- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT03414853
Gratis textprediktionsalgoritm för blindtarmsinflammation
Prospektiv studie av en prediktionsalgoritm för fritextdiagnos för blindtarmsinflammation på akutmottagningen
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Att utveckla maskininlärningsmodeller som har en stark förutsägelsekraft för diagnos av blindtarmsinflammation från läkares inmatade fritextinmatning kan förbättra läkarnas diagnostiska noggrannhet. Det erbjuder också möjligheten att använda prediktionsalgoritmer för att förbättra rutinmässig klinisk vård. I framtiden kan flera maskininlärningsmodeller kombineras för att öka prediktionsnoggrannheten och prediktionsalgoritmer kan utökas till andra diagnoser.
18 000 fall av akutmottagningspresentationer under 10 år användes som en utbildnings- och valideringsdatauppsättning. För att utveckla blindtarmsinflammationsmodellen användes neurala nätverk för djupinlärning med en anpassad medicinsk ontologi. Modellens diagnostiska noggrannhet uttrycks som sensitivitet (återkallelse), specificitet och F1-poäng (harmoniskt medelvärde). Den utvecklade diagnosprediktiva modellen visar hög sensitivitet (86,3%), specificitet (91,9%) och F1-poäng (88,8) vid diagnos av blindtarmsinflammation från patienter med buksmärtor.
Den prediktiva modellalgoritmen kommer också att markera ord i den fria texten (inmatade av den behandlande läkaren) som den tilldelar högre sannolikhet för att förutsäga ett utfall. Läkarna kommer att instrueras att ge en procentuell sannolikhet för blindtarmsinflammation baserat på den kliniska presentationen och eventuella tillgängliga laboratorieundersökningar. Läkaren visas sedan förutsägelsen av algoritmen samt de markerade orden för patienten. Han/hon måste sedan ge en annan förutsägelse av sannolikheten för blindtarmsinflammation efter att ha sett den algoritmgenererade förutsägelsen.
Syftet är att utvärdera algoritmens prestanda och att bedöma om användningen av algoritmen kan hjälpa akutläkare att förbättra sin diagnos av blindtarmsinflammation. Förutsägelseresultaten kommer att tas i tabellform för att bedöma algoritmens noggrannhet, läkare före algoritminmatning och läkare efter att ha mottagit algoritminmatning. Noggrannheten kommer att uttryckas som sensitivitet, specificitet, noggrannhet, positivt prediktionsvärde, F1-poäng och F0,5-poäng.
Cirka 100 akutläkare kommer att rekryteras under loppet av 1 år som deltagare i studien. Läkarna kommer att delas upp slumpmässigt till två grupper - algoritmarmen och ingen algoritmarm. Randomiseringen kommer att ske efter tid (veckovis) med variabel blockrandomisering av 4 och 6. Patienterna kommer att följas upp för de slutgiltiga utskrivningsdiagnoserna.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Singapore, Singapore, 119074
- National University Hospital
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Behandlande läkare kommer att rekryteras som studiedeltagare och randomiseras varje vecka till "algoritmanvändning" kontra "ingen algoritmanvändning".
Patienter som uppfyllde ovanstående behörighetskriterier kommer att få sina data insamlade och inmatade i den prediktiva algoritmen.
Beskrivning
Behörighetskriterier för läkare- Inklusionskriterier: Underläkare som arbetar på akutmottagningen Uteslutningskriterier: Avslag på samtycke
Behörighetskriterier för patienter-
Inklusionskriterier:
- Förekomst av buksmärtor, ELLER
- Närvaro av gastrointestinala symtom som illamående, kräkningar eller diarré, ELLER
- Feber med anorexi
Exklusions kriterier:
- Tidigare historia av blindtarmsoperation
- Avslag på samtycke
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
---|---|
Med algoritmanvändning
|
En fritextprogramvara som förutsäger sannolikheten för akut blindtarmsinflammation
|
Ingen algoritmanvändning
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Noggrannhet av prediktiv algoritm för akut blindtarmsinflammation
Tidsram: 30 dagar
|
Noggrannhet av prediktiv algoritm och noggrannhet hos läkare med input från algoritmen för att diagnostisera akut blindtarmsinflammation
|
30 dagar
|
Samarbetspartners och utredare
Utredare
- Huvudutredare: Kee Yuan Ngiam, Dr, National University Hospital, Singapore
Studieavstämningsdatum
Studera stora datum
Studiestart (FAKTISK)
Primärt slutförande (FAKTISK)
Avslutad studie (FAKTISK)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (FAKTISK)
Uppdateringar av studier
Senaste uppdatering publicerad (FAKTISK)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- N-171-000-456-001
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .
Kliniska prövningar på Buksmärtor
-
Korea University Anam HospitalKorea UniversityAvslutadSmärtmätning | Visual Analog Pain Scale
-
Alanya Alaaddin Keykubat UniversityAvslutadSterilisering, Tubal | Visual Analog Pain Scale
-
Turkish Ministry of Health, Kahramanmaras Provincial...RekryteringVisual Analog Pain ScaleKalkon
-
McGill University Health Centre/Research Institute...Hokkaido University Hospital; San Raffaele University Hospital, Italy; Hospital...Aktiv, inte rekryterandeAbdominal kirurgiItalien, Kanada, Japan, Brasilien
-
Washington University School of MedicineThe Foundation for Barnes-Jewish Hospital; BJC Innovative LabAvslutadAbdominal kirurgiFörenta staterna
-
China Medical University HospitalOkänd
-
Asir John SamuelAvslutad
-
Inje UniversityAvslutad
-
Mayo ClinicAvslutad
-
Technische Universität DresdenRekryteringAbdominal kirurgiTyskland