- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT04757194
Diferenciação assistida por aprendizado de máquina de pacientes de baixa gravidade no despacho (MADLAD)
Diferenciação assistida por aprendizado de máquina de pacientes de baixa gravidade no despacho: um estudo controlado randomizado
FUNDO:
Nos centros de Despacho Médico de Emergência (EMD), são comuns as Situações com Limitação de Recursos (RCS), onde há mais chamadores que requerem uma ambulância do que ambulâncias disponíveis. Nos centros EMD em Uppsala e Västmanland, os pacientes que vivenciam essas situações geralmente recebem uma resposta de baixa prioridade, geralmente são idosos e apresentam sintomas inespecíficos. As técnicas de aprendizado de máquina oferecem uma abordagem promissora, mas amplamente não testada, para avaliar os riscos entre esses pacientes.
OBJETIVOS:
Estabelecer se o fornecimento de pontuações de risco baseadas em aprendizado de máquina melhora a capacidade dos despachantes de identificar pacientes com alto risco de deterioração na RCS.
PROJETO:
Ensaio multicêntrico, de grupos paralelos, randomizado, cego para analistas.
POPULAÇÃO:
Pacientes adultos entrando em contato com a linha nacional de emergência (112), avaliados por uma enfermeira de plantão em Uppsala ou Västmanland como exigindo uma resposta de ambulância de baixa prioridade e passando por um RCS.
RESULTADOS:
Primário:
1. Proporção de RCS em que a primeira ambulância disponível foi despachada para o paciente com a pontuação mais alta do National Early Warning Score (NEWS)
Secundário:
- Diferença no escore de risco composto que consiste em intervenções de ambulância, transporte emergencial, internação hospitalar, terapia intensiva e mortalidade entre pacientes que receberam resposta de ambulância imediata versus tardia durante RCS.
- Diferença no NEWS entre os pacientes que receberam resposta imediata versus tardia da ambulância durante o RCS.
INTERVENÇÃO:
Um modelo de aprendizado de máquina estimará o risco associado a cada paciente envolvido no RCS e proporá um paciente para receber a ambulância disponível. Somente no braço de intervenção, a avaliação será exibida em uma interface de usuário integrada ao sistema de despacho.
TAMANHO DE TESTE:
1500 RCS, cada um consistindo em vários pacientes randomizados 1:1 para os braços de controle e intervenção
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Tipo de estudo
Inscrição (Real)
Estágio
- Não aplicável
Contactos e Locais
Locais de estudo
-
-
-
Uppsala, Suécia
- Uppsala University Hospital
-
-
Västmanland
-
Västerås, Västmanland, Suécia
- Västmanland hospital Västerås
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Descrição
Critério de inclusão:
- Identificação de uma situação de restrição de recursos pelo diretor da ambulância (ou seja, 2 ou mais pacientes aguardando uma resposta da ambulância)
- Prioridade 2A ou 2B atribuída (resposta de ambulância de baixa prioridade) pelo atendente da chamada da enfermeira de despacho
- Número de identificação pessoal sueco válido coletado no despacho
- Idade >= 18 anos
Critério de exclusão:
- Chamadas relevantes recebidas com mais de 30 minutos de intervalo
- Fatores logísticos (por exemplo, localização geográfica dos pacientes) afetam a decisão de designação de ambulância
- Fatores de risco na cena (por exemplo, um paciente está ao ar livre e corre o risco de hipotermia) ou mitigadores de risco (por exemplo, equipe de saúde já no local com um paciente) afetam a decisão de designação de ambulância
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Pesquisa de serviços de saúde
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Solteiro
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Intervenção
Cálculo da pontuação de avaliação de risco por algoritmo de aprendizado de máquina e exibição de informações de avaliação de risco para despachar enfermeiras.
Os funcionários são incentivados, mas não obrigados, a cumprir a classificação sugerida.
|
Um algoritmo de aprendizado de máquina (aumento de gradiente) aplicado a dados estruturados coletados no sistema Alitis Clinical Decision Support, dados demográficos do paciente e notas de texto livre.
|
|
Sem intervenção: Ao controle
Despacho de ambulância por padrão de atendimento
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Proporção de RCS em que a primeira ambulância disponível foi despachada para o paciente com o maior National Early Warning Score (NEWS).
Prazo: Após a resposta da ambulância (dentro de 8 horas após o envio)
|
O NEWS é um algoritmo de pontuação amplamente utilizado e bem validado com base em sinais vitais objetivos do paciente, que não são causalmente dependentes dos resultados usados para treinar os modelos de aprendizado de máquina investigados neste estudo.
Os valores do NEWS serão baseados no primeiro conjunto de sinais vitais obtidos pelas enfermeiras da ambulância ao fazer contato com o paciente.
O NEWS é medido em uma escala de 0 a 21, com valores mais altos correspondendo a pacientes com maior risco de deterioração.
|
Após a resposta da ambulância (dentro de 8 horas após o envio)
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diferença na pontuação da medida de resultado composta entre pacientes com resposta imediata versus resposta tardia.
Prazo: Até 30 dias
|
Essa medida investiga uma pontuação composta que consiste nos resultados usados para treinar os modelos de aprendizado de máquina. A pontuação composta é gerada identificando os seguintes resultados do paciente e atribuindo os pesos correspondentes: Descobertas iniciais anormais de vias aéreas/respiração/circulação pela equipe da ambulância (4) Transporte emergencial (luzes e sirenes) para o hospital (2) Fornecimento de intervenções pré-hospitalares (1) Admissão em internação ou mortalidade em 30 dias (1) Isso resulta em uma pontuação de 0 a 8, com pontuações mais altas representando mais |
Até 30 dias
|
|
Diferença no National Early Warning Score (NEWS) entre pacientes com resposta imediata versus tardia.
Prazo: Após a resposta da ambulância (dentro de 8 horas após o envio)
|
Por resultado primário
|
Após a resposta da ambulância (dentro de 8 horas após o envio)
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Hans Blomberg, MD, PhD, Uppsala University Hospital
Publicações e links úteis
Publicações Gerais
- Spangler D, Hermansson T, Smekal D, Blomberg H. A validation of machine learning-based risk scores in the prehospital setting. PLoS One. 2019 Dec 13;14(12):e0226518. doi: 10.1371/journal.pone.0226518. eCollection 2019.
- Spangler D, Edmark L, Winblad U, Collden-Benneck J, Borg H, Blomberg H. Using trigger tools to identify triage errors by ambulance dispatch nurses in Sweden: an observational study. BMJ Open. 2020 Mar 19;10(3):e035004. doi: 10.1136/bmjopen-2019-035004.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- SVLC001
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Prazo de Compartilhamento de IPD
Critérios de acesso de compartilhamento IPD
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
- ANALYTIC_CODE
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 .