- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT04951973
Deep Learning Based Early Warning-poäng i Rapid Response Team Activation
Jämförelse av djupinlärningsbaserade tidig varningsresultat och konventionella screeningsystem i snabbinsatsteamsaktivering hos patienter på allmän avdelning
Studieöversikt
Status
Intervention / Behandling
Detaljerad beskrivning
SPTTS är det representativa triggerspårningssystemet. Utöver de konventionella SPTTS kommer DEWS att beräknas vid varje tidpunkt av den tidigare utvecklade algoritmen. SPTTS och DEWS kommer att visas samtidigt på skärmtavlan. Snabbinsatsteamet utför räddningsaktiviteten som tidigare och använder både SPTTS och DEWS samtidigt.
Larmtröskelinställningen för DEWS kommer att ändras till 70 poäng, 75 poäng och 80 poäng varje månad.
De primära och sekundära resultaten kommer att utvärderas för att jämföra SPTTS och DEWS (baserat på varje tröskelvärde).
Studietyp
Inskrivning (Förväntat)
Kontakter och platser
Studiekontakt
- Namn: Yeon Joo Lee, MD
- Telefonnummer: 82-31-787-7082
- E-post: yjlee1117@snubh.org
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Patienter inlagda på allmän avdelning och övervakas av sjukhusets snabba svarssystem
Exklusions kriterier:
- patienter inlagda på barnavdelningen
- patienter på akutmottagning, intensivvårdsavdelning och operationssal
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Hjärtstopp på sjukhus
Tidsram: 3 månader
|
Jämför förutsägbarheten av hjärtstopp på sjukhus mellan DEWS och SPTTS.
|
3 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Larmslump
Tidsram: 3 månader
|
Utvärdera larmsammanfallen mellan DEWS och SPTTS.
|
3 månader
|
Totalt antal larm.
Tidsram: 3 månader
|
Jämför det totala larmräkningen mellan DEWS och SPTTS.
|
3 månader
|
Samarbetspartners och utredare
Publikationer och användbara länkar
Allmänna publikationer
- Kwon JM, Lee Y, Lee Y, Lee S, Park J. An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest. J Am Heart Assoc. 2018 Jun 26;7(13):e008678. doi: 10.1161/JAHA.118.008678.
- Cho KJ, Kwon O, Kwon JM, Lee Y, Park H, Jeon KH, Kim KH, Park J, Oh BH. Detecting Patient Deterioration Using Artificial Intelligence in a Rapid Response System. Crit Care Med. 2020 Apr;48(4):e285-e289. doi: 10.1097/CCM.0000000000004236.
Studieavstämningsdatum
Studera stora datum
Studiestart (FÖRVÄNTAT)
Primärt slutförande (FÖRVÄNTAT)
Avslutad studie (FÖRVÄNTAT)
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
- DEWS_2021
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
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 .