Дифференциация пациентов с низкой остротой зрения с помощью машинного обучения при отправке (MADLAD)
Дифференциация пациентов с низкой остротой зрения с помощью машинного обучения при отправке: рандомизированное контролируемое исследование
ЗАДНИЙ ПЛАН:
В центрах скорой медицинской помощи (EMD) распространены ситуации с ограниченными ресурсами (RCS), когда большему числу вызывающих требуется скорая помощь, чем имеется доступных машин скорой помощи. В центрах неотложной медицинской помощи в Упсале и Вестманланде пациентам, сталкивающимся с такими ситуациями, обычно назначают лечение с низким приоритетом, они часто пожилые и имеют неспецифические симптомы. Методы машинного обучения предлагают многообещающий, но в значительной степени непроверенный подход к оценке рисков среди этих пациентов.
ЦЕЛИ:
Установить, улучшает ли предоставление оценок риска на основе машинного обучения способность диспетчеров выявлять пациентов с высоким риском ухудшения RCS.
ДИЗАЙН:
Многоцентровое рандомизированное слепое исследование с параллельными группами.
НАСЕЛЕНИЕ:
Взрослые пациенты, обращающиеся на национальную линию экстренной помощи (112), по оценке диспетчерской медсестры в Упсале или Вестманланде, нуждающиеся в вызове скорой помощи с низким приоритетом, и страдающие РКС.
РЕЗУЛЬТАТЫ:
Начальный:
1. Доля RCS, в которых первая доступная машина скорой помощи была отправлена к пациенту с наивысшим баллом по национальной шкале раннего предупреждения (NEWS).
Вторичный:
- Разница в комбинированной оценке риска, состоящей из вмешательств скорой помощи, неотложной транспортировки, госпитализации, интенсивной терапии и смертности между пациентами, получающими немедленную и отсроченную помощь скорой помощи во время RCS.
- Разница в NEWS между пациентами, получающими немедленную и отсроченную помощь скорой помощи во время RCS.
ВМЕШАТЕЛЬСТВО:
Модель машинного обучения оценит риск, связанный с каждым пациентом, вовлеченным в RCS, и предложит пациенту получить доступную машину скорой помощи. Только в группе вмешательства оценка будет отображаться в пользовательском интерфейсе, интегрированном в систему диспетчеризации.
ПРОБНЫЙ РАЗМЕР:
1500 RCS, каждая из которых состоит из нескольких пациентов, рандомизированных 1:1 в контрольную и интервенционную группы
Обзор исследования
Статус
Условия
Вмешательство/лечение
Тип исследования
Регистрация (Оцененный)
Фаза
- Непригодный
Контакты и местонахождение
Контакты исследования
- Имя: Hans Blomberg, MD, PhD
- Электронная почта: hans.blomberg@akademiska.se
Учебное резервное копирование контактов
- Имя: Douglas Spangler, MSc
- Электронная почта: douglas.spangler@akademiska.se
Места учебы
-
-
-
Uppsala, Швеция
- Рекрутинг
- Uppsala University Hospital
-
Контакт:
- Hans Blomberg
- Электронная почта: hans.blomberg@akademiska.se
-
-
Västmanland
-
Västerås, Västmanland, Швеция
- Еще не набирают
- Västmanland hospital Västerås
-
Контакт:
- Lennart Edmark
- Электронная почта: lennart.edmark@regionvastmanland.se
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Описание
Критерии включения:
- Выявление ситуации с ограниченными ресурсами директором скорой помощи (т. Е. 2 или более пациентов, ожидающих приезда скорой помощи)
- Приоритет 2A или 2B (низкоприоритетное реагирование скорой помощи) назначается дежурной медсестрой по вызову.
- Действительный шведский личный идентификационный номер, полученный при отправке
- Возраст >= 18 лет
Критерий исключения:
- Релевантные звонки, полученные с интервалом более 30 минут
- Логистические факторы (например, географическое положение пациентов) влияют на решение о назначении машины скорой помощи.
- Факторы риска на месте происшествия (например, пациент находится на улице и рискует переохлаждением) или средства снижения риска (например. медицинский персонал уже находится на месте происшествия с пациентом) влияют на решение о назначении машины скорой помощи
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Исследования в области здравоохранения
- Распределение: Рандомизированный
- Интервенционная модель: Параллельное назначение
- Маскировка: Одинокий
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
|---|---|
|
Экспериментальный: Вмешательство
Расчет оценки риска с помощью алгоритма машинного обучения и отображение информации об оценке риска диспетчерским медсестрам.
Персонал поощряется, но не обязан соответствовать предложенному ранжированию.
|
Алгоритм машинного обучения (улучшение градиента) применялся к структурированным данным, собранным в системе поддержки принятия клинических решений Alitis, демографическим данным пациентов и заметкам в произвольном формате.
|
|
Без вмешательства: Контроль
Вызов скорой помощи в соответствии со стандартом медицинской помощи
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Доля RCS, в которой первая доступная машина скорой помощи была отправлена к пациенту с наивысшей национальной оценкой раннего предупреждения (NEWS).
Временное ограничение: После прибытия скорой помощи (в течение 8 часов после отправки)
|
NEWS — это широко используемый и хорошо проверенный алгоритм оценки, основанный на объективных показателях жизнедеятельности пациентов, которые причинно не зависят от результатов, используемых для обучения моделей машинного обучения, исследованных в этом исследовании.
Значения NEWS будут основаны на первом наборе показателей жизнедеятельности, полученных медсестрами скорой помощи при контакте с пациентом.
NEWS измеряется по шкале от 0 до 21, при этом более высокие значения соответствуют пациентам с более высоким риском ухудшения состояния.
|
После прибытия скорой помощи (в течение 8 часов после отправки)
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Разница в суммарной оценке исхода между пациентами с немедленным и отсроченным ответом.
Временное ограничение: До 30 дней
|
Эта мера исследует составную оценку, состоящую из результатов, используемых для обучения моделей машинного обучения. Совокупная оценка создается путем определения следующих исходов пациента и присвоения соответствующих весовых коэффициентов: Аномальные первоначальные нарушения дыхания/дыхания/циркуляции, выявленные бригадой скорой помощи (4) Неотложная (свет и сирена) транспортировка в больницу (2) Предоставление догоспитальных вмешательств (1) Госпитализация или смертность в течение 30 дней (1) Это приводит к оценке от 0 до 8, где более высокие баллы представляют более |
До 30 дней
|
|
Разница в национальной шкале раннего предупреждения (NEWS) между пациентами с немедленным и отсроченным ответом.
Временное ограничение: После прибытия скорой помощи (в течение 8 часов после отправки)
|
По основному результату
|
После прибытия скорой помощи (в течение 8 часов после отправки)
|
Соавторы и исследователи
Спонсор
Соавторы
Следователи
- Главный следователь: Hans Blomberg, MD, PhD, Uppsala University Hospital
Публикации и полезные ссылки
Общие публикации
- 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.
Полезные ссылки
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- SVLC001
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Сроки обмена IPD
Критерии совместного доступа к IPD
Совместное использование IPD Поддерживающий тип информации
- STUDY_PROTOCOL
- АНАЛИТИЧЕСКИЙ_КОД
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .