- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05912361
Effekten av att utbilda tandläkarstudenter för en AI-baserad plattform
Effekten av att utbilda tandläkarstudenter för att använda en ny artificiell intelligensbaserad plattform för förutsägelse av massaexponering före djup kariesutgrävning: en randomiserad kontrollerad prövning
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Shaqayeq Ramezanzade, DDS
- Telefonnummer: 004555278370
- E-post: shaqayeq.ramezanzade@sund.ku.dk
Studera Kontakt Backup
- Namn: Lars Bjørndal, Prof.
- Telefonnummer: 004531228102
- E-post: labj@sund.ku.dk
Studieorter
-
-
-
Copenhagen, Danmark, 2200
- University of Copenhagen Department of Odontology Cariology and Endodontics Section for Clinical Oral Microbiology
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- kanske 4:e och 5:e års tandläkarstudenter vid Köpenhamns universitet som är villiga att delta frivilligt och har skrivit på samtyckesbrevet.
- Begränsad eller ingen tidigare kunskap och erfarenhet om AI
Exklusions kriterier:
- Ingen
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Dubbel
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
---|---|
Experimentell: Studenter som använder AI-plattform för att bedöma risken för massaexponering får ett träningspass
Eleverna kommer att gå igenom en en timmes praktisk träning innan de tar testet på onlineplattformen. Sessionen inkluderar en teoretisk session relaterad till grundläggande aspekter av AI inom radiologi, CNN (Convolutional Neural Network) applikationer för kariologi och endodonti, samt grunderna i utgrävningsterapi och pulpaexponering. Den teoretiska delen kommer att följas av en praktisk session där deltagarna kontrollerar 11 fall av tänder med djup karies och hittar den närmaste gränsen mellan karies och pulpa. Därefter kommer de att få tillgång att logga in på webbplatsen där förbehandlingsröntgenbilder av fall som genomgår kariesgrävningsterapi laddas upp. Elevernas prestationer på kommer att bedömas. |
Eleverna i experimentgruppen kommer att få en en timmes praktisk träning innan de loggar in på onlineplattformen.
Sessionen kommer att presenteras av en tandläkare med AI-erfarenhet och den här sessionen kommer att presentera grundläggande aspekter av AI inom radiologi, djupinlärning (DL)-applikationer för kariologi och endodonti, samt grunderna för utgrävningsterapi och pulpaexponering.
den teoretiska delen kommer att följas av en praktisk session där varje deltagare kommer att kontrollera 11 fall av tänder med djup karies och kommer att hitta den närmaste gränsen mellan karies och pulpa.
deras prestation kommer att övervakas av träningssessionspresentatören och den korrekta raden kommer att visas dem om de gör fel linje.
|
Inget ingripande: Studenter som använder AI-plattform för att bedöma risken för massaexponering utan något träningspass
Eleverna kommer inte att få någon utbildning innan experimentet påbörjas.
Endast en 5-minuters video kommer att spelas upp som vägledning för att svara på frågorna på webbplatsen.
Därefter kommer de att få tillgång att logga in på webbplatsen där förbehandlingsröntgenbilder av fall som genomgår kariesgrävningsterapi laddas upp.
Elevernas prestationer på kommer att bedömas.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Elevernas prestation vid förutsägelse av massaexponering i den AI-baserade plattformen med och utan träningspass baserat på deras noggrannhet
Tidsram: 30 dagar
|
Noggrannheten hos eleverna i båda grupperna (med och utan träningspass) kommer att mätas och jämföras tillsammans.
Noggrannhetsmätningen för varje elev kommer att beräknas genom antalet korrekta förutsägelser om massaexponering dividerat med de totala förutsägelserna.
|
30 dagar
|
Elevernas prestation vid förutsägelse av massaexponering i den AI-baserade plattformen med och utan träningspass baserat på deras känslighet
Tidsram: 30 dagar
|
Känsligheten hos elever i båda grupperna (med och utan träningspass) kommer att mätas och jämföras tillsammans.
Den kommer att baseras på andelen faktiska massaexponeringsfall som förutspåddes som massaexponering (true positiv).
|
30 dagar
|
Elevernas prestation vid förutsägelse av massaexponering i den AI-baserade plattformen med och utan träningspass baserat på deras specificitet
Tidsram: 30 dagar
|
Specificiteten hos elever i båda grupperna (med och utan träningspass) kommer att mätas och jämföras tillsammans.
Den kommer att baseras på andelen faktiska "ingen massaexponering"-fall som korrekt förutspåtts som fall utan massaexponering (verkligt negativ).
|
30 dagar
|
Samarbetspartners och utredare
Sponsor
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 (Beräknad)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- 504-0342/22-5000
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 .
Kliniska prövningar på Artificiell intelligens
-
Al Baraka Fertility HospitalAl-Azhar UniversityRekryteringARTIFICIAL INTELLIGENS (AI) APPLIKATIONER INOM REPRODUKTIV MEDICINEgypten