Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Minska diagnostiska förseningar för typ 2-diabetes med hjälp av beslutsstöd

24 april 2023 uppdaterad av: Michael Edward Bowen, University of Texas Southwestern Medical Center

Utnyttja den elektroniska journalen för att minska förseningar i diagnosen av typ 2-diabetes: en systembaserad strategi för beslutsstöd

Denna studie kommer att fokusera på kohorten av 20 000 etablerade patienter som vårdas av 31 behandlande läkare i öppenvården, vuxen primärvård vid UT Southwestern (två allmän internmedicin en familjemedicin och en geriatrisk verksamhet). Utredarna kommer att utveckla och implementera ett automatiserat Diabetes Detection Tool (DDT) som gör datautvinning på elektronisk medicinsk journal (EMR) labbdata för att systematiskt identifiera alla primärvårdspatienter med förhöjda slumpmässiga plasmaglukosresultat (RPG) som löper hög risk för diabetes och därmed i behov av ytterligare tester. I en klusterrandomiserad studie kommer primärvårdsgivare att randomiseras till antingen interventions-/DDT-armen eller vanlig vård. Leverantörer i interventionsarmen kommer att få besöksbaserad, EMR-aktiverad ärendeidentifikation och beslutsstöd i realtid. Resultat kommer att spåras på patientnivå. Alla försökspersoner kommer att följas i 12 månader för att bedöma frekvensen av uppföljande diabetestestning, tid till testning, frekvens av efterföljande diabetesdiagnos och tid till diagnos. Utredarna antar att den besöksbaserade leverantörens beslutsstöd kommer att vara överlägsen vanlig vård.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Den växande epidemin av typ 2-diabetes drabbar över 8,3 % av USA:s befolkning och utgör en stor utmaning för hälso- och sjukvårdssystemen och folkhälsan. Ytterligare 7 miljoner människor har odiagnostiserad diabetes och över 79 miljoner har pre-diabetes, som om de inte upptäcks och behandlas kan utvecklas till fullskalig diabetes. Även om screening och diagnostiska test är rutinmässigt tillgängliga, kämpar hälsosystem för att diagnostisera patienter med diabetes i tid. Faktum är att klinisk diagnos släpar 8-12 år efter början av glukosdysregulation, vilket resulterar i diagnostiska förseningar och förekomsten av diabeteskomplikationer vid tidpunkten för diagnosen. Bland patienter som är engagerade i klinisk vård utan en känd diabetesdiagnos har nästan alla patienter tillgång till slumpmässiga plasmaglukosdata (RPG) som potentiellt ger värdefulla, tidiga varningssäkerhetssignaler angående behovet av ytterligare diabetestestning. Men förhöjda glukosvärden är ofta okända och över 60 % av onormala värden följs inte upp med diabetestestning i tid. Det finns möjligheter att utnyttja befintliga data inom elektroniska medicinska journaler (EMR) för att identifiera patienter i behov av ytterligare diabetestestning och utveckla systembaserade lösningar för att minska: 1) misslyckanden i uppföljning av onormala glukostester, 2) förseningar vid diagnos av diabetes, och 3) frekvens av missade diabetesdiagnoser.

Detta förslag kommer att utnyttja den episka EMR vid University of Texas Southwestern Medical Center (UTSW) för att förbättra detektions- och uppföljningstesthastigheten för onormala glukosvärden i verklig praxis.

Utredarna kommer att genomföra en kluster randomiserad, pragmatisk studie som jämför effektiviteten av en klinisk beslutsstödsstrategi kontra vanlig vård för att minska misslyckanden i snabb uppföljning av onormala rollspel.

Utredarna kommer att fokusera på kohorten av 20 000 etablerade patienter som vårdas av 31 behandlande läkare i tre öppenvårdskliniker för vuxen primärvård vid UTSW (två allmän internmedicin, en familjemedicin och en geriatrisk praktik). Primärvårdsleverantörer (PCP) kommer att randomiseras till antingen den kliniska beslutsstödsinterventionen eller vanlig vård. Leverantörer i den kliniska beslutsstöds-/interventionsarmen kommer att få kliniskt beslutsstöd som identifierar onormala slumpmässiga glukosvärden och uppmanar leverantörer att utföra diabetesscreening. Resultat kommer att spåras på patientnivå och alla ämnen kommer att följas i 12 månader för att bedöma frekvensen av uppföljande diabetestestning, tid till testning, frekvens av efterföljande diabetesdiagnos och tid till diagnos. Data om studieberättigande, patientens kliniska riskfaktorer och sociodemografi, leverantörs- och besöksegenskaper och resultat kommer att fastställas med hjälp av den omfattande Epic EMR. Utredarna antar att den besöksbaserade leverantörens beslutsstöd kommer att vara överlägsen vanlig vård.

Studietyp

Interventionell

Inskrivning (Faktisk)

747

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

    • Texas
      • Dallas, Texas, Förenta staterna, 75390
        • UT Southwestern Medical Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  • Studiepatienter som ingår: kommer att vara de som är:

    1. en etablerad patient i en studie PCP;
    2. har ingen diabetesdiagnos (stötdiagnoser, problemlista, medicinsk historia);
    3. över 18 år
    4. ha minst en RPG≥125mg/dL under de senaste 2 åren

Exklusions kriterier:

  • Studiepatienter exkluderade: kommer att vara de som är:

    1. gravid;
    2. under 18 år och
    3. Patienter med A1C <6,5 % under de senaste 12 månaderna, eftersom detta skulle indikera att lämplig uppföljning gjordes

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Hälsovårdsforskning
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Kliniskt beslutsstöd
Besöksbaserad, EMR-aktiverad fallidentifiering och beslutsstöd i realtid för att identifiera patienter utan diabetes som har en RBG>= 125mg/dL och ingen resulterande diabetesscreening.
Utredarna kommer att utveckla och implementera ett automatiserat Diabetes Detection Tool (DDT) som gör datautvinning på EMR-labdata för att systematiskt identifiera alla primärvårdspatienter med förhöjda RPG som löper hög risk för diabetes och i behov av ytterligare diabetestestning/screening.
Inget ingripande: Vanlig skötsel
Diabetesscreening/testning och diagnos enligt vanlig vård enligt den behandlande läkarens bedömning.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Resulterade diabetesscreeningstest
Tidsram: 90 dagar
Andelen patienter som slutför diabetestestning, definierad av en resulterande A1C eller fastande plasmaglukos (FPG) inom 90 dagar efter den första best practice-varningen (BPA) eller den tid som varningen skulle ha avlossats i kontrollgruppen.
90 dagar

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Beställde diabetesscreening
Tidsram: 90 dagar
Andel individer som har beställt diabetesscreeningstest efter BPA-bränder eller skulle ha sparkat i klinisk praxis
90 dagar
Dags för diabetestestning
Tidsram: 12 månader
Tiden till beställd diabetestestning från den första larmbranden eller tidpunkt då larmet skulle ha skjutit i vanlig vård.
12 månader
Dags för diabetesdiagnos
Tidsram: 12 månader
Tiden till diabetesdiagnos från första larmbrand eller när den skulle ha skjutit i vanlig vård.
12 månader
Pre-diabetes diagnos
Tidsram: 90 dagar
Andelen patienter med diagnosen pre-diabetes.
90 dagar
Diabetes diagnos
Tidsram: 90 dagar
andel patienter som uppfyller diabetesdiagnostiska kriterier
90 dagar

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Utredare

  • Huvudutredare: Michael E Bowen, MD, MPH, UT Southwestern Medical Center

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 juli 2014

Primärt slutförande (Faktisk)

1 augusti 2015

Avslutad studie (Faktisk)

1 april 2016

Studieregistreringsdatum

Först inskickad

22 juli 2014

Först inskickad som uppfyllde QC-kriterierna

23 juli 2014

Första postat (Uppskatta)

24 juli 2014

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

26 april 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

24 april 2023

Senast verifierad

1 april 2023

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • STU 062013-058

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .