Förebygga fel i läkemedelsdispensering i apoteksverksamhet med tolkbar maskinintelligens
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Apotekare utför för närvarande en oberoende dubbelkontroll för att identifiera läkemedelsvalsfel innan de kan nå patienten. Användningen av maskinintelligens (MI) för att stödja detta kognitiva beslutsfattande arbete hos farmaceuter existerar dock inte i praktiken. Istället förlitar sig farmaceuter enbart på referensbilder av läkemedlet som de kan jämföra med innehållet i den receptbelagda flaskan. Tidigare forskning har visat att beslutsstödssystem effektivt kan förbättra sjukvårdens effektivitet och noggrannhet, samtidigt som de förhindrar negativa läkemedelshändelser. Det är dock lite känt om hur MI-teknologier påverkar farmaceuters arbetsprestation och kognitiva efterfrågan.
För att underlätta den långsiktiga symbiotiska relationen mellan farmaceuter och MI-systemet måste ett ordentligt förtroende skapas. Även om förtroende har identifierats som den centrala faktorn för effektiv samverkan mellan människa och maskin, uppstår problem när människor sätter omotiverat förtroende för automatiserade teknologier inte har tillräckligt med förtroende för dem. Överförtroende för automatisering kan leda till självbelåtenhet och automatiseringsbias. Till exempel kan farmaceuter förlita sig på MI-systemet i den mån de blint accepterar alla rekommendationer från systemet. Under förtroende kan leda till att farmaceuten inte används och att MI-systemet överges.
Vidare är lite känt om tidpunkten för MI-råden om farmaceuters arbetsprestation. Att till exempel visa MI:s råd medan farmaceuten utför läkemedelsverifieringsuppgiften kan ge andra resultat än att visa MI:s råd efter att farmaceuten fattat sitt beslut.
Studiens utredare har utvecklat ett MI-system för klassificering av läkemedelsbilder. Syftet med denna studie är att undersöka effektiviteten av timingen av MI-rådgivning för att avgöra om det resulterar i lägre arbetstid, ökad noggrannhet och ökat förtroende för MI.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
Michigan
-
Ann Arbor, Michigan, Förenta staterna, 48109
- University of Michigan
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Licensierad apotekare i USA
- Ålder 18 år och äldre vid screening
- PC/laptop med Microsoft Windows 10 eller Mac (Macbook, iMac) med MacOS med webbläsaren Google Chrome, Edge, Opera, Safari eller Firefox installerad på enheten
- Skärmupplösning på 1024x968 pixlar eller mer
- En integrerad webbkamera för bärbar dator eller USB-webbkamera krävs också för ögonspårningsändamål.
Exklusions kriterier:
- Deltog i Wave 1 eller Wave 2
- Glasögon
- Okorrigerad grå starr, intraokulära implantat, glaukom eller permanent vidgade pupill
- Kräv en skärmläsare/förstoringsglas eller annan hjälpmedelsteknik för att använda datorn
- Onormala ögonrörelser eller inriktningsavvikelser (lata öga, skelning, nystagmus)
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Crossover tilldelning
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Ingen MI-hjälp
Ingen MI-hjälp kommer att presenteras under verifieringsuppgifterna
|
Deltagarna kommer att slutföra uppgiften att verifiera medicinen utan någon MI-hjälp
Deltagarna kommer att få MI i form av ett popup-meddelande om deras beslut skiljer sig från MI:s beslut.
MI-hjälp kommer att visas samtidigt med de ifyllda bilderna och referensbilderna.
|
|
Experimentell: Scenario 1
MI-hjälp kommer att presenteras i form av ett popup-meddelande, deltagarens beslut skiljer sig från MI:s beslut.
|
Deltagarna kommer att slutföra uppgiften att verifiera medicinen utan någon MI-hjälp
Deltagarna kommer att få MI i form av ett popup-meddelande om deras beslut skiljer sig från MI:s beslut.
MI-hjälp kommer att visas samtidigt med de ifyllda bilderna och referensbilderna.
|
|
Experimentell: Scenario #2
MI-hjälp kommer att visas samtidigt med de ifyllda bilderna och referensbilderna.
|
Deltagarna kommer att slutföra uppgiften att verifiera medicinen utan någon MI-hjälp
Deltagarna kommer att få MI i form av ett popup-meddelande om deras beslut skiljer sig från MI:s beslut.
MI-hjälp kommer att visas samtidigt med de ifyllda bilderna och referensbilderna.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Reaktionstid
Tidsram: Under hela verifieringsuppgiften
|
Skillnad i uppgiftstid mätt som antalet sekunder från start av uppgiften till godkännande eller avslag på en medicinbild
|
Under hela verifieringsuppgiften
|
|
Beslutsnoggrannhet
Tidsram: Under hela verifieringsuppgiften
|
Skillnad i detekteringsfrekvens mätt som antalet läkemedelsverifieringsfel bland alla deltagare i Arm/Grupp.
|
Under hela verifieringsuppgiften
|
|
Förtroendeändring
Tidsram: Efter varje försök i Scenario 1 och 2
|
Deltagarna kommer att genomföra 100 försök med simulerad läkemedelsverifiering i varje studiearm (dvs. Scenario 1, Scenario 2 och Inget stöd). Efter varje försök i Scenario 1 och Scenario 2 kommer deltagarna att använda en visuell analog skala (VAS) för att svara på frågan: "Hur mycket litar du på AI-rådet?" Ändpunkterna på den 100-punkts VAS-skalan är 'Inte alls' till 'Litar helt'. Deltagarna anger sin tillitsnivå till MI-rådet efter varje försök på en skala från 1-100, där högre poäng indikerar högre tillitsnivå. Förändringen i tillit, mätt med den visuella analoga skalan, kommer att beräknas med följande formel: Förändring i tillit (i) = Tillit(i) - Tillit(i - 1), där i=2, 3, ..., 100. För att beräkna ett enda, sammanfattat värde för variabeln Förändring i tillit inom ett specifikt scenario, genomsnittsberäknas de individuella Förändring i tillit-poängen som mäts från försöken. Denna genomsnittsberäkningsmetod ger ett omfattande mått på hur tilliten förändrades under scenariots varaktighet. |
Efter varje försök i Scenario 1 och 2
|
|
Förtroende
Tidsram: Postintervention i scenario 1 och 2.
|
Tillit kommer att bedömas med hjälp av Muir & Morays (1996) Tillit i Automatisering-skala.
Poäng sträcker sig från 0 till 100 där högre poäng indikerar högre nivåer av tillit.
|
Postintervention i scenario 1 och 2.
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Kognitiv ansträngning
Tidsram: Under hela verifieringsuppgiften
|
Deltagarnas ögonrörelser spårades med hjälp av ett webblaserbaserat onlinespårningssystem för ögonrörelser.
Utfallsmåttet är skillnaden i kognitiv ansträngning som mäts genom fixeringsantal i de definierade intresseområdena: fyllnadsbild, referensbild eller MI-diagram.
Högre fixeringsfrekvenser indikerar upprepad intresse för ett visst område.
|
Under hela verifieringsuppgiften
|
|
Kognitiv ansträngning
Tidsram: Under hela verifieringsuppgiften
|
Deltagarnas ögonrörelser spårades med ett webbaserat online-ögonspårningssystem.
Utfallsmåttet är skillnaden i kognitiv ansträngning som mäts genom varaktigheten av fikseringar i de definierade intresseområdena: fyllningsbild, referensbild eller MI-diagram.
Längre fikseringstid indikerar en högre kognitiv belastning.
|
Under hela verifieringsuppgiften
|
|
Arbetsbelastning
Tidsram: Efter att ha slutfört 100 verifieringsförsök i varje arm
|
Deltagarna kommer att genomföra 100 simulerade läkemedelsverifieringsförsök i var och en av de 3 armarna. Arbetsbelastningen för varje arm kommer att mätas med NASA Task Load Index (TLX). De 5 TLX-dimensioner som bedöms är: mental efterfrågan, ansträngning, tidsmässig efterfrågan, prestation och frustration. För varje dimension kommer deltagarna att ange sitt svar på en enda fråga. För 4 av dimensionerna är ändpunkterna på Likert-skalan 'mycket låg' och 'mycket hög'. Prestationsdimensionen är omvänt poängsatt, och ändpunkterna är 'perfekt' och 'misslyckande'. Deltagarna genomför sedan 10 parvisa jämförelser av dimensionerna genom att ange vilken dimension de anser vara en viktigare faktor (t.ex. ansträngning kontra frustration). Varje kategoripoäng multiplicerad med dess respektive parvisa jämförelseantal summeras och divideras med 10 för att få en övergripande viktad arbetsbelastningspoäng. Resultatet är en övergripande arbetsbelastningspoäng mellan 1 och 20, där högre poäng indikerar högre arbetsbelastning. |
Efter att ha slutfört 100 verifieringsförsök i varje arm
|
|
Användbarhet
Tidsram: Efter att ha slutfört 100 simulerade verifieringsförsök i varje arm
|
Deltagarna kommer att genomföra 100 försök med simulerad läkemedelsverifiering i var och en av de 3 armarna (Ingen MI-hjälp, Scenario 1 och Scenario 2).
Efter att ha genomfört 100 försök kommer deltagarna att utvärdera det simulerade verifieringsgränssnittet med hjälp av System Usability Scale (SUS).
SUS består av 10 påståenden som deltagarna anger sin instämning med med hjälp av en 5-gradig Likert-skala som sträcker sig från helt instämmer till helt oenig.
Udda numrerade frågor har ett positivt svar och jämnt numrerade frågor är omvänt poängsatta.
Poäng summeras och multipliceras med 2,5 för att få ett slutligt SUS-resultat.
SUS-resultat sträcker sig från 0 till 100 med högre resultat som indikerar bättre användbarhet.
Ett genomsnittligt SUS-resultat anses vara 68.
Allt under 50 är "Inte Acceptabelt".
Resultat mellan 51-70 anses vara "Marginala", de över 71 anses vara "Acceptabla" och de på 80 eller högre indikerar hög användbarhet.
|
Efter att ha slutfört 100 simulerade verifieringsförsök i varje arm
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Corey A Lester, PharmD, PhD, University of Michigan
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 (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- HUM00241223
- 5R01LM013624 (U.S.S. NIH-anslag/kontrakt)
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
produkt tillverkad i och exporterad från U.S.A.
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 .