Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Eficácia de um sistema de eTriaging para triagem de doenças

17 de janeiro de 2024 atualizado por: Yingfeng Zheng, Sun Yat-sen University

Eficácia do uso do sistema eTriaging para triagem de doenças na população da comunidade

À medida que a população aumenta e a prevalência de doenças aumenta, o longo tempo de espera tornou-se um problema comum nos sistemas públicos de saúde. Há uma necessidade urgente de serviços de triagem rápidos, precisos e econômicos. Assim, pretendemos desenvolver um sistema de eTriaging e comparar sua eficácia com humanos.

Visão geral do estudo

Tipo de estudo

Intervencional

Inscrição (Real)

535

Estágio

  • Não aplicável

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Locais de estudo

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

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

18 anos e mais velhos (Adulto, Adulto mais velho)

Aceita Voluntários Saudáveis

Não

Descrição

Critério de inclusão:

  • Pessoas maiores de 18 anos.
  • Ter um smartphone/tablet e poder visualizar e operar o APP eTriaging.
  • Disposto a participar do estudo e fornecer conteúdo informado.

Critério de exclusão:

  • N / D

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

  • Finalidade Principal: Outro
  • Alocação: N / D
  • Modelo Intervencional: Atribuição de grupo único
  • Mascaramento: Nenhum (rótulo aberto)

Armas e Intervenções

Grupo de Participantes / Braço
Intervenção / Tratamento
Experimental: Uma ferramenta de autoavaliação baseada no Large Language Model
A ferramenta de autoavaliação, alimentada por um grande modelo de linguagem, processa as consultas dos usuários por meio de uma estrutura abrangente de geração, decisão, ação e segurança para fornecer respostas ideais. Os principais recursos do sistema incluem aprendizagem contextual aumentada por recuperação, que aprimora as respostas geradas pela obtenção de informações em sites confiáveis. Também incorpora um módulo Guardrail para mitigar conteúdo potencialmente prejudicial nas respostas, validando o conteúdo antes da entrega. Além disso, o sistema possui um módulo de memória de autoverificação que mantém características clínicas essenciais em diálogos multivoltas, garantindo interações consistentes e contínuas com os usuários.

Após a avaliação inicial, os participantes serão orientados a usar uma ferramenta de autoavaliação de forma independente para avaliar o risco de retinopatia diabética (RD). Esta ferramenta é uma fusão de um sistema de IA conversacional baseado em LLM e um modelo de diagnóstico logístico existente.

O sistema de IA foi projetado para coletar variáveis ​​clínicas, incluindo idade, duração do diabetes, Índice de Massa Corporal (IMC) e uso de insulina. Além disso, dados de testes clínicos, como pressão arterial média, HbA1c, creatinina sérica e microalbuminúria serão extraídos de um conjunto de dados local usando o nome e ID do paciente. Uma vez coletados, esses dados serão transmitidos para um modelo de diagnóstico baseado em servidor para análise posterior para determinar a presença de DR.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
AUROC da ferramenta de autoavaliação
Prazo: Imediatamente após usar o chatbot
O desempenho da ferramenta de autoavaliação é avaliado com precisão com referência aos rótulos de diagnóstico feitos por oftalmologistas seniores com base em fotos de fundo de olho.
Imediatamente após usar o chatbot

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Investigadores

  • Investigador principal: Yingfeng Zheng, Zhongshan Ophthalmic Center, Sun Yat-sen University

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de maio de 2023

Conclusão Primária (Real)

30 de julho de 2023

Conclusão do estudo (Real)

30 de julho de 2023

Datas de inscrição no estudo

Enviado pela primeira vez

29 de janeiro de 2022

Enviado pela primeira vez que atendeu aos critérios de CQ

29 de janeiro de 2022

Primeira postagem (Real)

9 de fevereiro de 2022

Atualizações de registro de estudo

Última Atualização Postada (Estimado)

19 de janeiro de 2024

Última atualização enviada que atendeu aos critérios de controle de qualidade

17 de janeiro de 2024

Última verificação

1 de janeiro de 2024

Mais Informações

Termos relacionados a este estudo

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

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 .

Se inscrever