Brian Goh Kim Poh, MBBS
-
Subinvestigador:
- Gek Hsiang Lim, MSC
-
Subinvestigador:
- Marcus Ong Eng Hock, MPH
-
-
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critério de inclusão:
- Pacientes >=21 anos
- Pacientes que vão para cirurgia eletiva
Para entrevista semiestruturada:
1. Qualquer clínico ou enfermeiro que usou o CARES durante o estudo de pesquisa
Critério de exclusão:
- Pacientes com capacidade mental reduzida
- Pacientes incapazes de dar consentimento
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Outro
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Nenhum (rótulo aberto)
Número de braços
Armas e Intervenções
Grupo de Participantes / BraçoGrupo de Participantes / Braço |
Intervenção / TratamentoIntervenção / Tratamento |
|---|---|
|
Comparador Ativo: Grupo orientado pelo CARES
A intervenção
|
Os participantes randomizados para o braço guiado pelo CARES terão sua pontuação CARES calculada e inserida no formulário eletrônico de avaliação pré-anestésica no Registro Médico Eletrônico (EMR).
Esta partitura e seus avisos relevantes serão exibidos com destaque neste formulário eletrônico.
(Os participantes deste braço receberão esta intervenção além da prática de rotina).
|
|
Sem intervenção: Grupo não guiado pelo CARES
O controle - Os participantes randomizados para o braço de controle continuarão a ter sua avaliação pré-anestésica de rotina no formulário eletrônico, sem os cálculos da calculadora CARES, conforme a prática atual
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mudança nas taxas de mortalidade perioperatória
Prazo: Cinco anos
|
Avaliar a eficácia do Machine Learning Clinical Decision Support (ML-CDS).
Hipótese: O grupo guiado pelo CARES terá uma redução relativa de 30% na taxa de mortalidade em um ano devido ao aumento da conscientização dos médicos sobre os riscos.
|
Cinco anos
|
Medidas de resultados secundários
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mudança na internação na UTI planejada potencialmente evitável após a cirurgia
Prazo: Cinco anos
|
Avaliar a eficácia do algoritmo ML-CDS em otimizar a utilização de leitos de UTI, que é um recurso hospitalar importante e caro Hipótese: Haverá uma redução relativa de 25% na internação em UTI planejada potencialmente evitável após a cirurgia no grupo guiado pelo CARES
|
Cinco anos
|
Outras medidas de resultado
Outras medidas de resultado
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mudança na taxa de adoção das recomendações CDS do CARES entre anestesiologistas, intensivistas, cirurgiões e enfermeiros
Prazo: Cinco anos
|
Avaliar a adoção e aceitabilidade e entender a experiência e as preocupações do usuário em relação a um aplicativo de previsão baseado em ML projetado para melhorar a segurança do paciente em um ambiente clínico.
Hipótese: Há alta adoção das recomendações do CDS do CARES entre anestesiologistas, intensivistas, cirurgiões e enfermeiros, respectivamente.
|
Cinco anos
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Antecipado)
Início do estudo
Conclusão Primária (Antecipado)
Conclusão Primária
Conclusão do estudo (Antecipado)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Outros números de identificação do estudo
Outros números de identificação do estudo
- IMAGINATIVE Trial
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .