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

Uppbyggnad av datorassisterad historik, fysisk undersökning och diagnossystem för akutpatient genom maskininlärning (II) (MLD)

20 februari 2023 uppdaterad av: National Taiwan University Hospital

På akutmottagningen (ED) måste läkare slutföra patientutvärdering och hantering på kort tid, vilket krävde olika historieskrivning och fysisk undersökningsförmåga i hälso- och sjukvården.

Naturlig språkbehandling (NLP) blev lättillgänglig efter utvecklingen av maskininlärning (ML). Dessutom hade elektronisk journal (EMR) använts i stor utsträckning inom hälso- och sjukvårdssystemen. Det finns fler och fler verktyg som försöker fånga in viss information från EMR som hjälper klinisk personal att hantera ökad patientdata och förbättra patientvården.

Men att fela är mänskligt. Läkare kan utelämna några viktiga tecken eller symtom, eller glömma att skriva ner det i journalen, särskilt på en hektisk akutmottagning. Det kommer att leda till ett ogynnsamt resultat när det fanns medicinska juridiska problem eller nationell sjukförsäkringsprövning. Tillståndet kan begränsas av ett EMR-stödsystem. Vårdkvaliteten kommer också att förbättras.

Utredarna planerar att analysera EMR från akuten genom NLP och maskininlärning. Att fastställa kopplingen mellan triagedata, huvudklagomål, tidigare historia, nuvarande sjukdom och fysisk undersökning. Utredarna kommer att försöka förutsäga den preliminära diagnosen och patientens läggning efter att förhållandet har hittats. Därefter kunde utredarna försöka förutsäga nyckelelementet i anamnestagning och fysisk undersökning av patienten och informera läkaren när missen inträffade. Utredarna hoppas att systemet kan förbättra kvaliteten på den medicinska registreringen och patientvården.

Studieöversikt

Status

Rekrytering

Betingelser

Studietyp

Interventionell

Inskrivning (Förväntat)

3000

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studiekontakt

Studera Kontakt Backup

  • Namn: Hsin-Hsi Chen, Dr.
  • Telefonnummer: 311 +886233664888
  • E-post: hhchen@ntu.edu.tw

Studieorter

      • Taipei, Taiwan, 100
        • Rekrytering
        • National Taiwan University Hospital
        • Kontakt:

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

20 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Beskrivning

Inklusionskriterier:

  • Över tjugo år gammal
  • Icke-traumatisk patient

Exklusions kriterier:

  • Uteslut patienterna av administrationsskäl (utfärdande av läkarintyg)
  • Utesluta patienter av icke-nödsituationer som helt enkelt akupunktur, virusscreening och recept på medicin.
  • Exklusive patienter som tilldelats intensivvårdsstation

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Behandling
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Trippel

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Inget ingripande: Kontrollera
Experimentell: Experimentell
Efter patienter under triage klassificering som slumpmässigt fördelas i två grupper. Gruppen med AI-intervention och den andra utan AI-intervention.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Överläkares bedömning
Tidsram: 24 timmar
Överläkares bedömning som mäts med ett etablerat frågeformulär. Överläkare kommer att fylla i ett expertverifierat frågeformulär för kvalitetsutvärdering av kliniska anteckningar efter att yngre läkare avslutat patientintervju och inspelning av kliniska anteckningar. Frågeformuläret är utformat för att använda 5 poäng likert skala och högre poäng betyder ett bättre resultat.
24 timmar

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet av diagnosförutsägelse
Tidsram: patientutskrivning från ED, upp till 1 vecka
Procentandelen förutsagd diagnos matchar den slutliga diagnosen.
patientutskrivning från ED, upp till 1 vecka
Rationalitet för diagnosförutsägelse
Tidsram: 24 timmar
Senior läkare kommer att bedöma rationaliteten av förutsagd diagnos.
24 timmar

Samarbetspartners och utredare

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

Utredare

  • Studiestol: Huang, Dr., National Taiwan University Hospital

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)

12 december 2022

Primärt slutförande (Förväntat)

30 mars 2023

Avslutad studie (Förväntat)

30 mars 2023

Studieregistreringsdatum

Först inskickad

10 oktober 2022

Först inskickad som uppfyllde QC-kriterierna

25 oktober 2022

Första postat (Faktisk)

27 oktober 2022

Uppdateringar av studier

Senaste uppdatering publicerad (Uppskatta)

22 februari 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

20 februari 2023

Senast verifierad

1 december 2022

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 202110012RIND

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

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