Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Влияние алгоритмов поддержки принятия решений врачом на основе машинного обучения в периоперационном уходе (IMAGINATIVE)

29 марта 2023 г. обновлено: Singapore General Hospital

Влияние алгоритмов поддержки принятия решений клиницистами на основе машинного обучения в периоперационном уходе — рандомизированное контрольное исследование (испытание IMAGINATIVE)

Прогнозирование хирургических рисков важно для пациентов и клиницистов для совместного процесса принятия решений и планирования лечения. Исследовательская группа намерена провести гибридное исследование внедрения эффективности 1-го типа. Рандомизированное контролируемое исследование, в котором участники, перенесшие операцию в больнице общего профиля Сингапура (SGH), будут распределены в соотношении 1:1 на группы, управляемые CARES (без ослепления по уровню риска) или в группы без сопровождения (слепые по уровню риска). Все участники, перенесшие плановые операции в SGH, будут считаться подходящими для включения в исследование. Для плановых операций участники в основном будут набираться из Центра предварительной госпитализации. Результаты этого исследования помогут пациентам и врачам вместе принимать лучшие решения. Во-первых, развертывание модели CARES в реальной клинической среде потенциально может снизить послеоперационные осложнения и улучшить качество оказания хирургической помощи. Результаты этого исследования позволят уточнить CARES, а также дальнейшее развертывание дополнительных моделей риска для конкретных осложнений, отличных от смертности и пребывания в отделении интенсивной терапии. Это, в свою очередь, приведет к улучшению здоровья хирургического населения и повышению экономической эффективности. Это важно, так как ожидается, что количество хирургов будет постоянно расти из-за улучшения доступа к медицинской помощи, лучших технологий и старения населения. Во-вторых, IMAGINATIVE поможет нам лучше понять стратегии развертывания прогностических моделей AI/ML в здравоохранении. Такие модели, как CARES, могут стать стандартом медицинской помощи в будущем, если будет доказано, что они улучшат результаты лечения пациентов. Поскольку развертывание модели является дорогостоящим и может нарушить процессы EMR, это исследование может стать отправной точкой для будущего развертывания и исследования служб здравоохранения, направленного на повышение ценности развертывания этих моделей.

Обзор исследования

Статус

Еще не набирают

Условия

Вмешательство/лечение

Тип исследования

Интервенционный

Регистрация (Ожидаемый)

9200

Фаза

  • Непригодный

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

Места учебы

  • Сингапур
      • Singapore, Сингапур
        • Singapore General Hospital
        • Младший исследователь:
          • Ecosse Lamoureux, PHD
        • Контакт:
        • Главный следователь:
          • Hairil Rizal Abdullah, MMED
        • Младший исследователь:
          • Elaine Lum, PHD
        • Младший исследователь:
          • Nan Liu, PHD
        • Младший исследователь:
          • Mengling Feng, PHD
        • Младший исследователь:
          • Jacqueline Sim Xiu Ling, MBBS
        • Младший исследователь:
          • Brian Goh Kim Poh, MBBS
        • Младший исследователь:
          • Gek Hsiang Lim, MSC
        • Младший исследователь:
          • Marcus Ong Eng Hock, MPH

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Описание

Критерии включения:

  1. Пациенты >=21 года
  2. Пациенты, направляющиеся на плановую операцию

Для полуструктурированного интервью:

1. Любой врач или медсестра, использовавшие CARES во время исследовательского испытания.

Критерий исключения:

  1. Пациенты со сниженной умственной работоспособностью
  2. Пациенты, которые не могут дать согласие

Учебный план

В этом разделе представлена ​​подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

  • Основная цель: Другой
  • Распределение: Рандомизированный
  • Интервенционная модель: Параллельное назначение
  • Маскировка: Нет (открытая этикетка)

Оружие и интервенции

Группа участников / Армия
Вмешательство/лечение
Активный компаратор: Группа под руководством CARES
Вмешательство
Другой: Группа под руководством CARES
Участникам, рандомизированным в группу, управляемую CARES, будет рассчитана их оценка CARES и введена в электронную форму оценки перед анестезией в электронных медицинских картах (EMR). Эта оценка и соответствующие рекомендации будут отображаться на видном месте в этой электронной форме. (Участники этой группы получат это вмешательство в дополнение к обычной практике).
Без вмешательства: Группа без помощи CARES
Контрольная группа. Участники, рандомизированные в контрольную группу, продолжат проходить обычную оценку перед анестезией в электронной форме без расчетов с помощью калькулятора CARES в соответствии с текущей практикой.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Изменение показателей периоперационной летальности
Временное ограничение: Пять лет
Оценить эффективность поддержки принятия клинических решений с помощью машинного обучения (ML-CDS). Гипотеза: в группе под руководством CARES будет относительное снижение годовой смертности на 30% благодаря повышению осведомленности клиницистов о рисках.
Пять лет

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Изменение потенциально предотвратимой плановой госпитализации в ОИТ после операции
Временное ограничение: Пять лет
Оценить эффективность алгоритма ML-CDS в оптимизации использования коек в отделении интенсивной терапии, что является важным и дорогостоящим ресурсом больницы. Гипотеза: относительное снижение потенциально предотвратимой плановой госпитализации в отделение интенсивной терапии после операции на 25% в группе, получавшей лечение под контролем CARES.
Пять лет

Другие показатели результатов

Мера результата
Мера Описание
Временное ограничение
Изменение уровня принятия рекомендаций CARES CDS среди анестезиологов, реаниматологов, хирургов и медсестер.
Временное ограничение: Пять лет
Чтобы оценить принятие и приемлемость, а также понять опыт пользователей и проблемы, связанные с приложением прогнозирования на основе машинного обучения, предназначенным для повышения безопасности пациентов в клинических условиях. Гипотеза. Рекомендации CARES CDS широко используются анестезиологами, реаниматологами, хирургами и медсестрами соответственно.
Пять лет

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Singapore General Hospital

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Ожидаемый)

1 мая 2023 г.

Первичное завершение (Ожидаемый)

1 июля 2027 г.

Завершение исследования (Ожидаемый)

1 декабря 2027 г.

Даты регистрации исследования

Первый отправленный

14 марта 2023 г.

Впервые представлено, что соответствует критериям контроля качества

29 марта 2023 г.

Первый опубликованный (Действительный)

12 апреля 2023 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

12 апреля 2023 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

29 марта 2023 г.

Последняя проверка

1 марта 2023 г.

Дополнительная информация

Термины, связанные с этим исследованием

Другие идентификационные номера исследования

  • IMAGINATIVE Trial

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

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. .

Клинические исследования Машинное обучение

  • National Taiwan University Hospital
    Рекрутинг
    A-A-Assisted Smart Interactive Healthcare Robot
    Глубокое обучение | Уход | Mechine Learning | Искусственный интеллект (ИИ)
    Тайвань

Клинические исследования Группа под руководством CARES

Искать похожие исследования

Спонсоры и соавторы

Заболевания

Медикаментозные вмешательства

CROs by country

CROs in Saudi Arabia

Заболевания

Редкие заболевания

Медикаментозные вмешательства

Пищевые добавки

Спонсор / Соавторы

Места

Подписаться