Implementering och utvärdering av programvara för artificiell intelligens för elektrokardiogramanalys och hantering i primärvården (DAISEA-ECG)
DAISEA-EKG-projektet syftar till att förbättra diagnostiken av hjärtsjukdomar i primärvården genom DeepECG-plattformen, som kombinerar EKG-AI och ECHONEXT-algoritmer. Denna studie använder en stegad kildesign, där varje familjemedicingrupp fungerar som sin egen kontroll. FMG:erna kommer gradvis att övergå från kontrollperioden (utan AI-rekommendationer) till interventionsperioden (med AI-rekommendationer aktiverade) i en randomiserad sekvens.
Det primära målet är att jämföra familjeläkares känslighet för att upptäcka hjärtpatologier, med och utan hjälp av DeepECG-plattformen. Sensitivitet definieras som andelen patienter som korrekt hänvisats till kardiologi eller transthorax ekokardiografi (TTE) bland dem som verkligen krävde kardiovaskulär utvärdering, vilket bekräftats av en oberoende bedömningskommitté.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Matematiskt beräknas känsligheten som Sann positiv / (Sann positiv + Falsk Negativ), där Sann positiv representerar korrekt hänvisade patienter och falska negativa representerar patienter som skulle ha remitterats men inte var det.
De sekundära målen inkluderar att bestämma frekvensen av remisser för kardiovaskulär utvärdering före och efter interventionen (implementering av DeepECG-plattformen), de individuella egenskaperna för interventionen (PPV, NPV och specificitet), samt att utvärdera genomförbarheten av att implementera AI-baserad automatisk EKG-tolkning i primärvården genom enkäter till husläkare och kardiologer.
PPV: Positivt prediktivt värde NPV: Negativt prediktivt värde
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Robert Avram, MD
- Telefonnummer: 514 376 3330
- E-post: robert.avram.md@gmail.com
Studera Kontakt Backup
- Namn: Marie-Gabrielle Lessard, MSc
- Telefonnummer: 2094 514 376 3330
- E-post: marie-gabrielle.lessard@icm-mhi.org
Studieorter
-
-
Quebec
-
Montreal, Quebec, Kanada, H1T1C8
- Montreal Heart Institute
-
Kontakt:
- Marie-Gabrielle Lessard, MSc
- Telefonnummer: 2094 5143763330
- E-post: marie-gabrielle.lessard@icm-mhi.org
-
Huvudutredare:
- Robert Avram, MD
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
Familjeläkare eller sjuksköterskor
Familjeläkare eller sjuksköterskor (NP) som praktiserar i en av de deltagande FMG:erna.
Familjeläkare som har gett sitt fria och informerade samtycke. Patienter
Vuxna patienter (18 år eller äldre). Patienter utan uppföljning inom kardiologi eller internmedicin för kardiovaskulära problem (arytmi, hjärtsvikt, hjärtinfarkt, aterosklerotisk kranskärlssjukdom, valvulär hjärtsjukdom) eller de som tidigare haft en negativ utredning utan ytterligare uppföljning.
EKG
Varje 12-avlednings-EKG som utförs med MUSE GE 360-maskinen. EKG av adekvat teknisk kvalitet för tolkning (annars kommer det automatiskt att avvisas av plattformen).
-
Uteslutningskriterier:
- Familjeläkare eller sjuksköterskor
Familjeläkare som uteslutande praktiserar inom pediatrik (patienter under 18 år).
Familjeläkare kan inte följa projektets riktlinjer.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Diagnostisk
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Inget ingripande: Ingen DeepECG-plattformsdiagnos och rekommendationer
|
|
|
Experimentell: DeepECG-plattformsdiagnos och rekommendationer
|
EchoNeXT & EKG-AI-algoritm
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
känslighet för kardiologiska remisser
Tidsram: 18 månader
|
Jämför känsligheten hos kardiologiska remisser gjorda av familjeläkare och sjuksköterskor före och efter aktiveringen av AI-assisterad diagnostik och rekommendationer från DeepECG-plattformen.
|
18 månader
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
specificitet, negativt prediktivt värde och positivt prediktivt värde av kardiologiska remisser
Tidsram: 18 månader
|
Jämför specificiteten, det negativa prediktiva värdet och det positiva prediktiva värdet av kardiologiska remisser gjorda av familjeläkare och sjuksköterskor före och efter aktiveringen av AI-assisterad diagnostik och rekommendationer.
|
18 månader
|
Samarbetspartners och utredare
Sponsor
Publikationer och användbara länkar
Användbara länkar
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- DAISEA-ECG
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
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 .