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

AI4Triage - Utveckling av artificiell intelligensbaserade metoder för analys av triage-data.

31 december 2025 uppdaterad av: Pietro Hiram Guzzi, University of Catanzaro

AI4Triage - Utveckling av artificiell intelligensbaserade metoder för analys av triage-data

Artificiell intelligens, och särskilt grafiska neurala nätverk (GNN), har visat enorm potential i analysen av komplex klinisk data. Tack vare deras förmåga att modellera relationer mellan variabler representerar GNN en betydande utveckling jämfört med traditionella modeller, vilket möjliggör en bättre tolkning av medicinsk information och stödjer datadrivna beslut i komplexa sammanhang som akutmedicin.

Tillämpningen av GNN på klinisk triage och på prediktion av vårdtid kan förbättra klinisk effektivitet genom att optimera resursallokering och patienthantering. Denna observationsstudie syftar till att utvärdera prediktionernas noggrannhet i förhållande till verklig klinisk data, vilket bidrar till utvecklingen av avancerade prediktiva verktyg för att stödja beslutsprocesser inom hälso- och sjukvården.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Faktisk)

1500

Kontakter och platser

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

Studieorter

      • Catanzaro, Italien
        • University of Catanzaro

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

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

allt som har antagits till akutmottagningen

Beskrivning

Inklusionskriterier:

  • alla

Exklusionskriterier:

  • patienter med röda koder och allvarliga skador

Studieplan

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

Hur är studien utformad?

Designdetaljer

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Antal som underprioriteras
Tidsram: 12 månader
Undersökarna kommer att mäta antalet felklassificeringar
12 månader
Undertriaged
Tidsram: 12 månader
Undersökarna kommer att mäta förmågan att förutse undertriage
12 månader

Samarbetspartners och utredare

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

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)

1 november 2025

Primärt slutförande (Beräknad)

1 november 2026

Avslutad studie (Beräknad)

30 november 2027

Studieregistreringsdatum

Först inskickad

17 december 2025

Först inskickad som uppfyllde QC-kriterierna

17 december 2025

Första postat (Beräknad)

31 december 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

6 januari 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

31 december 2025

Senast verifierad

1 december 2025

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • AI4Triage

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

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