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

Optimering av diagnosen av benfrakturer hos patienter som behandlas på akutmottagningen genom att använda artificiell intelligens för att läsa radiologiska bilder i jämförelse med traditionell avläsning av akutläkaren. (FracturIA)

18 september 2023 uppdaterad av: Elsan

Som en del av hanteringen av en patient med misstänkta benfrakturer måste akutläkare fatta behandlingsbeslut innan de erhåller avläsningsrapporten från radiologen, som i allmänhet inte är tillgänglig bara några timmar efter patientens inläggning, eller ens följande dag . Denna situation med akutläkaren, som ensam tolkar den radiologiska bilden, i ett sammanhang av begränsad tid på grund av det stora flödet av patienter som ska behandlas, leder till en betydande risk för tolkningsfel. Okänd fraktur representerar en av huvudorsakerna till diagnostiska fel på akutmottagningar.

Denna jämförande studie består av två kohorter av patienter remitterade till akutmottagningen för misstänkt benfraktur. Den första kommer att vara av intresse för patienter vars radiologiska bilder kommer att tolkas genom läsning av akutläkaren systematiskt fördubblad genom läsning av artificiell intelligens. Den andra kommer att intressera en grupp patienter som vårdas av akutläkarens enkla läsning.

Samtliga bilder från båda patientgrupperna kommer att läsas om av institutionens grupp av radiologer senast 24 timmar efter patientens behandling.

En centraliserad granskning kommer att tillhandahållas av två expertradiologer. Patienter i båda grupperna kommer också att systematiskt återkallas i händelse av upptäckt av en okänd fraktur för sjukhusvistelse.

Studieöversikt

Studietyp

Interventionell

Inskrivning (Beräknad)

1500

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studiekontakt

Studieorter

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  • Huvudämne
  • Patient inlagd på akutmottagningen för misstänkta perifera frakturer i extremiteterna i den övre extremiteten och/eller underbenen (handled/hand och fotled/fot).
  • Patient ansluten till eller berättigad till ett socialförsäkringssystem
  • Patient som har fått skriftlig och informerad information om studien och har undertecknat ett fritt och informerat samtycke att delta i studien.

Exklusions kriterier:

  • Patient tidigare intagen på akuten för misstanke om frakturer och inte inkluderad i studien
  • Patient intagen på akuten med misstanke om flera frakturer
  • Vägra att delta i studien
  • Skyddad patient: vuxen under förmynderskap, kurator eller annat rättsligt skydd, frihetsberövad genom rättsligt eller administrativt beslut och under rättsligt skydd
  • Gravid, ammande eller förlossande patient

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Stödjande vård
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Patient med akutläkare och AI för diagnos
Patient som drar nytta av bildbehandling har lämnats in för radiologisk läsning av akutläkaren och AI för diagnos och behandlingsbeslut
Artificiell intelligens programvara: Boneview. Den analyserar röntgenbilderna, ger en bedömning av förekomsten av frakturer på undersökningsnivå och lokaliserar frakturerna på varje bild genom att presentera dem för läkaren direkt på deras skärm, utan några andra logistiska begränsningar för läkaren.
akutläkaren analyserar röntgenbilderna
Placebo-jämförare: Patient med akutläkare endast för diagnos
akutläkaren analyserar röntgenbilderna

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Frekvens för återinläggning av patient för misslyckande med att diagnostisera fraktur under initial behandling.
Tidsram: 1 dag
Denna frekvens kommer att bestämmas i varje grupp (avläsning av akutläkaren systematiskt fördubblad genom avläsning av AI jämfört med enkel avläsning av akutläkare) jämfört med centraliserad omläsning.
1 dag

Samarbetspartners och utredare

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

Sponsor

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)

11 september 2023

Primärt slutförande (Beräknad)

11 september 2024

Avslutad studie (Beräknad)

11 oktober 2025

Studieregistreringsdatum

Först inskickad

18 september 2023

Först inskickad som uppfyllde QC-kriterierna

18 september 2023

Första postat (Faktisk)

25 september 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

25 september 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

18 september 2023

Senast verifierad

1 september 2023

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • 2023-A00639-36

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