Criação de histórico assistido computadorizado, exame físico e sistema de diagnóstico de paciente de emergência por meio de aprendizado de máquina (II) (MLD)
No departamento de emergência (ED), os médicos precisam concluir a avaliação e o tratamento do paciente em um curto espaço de tempo, o que exige diferentes anamneses e habilidades de exame físico no sistema de saúde.
O processamento de linguagem natural (NLP) tornou-se facilmente acessível após o desenvolvimento do aprendizado de máquina (ML). Além disso, o prontuário eletrônico (EMR) tem sido amplamente aplicado nos sistemas de saúde. Existem cada vez mais ferramentas que tentam capturar certas informações do EMR para ajudar os profissionais clínicos a lidar com o aumento de dados do paciente e melhorar o atendimento ao paciente.
No entanto, errar é humano. Os médicos podem omitir alguns sinais ou sintomas importantes ou esquecer de anotá-los no prontuário, especialmente em uma sala de emergência movimentada. Isso levará a um resultado desfavorável quando houver uma questão legal médica ou revisão do seguro nacional de saúde. A condição pode ser limitada por um sistema de suporte EMR. A qualidade do atendimento também vai melhorar.
Os investigadores estão planejando analisar o EMR da sala de emergência por NLP e aprendizado de máquina. Estabelecer a ligação entre dados de triagem, queixa principal, história pregressa, doença atual e exame físico. Os investigadores tentarão prever o diagnóstico provisório e a disposição do paciente depois que o relacionamento for encontrado. Posteriormente, os investigadores poderiam tentar prever o elemento-chave da anamnese e exame físico do paciente e informar o médico quando o erro aconteceu. Os investigadores esperam que o sistema possa melhorar a qualidade do registro médico e do atendimento ao paciente.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Tipo de estudo
Inscrição (Antecipado)
Estágio
- Não aplicável
Contactos e Locais
Contato de estudo
- Nome: Hui-Chih Wang, Dr.
- Número de telefone: +88623123456
- E-mail: ticoer@ntuh.gov.tw
Estude backup de contato
- Nome: Hsin-Hsi Chen, Dr.
- Número de telefone: 311 +886233664888
- E-mail: hhchen@ntu.edu.tw
Locais de estudo
-
-
-
Taipei, Taiwan, 100
- Recrutamento
- National Taiwan University Hospital
-
Contato:
- Wang, Dr.
- Número de telefone: 265659 886-2-23123456
- E-mail: ticoer@ntuh.gov.tw
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Descrição
Critério de inclusão:
- Mais de vinte anos
- Paciente não traumático
Critério de exclusão:
- Exclusão dos pacientes por motivos administrativos (emissão de atestado médico)
- Excluindo os pacientes por motivos não emergenciais, como simplesmente acupuntura, triagem de vírus e prescrição de medicamentos.
- Excluindo pacientes alocados em estação de cuidados intensivos
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Tratamento
- Alocação: Randomizado
- Modelo Intervencional: Atribuição Paralela
- Mascaramento: Triplo
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Sem intervenção: Ao controle
|
|
|
Experimental: Experimental
|
Depois que os pacientes sob classificação de triagem para os quais aleatoriamente alocam em dois grupos.
O grupo com intervenção de IA e o outro sem intervenção de IA.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Avaliação médica sênior
Prazo: 24 horas
|
Avaliação médica sênior, medida por um questionário estabelecido.
O médico sênior preencherá um questionário de avaliação de qualidade de nota clínica verificado por especialista depois que o médico júnior terminar a entrevista com o paciente e o registro da nota clínica.
O questionário é projetado para usar escala likert de 5 pontos e pontuações mais altas significam um melhor resultado.
|
24 horas
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão da previsão do diagnóstico
Prazo: alta do paciente do pronto-socorro, até 1 semana
|
A porcentagem de diagnóstico previsto corresponde ao diagnóstico final.
|
alta do paciente do pronto-socorro, até 1 semana
|
|
Racionalidade da previsão do diagnóstico
Prazo: 24 horas
|
Médicos seniores avaliarão a racionalidade do diagnóstico previsto.
|
24 horas
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Cadeira de estudo: Huang, Dr., National Taiwan University Hospital
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Antecipado)
Conclusão do estudo (Antecipado)
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 (Estimativa)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 202110012RIND
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 .