- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT07302906
Estudo Randomizado de um Escrevente de IA Ambiental (Voa Health) Que Converte o Áudio de Consultas Ambulatórias em Rascunhos de Notas, Comparando Consultas Com vs. Sem IA em Várias Clínicas para Avaliar o Bem-Estar dos Médicos, a Carga de Documentação e a Experiência do Paciente. (SOAR)
O Estudo SOAR (Otimização de Escrevente para Registos Ambulatórios): Escrevente de Inteligência Artificial Ambiental com Voa Health para Gerar Documentação Médica a partir de Áudio de Consultas Ambulatórias - Um Ensaio Controlado Randomizado
O objetivo deste ensaio clínico randomizado é avaliar se um "escrivão de IA ambiente" (Voa Health) pode reduzir a carga de documentação e melhorar o bem-estar dos médicos e a experiência dos doentes em clínicas de ambulatório. O escrivão de IA ouve o áudio da consulta e produz um rascunho da nota clínica que o médico revê e edita.
Neste estudo, as consultas são randomizadas em 2 grupos: documentação habitual (sem IA) ou documentação assistida pelo escrivão de IA. Doentes adultos atendidos nas clínicas participantes, e os seus médicos, são convidados a participar. Para ambos os grupos, o áudio da consulta é gravado e, no final da visita, os médicos e os doentes preenchem questionários curtos sobre bem-estar, carga de trabalho, comunicação, empatia e satisfação. Os questionários baseiam-se em escalas internacionalmente utilizadas (como PFI, Mini-Z, NASA-TLX, CARE, PSQ-18 e CAT) mas foram adaptados para serem breves e viáveis em cuidados de rotina.
As principais questões são se o escrivão de IA reduz o tempo e o esforço necessários para documentar a visita, melhora a realização profissional dos médicos e reduz o esgotamento, e se afeta a forma como os doentes percecionam a comunicação, a empatia e a qualidade geral da consulta. Nenhum medicamento ou dispositivo está a ser testado. Espera-se que os resultados orientem os hospitais sobre o uso seguro e eficaz de escrivões de IA ambiente na prática clínica real.
Visão geral do estudo
Status
Condições
Descrição detalhada
Este estudo é um ensaio controlado randomizado concebido para avaliar o impacto de um assistente de escrita por inteligência artificial (IA) ambiental no bem-estar dos médicos, na carga de trabalho de documentação e na experiência do paciente nos cuidados ambulatórios de rotina.
A intervenção consiste na utilização do assistente de escrita por IA ambiental da Voa Health durante os encontros clínicos. O sistema grava o áudio da consulta e gera um rascunho estruturado de nota clínica em tempo real, alinhado com modelos específicos de especialidade que refletem o fluxo de trabalho de rotina de cada clínica (por exemplo, modelos diferentes para cardiologia geral, insuficiência cardíaca, dislipidemia, etc.). No final da consulta, o médico revê, edita e assina o rascunho no registo médico eletrónico (RME), mantendo-se totalmente responsável pela exatidão e completude da documentação. Na condição de controlo, os médicos conduzem as consultas e documentam os encontros utilizando os seus métodos habituais, sem suporte de IA. Para fins de estudo, o áudio pode ainda ser gravado no braço de controlo, mas nenhuma nota gerada por IA é apresentada ou utilizada pelo clínico.
A unidade de randomização é a consulta individual. Para os médicos participantes, as consultas elegíveis são automaticamente alocadas a um de dois braços paralelos: (1) documentação habitual sem IA e (2) documentação assistida pelo assistente de escrita por IA ambiental. A randomização é concebida para preservar a organização existente de cada clínica e para evitar interferências com o agendamento ou fluxo de pacientes. Os cuidados clínicos, as decisões de diagnóstico e terapêutica e os procedimentos de seguimento não são ditados pelo protocolo e seguem a prática habitual; o único elemento experimental é a utilização (ou não utilização) do assistente de escrita por IA para a documentação e a recolha de áudio e questionários.
Pacientes adultos atendidos nas clínicas ambulatórias participantes, e os seus médicos, são convidados a participar. Após consentimento informado, toda a consulta é gravada em áudio. Imediatamente após cada consulta, tanto o paciente como o médico são convidados a preencher breves questionários estruturados que capturam os principais desfechos de interesse. Para manter a recolha de dados viável num ambiente ambulatório ocupado, os instrumentos foram construídos a partir de subconjuntos de itens derivados de escalas internacionalmente utilizadas, mantendo ao mesmo tempo o número de perguntas por consulta reduzido.
Para os médicos, os itens são extraídos do Índice de Realização Profissional (Professional Fulfillment Index - PFI), do inquérito Mini-Z 2.0 e da Escala de Carga de Tarefas do Médico de 4 itens / NASA-TLX. Estes itens avaliam a realização profissional e o esgotamento (exaustão física e emocional), a perceção de tempo suficiente para documentação, o trabalho no RME fora do contacto direto com o paciente, a perceção da carga de documentação e a exigência temporal da consulta. Itens adicionais específicos do estudo avaliam a qualidade e completude percebidas da nota final, o tempo necessário para editar o rascunho gerado por IA, a confiança de que os detalhes clínicos-chave foram capturados, a ocorrência de potenciais "alucinações" da IA (informação não realmente declarada na consulta) e o impacto percebido da documentação na atenção ao paciente.
Para os pacientes, os questionários utilizam itens derivados da Medida de Empatia na Consulta e Relacional (Consultation and Relational Empathy - CARE), do Questionário de Satisfação do Paciente em Formato Curto (Patient Satisfaction Questionnaire Short-Form - PSQ-18) e da Ferramenta de Avaliação da Comunicação (Communication Assessment Tool - CAT). Estes itens abrangem domínios como a escuta ativa, a compreensão das preocupações do paciente, a clareza das explicações, a adequação do tempo passado com o médico, a empatia percebida, a satisfação global com os cuidados e a compreensão do diagnóstico e tratamento. No braço de IA, um item adicional pergunta especificamente se a utilização da IA durante a consulta ajudou, não alterou ou prejudicou a clareza da comunicação com o médico.
Os desfechos primários são o bem-estar reportado pelo médico e a carga de trabalho de documentação percebida ao utilizar o assistente de escrita por IA ambiental, em comparação com a documentação habitual. Os desfechos secundários-chave incluem a experiência e satisfação reportadas pelo paciente, a qualidade e completude das notas avaliadas pelo médico, o tempo necessário para a documentação e para editar os rascunhos gerados por IA, e a frequência e relevância clínica de erros de documentação ou alucinações relacionados com a IA. Todos os desfechos são medidos ao nível da consulta individual, imediatamente após cada consulta.
O ensaio é inicialmente conduzido em múltiplas clínicas ambulatórias do Hospital de Clínicas da Universidade Federal do Paraná (UFPR), Brasil, em diferentes especialidades médicas. Em cada serviço, os modelos estruturados de notas são desenvolvidos em colaboração com os líderes clínicos locais, de modo que os rascunhos gerados por IA reflitam o fluxo real dessa especialidade sem alterar o padrão de cuidados. Estudantes de medicina e residentes treinados no protocolo podem apoiar o consentimento e a administração dos questionários sob supervisão dos médicos assistentes, para garantir uma recolha de dados consistente e viável.
Os dados são armazenados em servidores seguros com controlo de acesso, sendo a ligação entre as gravações de áudio, os questionários e as notas do RME gerida através de identificadores codificados. Um comité de monitorização de dados, independente da equipa de desenvolvimento do assistente de escrita por IA, revê periodicamente os dados agregados quanto à adesão ao protocolo, qualidade dos dados e quaisquer preocupações de segurança relacionadas com a utilização da IA na documentação (por exemplo, erros sistemáticos de documentação que poderiam potencialmente afetar os cuidados ao paciente). Como a intervenção se limita ao suporte de documentação e os clínicos permanecem responsáveis por todas as decisões clínicas e pela finalização das notas, o risco global de participação é considerado mínimo.
O protocolo permite uma futura expansão para outros serviços ambulatórios e centros colaboradores que adotem a mesma randomização, procedimentos de recolha de dados e definições de desfecho. Espera-se que os resultados forneçam evidências pragmáticas sobre como os assistentes de escrita por IA ambientais podem ser implementados de forma segura e eficaz na prática clínica real, particularmente no que diz respeito ao seu impacto no bem-estar dos médicos, na carga de trabalho de documentação e na experiência do paciente durante a consulta.
Tipo de estudo
Inscrição (Estimado)
Estágio
- Não aplicável
Contactos e Locais
Contato de estudo
- Nome: Gustavo Lenci Marques, MD, PhD
- Número de telefone: +5541991491428
- E-mail: gustavolencimarques@gmail.com
Locais de estudo
-
-
Paraná
-
Curitiba, Paraná, Brasil, 80060-900
- Recrutamento
- Complexo Hospital de Clínicas da UFPR (CHC-UFPR)
-
Contato:
- Pedro Angelo Basei de Paula
- Número de telefone: +5541996100059
- E-mail: pedroangelo28@gmail.com
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Descrição
Critérios de Inclusão:
- Pacientes adultos (≥18 anos) que frequentam as clínicas ambulatoriais participantes do Hospital de Clínicas - Universidade Federal do Paraná durante o período do estudo.
- Recebendo cuidados de um médico que participa no ensaio.
- Capaz de compreender português e fornecer consentimento informado por escrito para gravação áudio da consulta e preenchimento de questionários breves.
- Capaz de completar os questionários pós-consulta (com assistência, se necessário).
- Médicos (assistentes ou residentes) a trabalhar nas clínicas ambulatoriais participantes.
- Utilizar o registo médico eletrónico do hospital nos cuidados de rotina.
- Concordar em ter as suas consultas gravadas em áudio e em completar breves questionários pós-consulta para cada visita incluída.
Critérios de Exclusão:
- Pacientes com menos de 18 anos.
- Consultas de emergência, urgência ou internamento.
- Pacientes com défice cognitivo significativo, angústia aguda ou instabilidade clínica que, na opinião do médico assistente, impede o consentimento informado ou o preenchimento dos questionários.
- Pacientes sob tutela ou incapazes de fornecer o seu próprio consentimento.
- Consultas em que o paciente ou o médico recusa a gravação áudio ou a participação no estudo.
- Consultas em que o sistema de IA está indisponível ou com mau funcionamento (apenas para análises de adesão ao protocolo).
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: Nenhum (rótulo aberto)
Armas e Intervenções
Grupo de Participantes / Braço |
Intervenção / Tratamento |
|---|---|
|
Experimental: Assistente de IA ambiente (Voa Health)
Consultas externas em que o assistente de IA ambiental da Voa Health está ativo.
O sistema regista o áudio da consulta e gera um rascunho estruturado de nota clínica baseado em modelos específicos da especialidade.
O médico revê, edita e assina a nota no Sistema de Registo Médico Eletrónico.
Após a consulta, o médico e o paciente preenchem breves questionários sobre carga de trabalho, bem-estar, comunicação, empatia e satisfação.
|
Utilização de um assistente de transcrição por inteligência artificial (IA) ambiente durante consultas ambulatoriais.
O sistema Voa Health grava o áudio da consulta e gera um rascunho estruturado de nota clínica baseado em modelos específicos por especialidade que seguem o fluxo habitual de cada clínica.
Após a consulta, o médico revê, edita e assina a nota no registo médico eletrónico.
A IA não toma decisões de diagnóstico ou terapêuticas; apenas auxilia na documentação.
Todos os outros aspetos do cuidado clínico seguem a prática de rotina.
|
|
Comparador Ativo: Documentação habitual sem assistente de IA
Consultas externas nas quais a documentação é realizada usando métodos habituais sem suporte de IA (prática clínica padrão).
O áudio da consulta pode ser gravado para fins de estudo, mas nenhuma nota gerada por IA é mostrada ao clínico.
Após a consulta, o médico e o paciente preenchem os mesmos breves questionários sobre carga de trabalho, bem-estar, comunicação, empatia e satisfação.
|
Documentação clínica realizada utilizando os métodos habituais sem suporte de IA (cuidados padrão).
Os médicos documentam a consulta no registo médico eletrónico como normalmente fazem (digitando, ditando ou fazendo notas manuscritas, conforme aplicável).
O áudio da consulta pode ser gravado para fins de estudo, mas nenhuma nota gerada por IA é mostrada ao clínico.
Após a consulta, os médicos e os pacientes preenchem os mesmos questionários breves sobre carga de trabalho, bem-estar, comunicação, empatia e satisfação.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Carga de trabalho de documentação do médico durante a consulta
Prazo: Imediatamente após cada consulta de ambulatório (mesmo dia)
|
Carga de documentação reportada pelo médico, medida imediatamente após cada consulta utilizando itens breves do tipo Likert de 5 pontos adaptados de instrumentos internacionalmente utilizados (NASA-TLX, Mini-Z) e itens específicos do estudo.
Os itens avaliam: (1) a carga administrativa da consulta, (2) o tempo disponível para focar no paciente, (3) a exigência mental da consulta (adaptado do NASA-TLX), (4) a interferência do processo de documentação na interação com o paciente, e (5) a perturbação do fluxo de trabalho devido aos ajustes de documentação.
As pontuações individuais dos itens e uma pontuação composta de carga (média dos itens; valores mais elevados = maior carga) serão comparadas entre consultas com o assistente de IA ambiente e consultas com a documentação habitual sem IA.
|
Imediatamente após cada consulta de ambulatório (mesmo dia)
|
|
Bem-estar / esgotamento do médico durante a consulta
Prazo: Imediatamente após cada consulta externa (mesmo dia)
|
Exaustão física do médico imediatamente após a consulta, avaliada com um único item derivado do Índice de Realização Profissional (IRP): "Sinto-me fisicamente exausto após esta consulta," classificada numa escala de concordância de 5 pontos (discordo totalmente a concordo totalmente; valores mais elevados = maior exaustão).
As pontuações serão comparadas entre consultas com o assistente de IA ambiente e consultas com a documentação habitual sem IA.
|
Imediatamente após cada consulta externa (mesmo dia)
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Experiência do doente em termos de comunicação e empatia
Prazo: Imediatamente após cada consulta de ambulatório (no mesmo dia)
|
Experiência relatada pelo paciente da consulta, incluindo escuta ativa, compreensão das preocupações, clareza das explicações, empatia percebida, tempo passado com o médico e satisfação geral.
Os itens são derivados da Medida CARE, PSQ-18 e Ferramenta de Avaliação da Comunicação (CAT), classificados em escalas Likert de 5 pontos.
Uma pontuação composta (média das pontuações dos itens; valores mais altos = melhor experiência) será comparada entre consultas com o assistente de IA ambiental e consultas com documentação habitual sem IA.
|
Imediatamente após cada consulta de ambulatório (no mesmo dia)
|
|
Compreensão do paciente sobre o diagnóstico e tratamento
Prazo: Imediatamente após cada consulta de ambulatório (no mesmo dia)
|
Item único que pergunta aos doentes quanto compreenderam sobre o seu diagnóstico e tratamento após a consulta, avaliado numa escala de 5 pontos de 1 (nada) a 5 (completamente).
As pontuações serão comparadas entre consultas com o assistente de anotações de IA ambiental e consultas com a documentação habitual sem IA.
|
Imediatamente após cada consulta de ambulatório (no mesmo dia)
|
|
Qualidade e completude das notas clínicas avaliadas pelo médico
Prazo: Imediatamente após finalizar a documentação para cada consulta (no mesmo dia)
|
Avaliação global do médico sobre a nota clínica final da consulta (clareza, organização e completude), utilizando uma escala de 5 pontos adaptada do Mini-Z (pobre, marginal, satisfatória, boa, excelente).
As pontuações serão comparadas entre consultas com o assistente de registo de IA ambiente e consultas com a documentação habitual sem IA.
|
Imediatamente após finalizar a documentação para cada consulta (no mesmo dia)
|
|
Tempo necessário para documentação fora do contacto direto com o doente
Prazo: Imediatamente após cada consulta ambulatorial (mesmo dia)
|
Tempo autorrelatado pelo médico passado a trabalhar no registo médico eletrónico fora do contacto direto com o paciente para essa consulta (por exemplo, depois de o paciente sair da sala), incluindo a revisão e edição de notas geradas por IA quando aplicável.
O tempo é classificado em categorias ordenadas (quase nenhum; edições menores; edições moderadas; edições extensivas).
As distribuições das categorias serão comparadas entre as condições de documentação com assistente de IA ambiental e as condições de documentação habituais.
|
Imediatamente após cada consulta ambulatorial (mesmo dia)
|
|
Proporção de consultas com alucinações relacionadas com IA na documentação
Prazo: Imediatamente após cada consulta assistida por IA (mesmo dia)
|
Entre as consultas no grupo de assistente de IA ambiente, os médicos indicam se a IA inseriu alguma informação na nota preliminar que não foi realmente mencionada na consulta.
O resultado é a proporção de consultas assistidas por IA com pelo menos uma alucinação relatada. |
Imediatamente após cada consulta assistida por IA (mesmo dia)
|
|
Proporção de notas clínicas com erros de documentação na revisão externa cega
Prazo: No prazo de 30 dias após a finalização de cada nota clínica
|
As notas clínicas anonimizadas de ambos os braços do estudo (assistente de IA e documentação habitual) serão misturadas aleatoriamente e revistas de forma independente por pelo menos dois clínicos que desconhecem a atribuição de grupo.
Os revisores classificarão se cada nota contém algum erro de documentação clinicamente relevante, incluindo informações fabricadas ou incorretas ("alucinações") que não correspondam ao conteúdo plausível de uma consulta ambulatorial padrão.
A variável principal é a proporção de notas com pelo menos um desses erros em cada braço; as proporções serão comparadas entre as condições de assistente de IA e documentação habitual.
|
No prazo de 30 dias após a finalização de cada nota clínica
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Gustavo Lenci Marques, MD, PhD, Universidade Federal do Parana
- Diretor de estudo: Pedro Angelo Basei de Paula, Medical Student, Universidade Federal do Parana
Publicações e links úteis
Publicações Gerais
- Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019 Jun;6(2):94-98. doi: 10.7861/futurehosp.6-2-94.
- Grace Hong, B.A., Lauren Wilcox, Ph.D., Amelia Sattler, M.D., Samuel Thomas, M.D., Nina Gonzalez, M.D., Marissa Smith, Ph.D., John Hernandez, Ph.D., Margaret Smith, M.B.A., Steven Lin, M.D., and Robert Harrington, M.D. Clinicians' Experiences with EHR Documentation and Attitudes Toward AI-Assisted Documentation. Stanford University School of Medicine and Google Health. 2020.
- Quiroz JC, Laranjo L, Kocaballi AB, Berkovsky S, Rezazadegan D, Coiera E. Challenges of developing a digital scribe to reduce clinical documentation burden. NPJ Digit Med. 2019 Nov 22;2:114. doi: 10.1038/s41746-019-0190-1. eCollection 2019.
- Cheng CG, Wu DC, Lu JC, Yu CP, Lin HL, Wang MC, Cheng CA. Restricted use of copy and paste in electronic health records potentially improves healthcare quality. Medicine (Baltimore). 2022 Jan 28;101(4):e28644. doi: 10.1097/MD.0000000000028644.
- Olson KD, Meeker D, Troup M, Barker TD, Nguyen VH, Manders JB, Stults CD, Jones VG, Shah SD, Shah T, Schwamm LH. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Netw Open. 2025 Oct 1;8(10):e2534976. doi: 10.1001/jamanetworkopen.2025.34976.
- Yixing Jiang, Kameron C. Black, D.O., M.P.H., Gloria Geng, Danny Park, James Zou, Ph.D., Andrew Y. Ng, Ph.D., and Jonathan H. Chen, M.D., Ph.D. MedAgentBench: A Virtual EHR Environment to Benchmark Medical LLM Agents. NEJM AI. August 14, 2025;2(9)
- Afshar M, Resnik F, Baumann MR, Hintzke J, Lemmon K, Sullivan AG, Shah T, Stordalen A, Oberst M, Dambach J, Mrotek LA, Quinn M, Abramson K, Kleinschmidt P, Brazelton T, Twedt H, Kunstman D, Wills G, Long J, Patterson BW, Liao FJ, Rasmussen S, Burnside E, Goswami C, Gordon JE. A Novel Playbook for Pragmatic Trial Operations to Monitor and Evaluate Ambient Artificial Intelligence in Clinical Practice. NEJM AI. 2025 Sep;2(9):10.1056/aidbp2401267. doi: 10.1056/aidbp2401267. Epub 2025 Aug 28.
- BASEI DE PAULA, P., BRUNETI SEVERINO, J., BERGER, M., VEIGA, M., PARENTE RIBEIRO, K., LOURES, F., TODESCHINI, S., ROEDER, E., MARQUES, G.. Improving documentation quality and patient interaction with AI: a tool for transforming medical records-an experience report. Journal of Medical Artificial Intelligence, North America, 8, jan. 2025. Available at: <https://jmai.amegroups.org/article/view/9651>
- Eileen Kim, M.D., Vincent X. Liu, M.D., M.Sc., and Karandeep Singh, M.D., M.M.Sc. AI Scribes Are Not Productivity Tools (Yet). NEJM AI. November 26, 2025;2(12)
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
- Afshar M, Baumann MR, Resnik F, Hintzke J, Sullivan AG, Wills G, Lemmon K, Dambach J, Ann Mrotek L, Quinn M, Abramson K, Kleinschmidt P, Brazelton TB, Leaf MA, Twedt H, Kunstman D, Patterson B, Liao F, Rasmussen S, Burnside ES, Goswami C, Gordon J. A Pragmatic Randomized Controlled Trial of Ambient Artificial Intelligence to Improve Health Practitioner Well-Being. NEJM AI. 2025 Dec;2(12):10.1056/aioa2500945. doi: 10.1056/aioa2500945. Epub 2025 Nov 26.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
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
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- SOAR-UFPR-VOA-001
- 81736024.4.0000.0096 (Número de outro subsídio/financiamento: Research Ethics Committee for Human Subjects - Health Sciences Sector, Federal University of Paraná (UFPR))
- 51.562.244/0001-07 (Número de outro subsídio/financiamento: Voa Health)
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
- SEIVA
- CIF
- ANALYTIC_CODE
- CSR
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 .