Prevenção de erros de dispensação de medicamentos na prática farmacêutica com inteligência de máquina interpretável
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
Atualmente, os farmacêuticos realizam uma verificação dupla independente para identificar erros na seleção de medicamentos antes que eles cheguem ao paciente. No entanto, o uso de inteligência artificial (MI) para apoiar este trabalho de tomada de decisão cognitiva por parte dos farmacêuticos não existe na prática. Em vez disso, os farmacêuticos baseiam-se apenas em imagens de referência do medicamento que podem comparar com o conteúdo do frasco de prescrição. Pesquisas anteriores mostraram que os sistemas de apoio à decisão podem efetivamente melhorar a eficiência e a precisão da prestação de cuidados de saúde, ao mesmo tempo que previnem eventos adversos relacionados a medicamentos. No entanto, pouco se sabe sobre como as tecnologias de IM impactam o desempenho profissional e a demanda cognitiva dos farmacêuticos.
Para facilitar a relação simbiótica a longo prazo entre os farmacêuticos e o sistema de IM, é necessário estabelecer uma confiança adequada. Embora a confiança tenha sido identificada como o factor central para uma equipa homem-máquina eficaz, surgem problemas quando os humanos depositam confiança injustificada em tecnologias automatizadas e não depositam confiança suficiente nelas. O excesso de confiança na automação pode levar à complacência e ao preconceito de automação. Por exemplo, os farmacêuticos podem confiar no sistema MI a ponto de aceitarem cegamente qualquer recomendação do sistema. A falta de confiança pode resultar no desuso do farmacêutico e no potencial abandono do sistema de IM.
Além disso, pouco se sabe sobre o momento do aconselhamento do IM sobre o desempenho profissional dos farmacêuticos. Por exemplo, mostrar o conselho do IM enquanto o farmacêutico realiza a tarefa de verificação da medicação pode produzir resultados diferentes do que mostrar o conselho do IM depois de o farmacêutico ter tomado a sua decisão.
Os investigadores do estudo desenvolveram um sistema MI para classificação de imagens de medicamentos. O objetivo deste estudo é examinar a eficácia do momento do aconselhamento do IM para determinar se isso resulta em menor tempo de tarefa, maior precisão e maior confiança no IM.
Tipo de estudo
Inscrição (Real)
Estágio
- Não aplicável
Contactos e Locais
Locais de estudo
-
-
Michigan
-
Ann Arbor, Michigan, Estados Unidos, 48109
- University of Michigan
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critério de inclusão:
- Farmacêutico licenciado nos Estados Unidos
- Idade igual ou superior a 18 anos na triagem
- PC/Laptop com Microsoft Windows 10 ou Mac (Macbook, iMac) com MacOS com navegador Google Chrome, Edge, Opera, Safari ou Firefox instalado no dispositivo
- Resolução de tela de 1024x968 pixels ou mais
- Uma webcam integrada em laptop ou webcam USB também é necessária para fins de rastreamento ocular.
Critério de exclusão:
- Participou da Onda 1 ou Onda 2
- Óculos
- Catarata não corrigida, implantes intraoculares, glaucoma ou pupila permanentemente dilatada
- Exigir um leitor/ampliador de tela ou outra tecnologia assistiva para usar o computador
- Movimento ocular ou anomalias de alinhamento (olho preguiçoso, estrabismo, nistagmo)
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: Outro
- Alocação: Randomizado
- Modelo Intervencional: Atribuição cruzada
- Mascaramento: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Sem ajuda MI
Nenhuma ajuda do MI será apresentada durante as tarefas de verificação
|
Os participantes concluirão a tarefa de verificação de medicação sem qualquer ajuda do MI
Os participantes receberão o MI na forma de mensagem pop-up caso sua decisão seja diferente da determinação do MI.
A ajuda MI será exibida simultaneamente com as imagens preenchidas e de referência.
|
|
Experimental: Cenário 1
A ajuda do MI será apresentada na forma de uma mensagem pop-up informando que a decisão do participante difere da determinação do MI.
|
Os participantes concluirão a tarefa de verificação de medicação sem qualquer ajuda do MI
Os participantes receberão o MI na forma de mensagem pop-up caso sua decisão seja diferente da determinação do MI.
A ajuda MI será exibida simultaneamente com as imagens preenchidas e de referência.
|
|
Experimental: Cenário #2
A ajuda MI será exibida simultaneamente com as imagens preenchidas e de referência.
|
Os participantes concluirão a tarefa de verificação de medicação sem qualquer ajuda do MI
Os participantes receberão o MI na forma de mensagem pop-up caso sua decisão seja diferente da determinação do MI.
A ajuda MI será exibida simultaneamente com as imagens preenchidas e de referência.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Tempo de Reação
Prazo: Ao longo da tarefa de verificação
|
Diferença no tempo de tarefa medido pelo número de segundos desde o início da tarefa até aceitar ou rejeitar uma imagem de medicação
|
Ao longo da tarefa de verificação
|
|
Precisão de Decisão
Prazo: Ao longo da tarefa de verificação
|
Diferença na taxa de deteção medida pelo número de erros de verificação de medicação em todos os participantes no Braço/Grupo.
|
Ao longo da tarefa de verificação
|
|
Confiança Mudança
Prazo: Após cada ensaio nos Cenários 1 e 2
|
Os participantes completarão 100 ensaios de verificação de medicação simulada em cada um dos braços do estudo (ou seja, Cenário 1, Cenário 2 e Sem Ajuda). Após cada ensaio no Cenário 1 e Cenário 2, os participantes usarão uma escala visual analógica (EVA) para responder à pergunta: "Quanto confia no conselho da IA?" Os pontos finais da EVA de 100 pontos são 'Nada' a 'Confio completamente'. Os participantes indicam o seu nível de confiança no conselho da IA após cada ensaio numa escala de 1-100, com pontuações mais altas a indicar níveis mais elevados de confiança. A mudança de confiança, medida pela escala visual analógica, será calculada usando a seguinte fórmula: Mudança de confiança (i) = Confiança(i) - Confiança(i - 1), onde i=2, 3, ..., 100. Para calcular um único valor resumido para a variável Mudança de Confiança dentro de um cenário específico, as pontuações individuais de Mudança de Confiança medidas nos ensaios são média. Este método de média fornece uma medida abrangente de como a confiança mudou ao longo da duração do cenário. |
Após cada ensaio nos Cenários 1 e 2
|
|
Confiança
Prazo: Pós-intervenção nos Cenários 1 e 2.
|
A confiança será avaliada utilizando a escala de Confiança na Automação de Muir & Moray (1996).
As pontuações variam de 0 a 100, com pontuações mais altas a indicar níveis superiores de confiança.
|
Pós-intervenção nos Cenários 1 e 2.
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Esforço Cognitivo
Prazo: Ao longo da tarefa de verificação
|
Os movimentos oculares dos participantes foram rastreados usando um sistema de rastreamento ocular online baseado em navegador.
A medida de resultado é a diferença no esforço cognitivo, medida pela contagem de fixações nas áreas de interesse definidas: imagem de preenchimento, imagem de referência ou gráfico de MI.
Taxas de fixação mais altas indicam interesse repetido numa determinada área.
|
Ao longo da tarefa de verificação
|
|
Esforço Cognitivo
Prazo: Ao longo da tarefa de verificação
|
Os movimentos oculares dos participantes foram monitorizados através de um sistema de rastreamento ocular online baseado em navegador.
A medida de resultado é a diferença no esforço cognitivo, medida pela duração das fixações nas áreas de interesse definidas: imagem de preenchimento, imagem de referência ou gráfico MI.
Uma duração de fixação mais longa indica uma carga cognitiva mais elevada.
|
Ao longo da tarefa de verificação
|
|
Carga de Trabalho
Prazo: Após completar 100 ensaios de verificação simulados em cada grupo
|
Os participantes completarão 100 tentativas de verificação de medicação simulada em cada um dos 3 braços. A carga de trabalho de cada braço será medida pelo Índice de Carga de Tarefa da NASA (TLX). As 5 dimensões do TLX avaliadas são: demanda mental, esforço, demanda temporal, desempenho e frustração. Para cada dimensão, os participantes indicarão a sua resposta a uma única pergunta. Para 4 das dimensões, os extremos da escala de Likert são 'muito baixo' e 'muito alto'. A dimensão de desempenho é invertida, e os extremos são 'perfeito' e 'fracasso'. Os participantes completam depois 10 comparações pareadas das dimensões, indicando qual dimensão consideram ser um fator mais importante (por exemplo, esforço vs frustração). Cada pontuação de categoria multiplicada pela sua contagem de comparação pareada respetiva é somada e dividida por 10 para obter uma pontuação geral de carga de trabalho ponderada. O resultado é uma pontuação geral de carga de trabalho entre 1 e 20, com pontuações mais altas a indicar uma carga de trabalho mais elevada. |
Após completar 100 ensaios de verificação simulados em cada grupo
|
|
Usabilidade
Prazo: Após completar 100 ensaios de verificação simulada em cada braço
|
Os participantes completarão 100 ensaios de verificação de medicação simulada em cada um dos 3 braços (Sem Ajuda de MI, Cenário 1 e Cenário 2).
Após completarem 100 ensaios, os participantes avaliarão a interface de verificação simulada utilizando a Escala de Usabilidade do Sistema (SUS).
A SUS é composta por 10 declarações com as quais os participantes indicam o seu acordo utilizando uma escala de Likert de 5 pontos que varia de concordo totalmente a discordo totalmente.
As questões com número ímpar têm uma resposta positiva e as questões com número par são pontuadas inversamente.
As pontuações são somadas e multiplicadas por 2,5 para obter uma pontuação final na SUS.
As pontuações da SUS variam de 0 a 100, com pontuações mais altas a indicarem maior usabilidade.
Uma pontuação média na SUS é considerada 68.
Qualquer valor abaixo de 50 é "Não Aceitável".
As pontuações entre 51-70 são consideradas "Marginais", as acima de 71 são consideradas "Aceitáveis", e as de 80 ou acima são indicativas de alta usabilidade.
|
Após completar 100 ensaios de verificação simulada em cada braço
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Corey A Lester, PharmD, PhD, University of Michigan
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
Outros números de identificação do estudo
- HUM00241223
- 5R01LM013624 (Concessão/Contrato do NIH dos EUA)
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
produto fabricado e exportado 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 .