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

Machine Learning Assisted differentiering av patienter med låg skärpa vid utskick (MADLAD)

7 januari 2025 uppdaterad av: Hans Blomberg, Uppsala University Hospital

Maskininlärningsassisterad differentiering av patienter med låg skärpa vid utskick: en randomiserad kontrollerad studie

BAKGRUND:

På Emergency Medical Dispatch (EMD)-center är resursbegränsade situationer (RCS) där det finns fler uppringare som behöver ambulans än det finns tillgängliga ambulanser vanliga. På EMD-centralerna i Uppsala och Västmanland får patienter som upplever dessa situationer typiskt sett ett lågprioriterat bemötande, är ofta äldre och har ospecifika symtom. Maskininlärningstekniker erbjuder en lovande men till stor del oprövad metod för att bedöma risker bland dessa patienter.

MÅL:

Att fastställa huruvida tillhandahållandet av maskininlärningsbaserade riskpoäng förbättrar avsändares förmåga att identifiera patienter med hög risk för försämring av RCS.

DESIGN:

Multicenter, parallellgrupperad, randomiserad, analytikerblindad studie.

BEFOLKNING:

Vuxna patienter som kontaktar riksjouren (112), bedöms av utsändande sjuksköterska i Uppsala eller Västmanland med behov av lågprioriterad ambulansinsats och upplever RCS.

RESULTAT:

Primär:

1. Andel RCS där den första tillgängliga ambulansen skickades till patienten med det högsta poängen för National Early Warning Score (NEWS)

Sekundär:

  • Skillnad i sammansatt riskpoäng bestående av ambulansinsatser, akuttransport, sjukhusinläggning, intensivvård och mortalitet mellan patienter som får omedelbart kontra försenat ambulanssvar under RCS.
  • Skillnad i NEWS mellan patienter som får omedelbart kontra försenat ambulanssvar under RCS.

INTERVENTION:

En maskininlärningsmodell kommer att uppskatta risken för varje patient som är inblandad i RCS, och föreslå en patient att ta emot tillgänglig ambulans. Endast i interventionsarmen kommer bedömningen att visas i ett användargränssnitt integrerat i utsändningssystemet.

PROVSTORLEK:

1500 RCS vardera bestående av flera patienter randomiserade 1:1 till kontroll- och interventionsarmarna

Studieöversikt

Status

Avslutad

Betingelser

Studietyp

Interventionell

Inskrivning (Faktisk)

2499

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studieorter

      • Uppsala, Sverige
        • Uppsala University Hospital
    • Västmanland
      • Västerås, Västmanland, Sverige
        • Västmanland hospital Västerås

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

14 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  • Identifiering av en resursbegränsad situation av ambulanschefen (dvs 2 eller fler patienter som väntar på ett ambulanssvar)
  • Tilldelad prioritet 2A eller 2B (lågprioriterad ambulansinsats) av utsändande sjuksköterska
  • Giltigt svenskt personnummer hämtas vid utskick
  • Ålder >= 18 år

Exklusions kriterier:

  • Relevanta samtal inkom med mer än 30 minuters mellanrum
  • Logistiska faktorer (t.ex. patienternas geografiska läge) påverkar beslutet om ambulansuppdrag
  • Riskfaktorer på plats (t.ex. en patient är utomhus och riskerar hypotermi) eller riskreducerande medel (t.ex. vårdpersonal som redan är på plats med en patient) påverkar beslutet om ambulansuppdrag

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: Enda

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Intervention
Beräkning av riskbedömningspoäng genom maskininlärningsalgoritm och visning av riskbedömningsinformation för utskickande sjuksköterskor. Personalen uppmuntras men krävs inte att följa den föreslagna rangordningen.
En maskininlärningsalgoritm (Gradient boosting) tillämpas på strukturerad data som samlats in i Alitis Clinical Decision Support-systemet, patientdemografi och fritextanteckningar.
Inget ingripande: Kontrollera
Ambulansutskick per vårdstandard

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Andel RCS där den första tillgängliga ambulansen skickades till patienten med högsta National Early Warning Score (NEWS).
Tidsram: Vid ambulanssvar (inom 8 timmar efter avsändning)
NEWS är en allmänt använd och välvaliderad poängalgoritm baserad på objektiva patientvitala tecken, som inte är orsaksmässigt beroende av de resultat som används för att träna maskininlärningsmodellerna som undersökts i denna studie. NEWS-värden kommer att baseras på den första uppsättningen vitala tecken som ambulanssjuksköterskor erhåller när de kommer i kontakt med patienten. NEWS mäts på en skala 0-21, med högre värden motsvarande patienter med högre risk för försämring.
Vid ambulanssvar (inom 8 timmar efter avsändning)

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Skillnad i sammansatt resultatmåttpoäng mellan patienter med omedelbar och fördröjd respons.
Tidsram: Upp till 30 dagar

Detta mått undersöker en sammansatt poäng som består av de resultat som används för att träna maskininlärningsmodellerna. Den sammansatta poängen genereras genom att identifiera följande patientresultat och tilldela motsvarande vikter:

Onormala initiala Arway/Andning/Cirkulationsfynd av ambulanspersonal (4) Emergent (ljus och sirener) transport till sjukhuset (2) Tillhandahållande av prehospitala insatser (1) Inläggning till slutenvård eller dödlighet inom 30 dagar (1)

Detta resulterar i en poäng från 0-8, med högre poäng representerar mer

Upp till 30 dagar
Skillnad i National Early Warning Score (NEWS) mellan patienter med omedelbar vs. fördröjd respons.
Tidsram: Vid ambulanssvar (inom 8 timmar efter avsändning)
Per primärt resultat
Vid ambulanssvar (inom 8 timmar efter avsändning)

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: Hans Blomberg, MD, PhD, Uppsala University Hospital

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

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 februari 2021

Primärt slutförande (Faktisk)

30 november 2024

Avslutad studie (Faktisk)

30 november 2024

Studieregistreringsdatum

Först inskickad

3 februari 2021

Först inskickad som uppfyllde QC-kriterierna

11 februari 2021

Första postat (Faktisk)

17 februari 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

25 mars 2025

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

7 januari 2025

Senast verifierad

1 januari 2025

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • SVLC001

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

JA

IPD-planbeskrivning

Data på individnivå tillgänglig på rimlig begäran till författare efter publicering

Tidsram för IPD-delning

Vid publicering

Kriterier för IPD Sharing Access

Forskare med etiknämnd godkände forskningsplanen

IPD-delning som stöder informationstyp

  • STUDY_PROTOCOL
  • ANALYTIC_CODE

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

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 .

Prenumerera