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

Randomiserad studie av AI-telemedicinstöd för allmänläkare i El Salvador

13 februari 2026 uppdaterad av: Hospital El Salvador

Pragmatisk Randomiserad Klinisk Studie av AI-Assisterad Telemedicin för att Förbättra Diagnostisk Noggrannhet Bland Primärvårdsläkare i El Salvador

Målet med denna kliniska studie är att ta reda på om tillgång till ett artificiellt intelligens (AI)-baserat beslutstöd i klinisk verksamhet kan förbättra diagnostisk noggrannhet under verklighetsbaserade telemedicinkonsultationer bland primärvårdsläkare i El Salvador.

De huvudsakliga frågor som studien syftar att besvara är:

  • Ökar tillgång till AI-assistenten andelen korrekta diagnoser jämfört med telemedicin utan AI-stöd?
  • Skiljer sig effekten av AI-assistenten beroende på läkarens tidigare erfarenhet av att använda AI inom telemedicin?

Forskarna kommer att jämföra läkare med AI-assistenten aktiverad med läkare med AI-assistenten tillfälligt inaktiverad för att se om tillgång till AI förbättrar diagnostisk noggrannhet.

Deltagarna (läkare) kommer att:

  • Ge telemedicinkonsultationer som en del av sina rutinmässiga kliniska arbetsuppgifter.
  • Slumpmässigt tilldelas att antingen ha AI-assistenten aktiverad eller inaktiverad under studieperioden.
  • Fortsätta dokumentera kliniska möten i den elektroniska plattformen som vanligt.
  • Få sina anonymiserade konsultationsanteckningar granskade av en oberoende expertpanel för att fastställa diagnostisk noggrannhet.

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Intervention / Behandling

Studietyp

Interventionell

Inskrivning (Beräknad)

180

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:

  • Måste vara läkare anställd inom DoctorSV telemedicinprogrammet
  • Måste lämna skriftligt informerat samtycke för att delta i studien
  • Konsultationerna måste gälla akuta patologier i matsmältnings-, andnings- eller urinvägssystemen, eller akuta ögoninfektioner som kan hanteras i primärvården
  • Konsultationen måste vara första medicinska kontakt (första besöket) för det aktuella akuta episoden
  • Tillståndet måste motsvara specifika ICD-11-koder definierade i studiens protokoll

Exklusionskriterier:

  • Läkare som är inaktiva på plattformen i mer än 4 sammanhängande veckor
  • Läkare som övergår till andra arbetsformer än telemedicin eller minskar sina arbetstimmar till mindre än 20 timmar per vecka
  • Läkare vars anställningsavtal upphör (avgång, uppsägning eller avtalsfullgörande) under datainsamlingsperioden
  • Konsultationer som läkaren klassificerar som krävande omedelbar personlig uppmärksamhet
  • Konsultationer som kräver remiss till annan vårdnivå eller specialitet för slutgiltig hantering
  • Konsultationer som avbryts eller är ofullständiga på grund av anslutnings- eller systemfel
  • Konsultationer enbart för administrativa ändamål (t.ex. intyg, receptförnyelser utan klinisk utvärdering)
  • Konsultationer som är uppföljningsbesök eller kontroller för en tidigare utvärderad episod

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Diagnostisk
  • Tilldelning: Randomiserad
  • Interventionsmodell: Parallellt uppdrag
  • Maskning: Dubbel

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: AI Inaktiverad (Standard Telemedicin)
Läkare i denna arm kommer att genomföra telemedicin-konsultationer med AI-assistentens funktioner tillfälligt inaktiverade. De kommer att utföra det standardiserade kliniska arbetsflödet utan automatiserat stöd för anamnestagning eller diagnostiska förslag. Denna arm representerar borttagandet av AI-verktyget för att mäta dess påverkan.
Övrig: Standard Telemedicinsk Arbetsprocess (Ingen AI)
Standard vårdcentralskonsultation via videosamtal utan hjälp av artificiell intelligens. Läkarna förlitar sig enbart på sitt eget kliniska omdöme och manuell dokumentation utan automatiska sammanfattningar eller diagnostiska påminnelser.
Aktiv komparator: AI-aktiverad (AI-assisterad telemedicin)
Läkare i denna arm kommer att genomföra telemedicinkonsultationer med full tillgång till DoctorSV AI-assistenten.
Enhet: DoctorSV AI-assistent

Ett AI-verktyg integrerat i telemedicinplattformen, byggt på Googles Gemini Large Language Models (LLM). Systemet fungerar via två moduler:

(1) en klinisk historieassistent som stöder strukturerad dokumentation av patientinformation i realtid och (2) ett prediagnosverktyg som analyserar dokumenterad klinisk data för att generera differentialdiagnosförslag för läkarens övervägande. Modellen använder kontextuella påminnelser för att säkerställa att förslagen är kulturellt och kliniskt lämpliga för El Salvador.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Diagnostisk noggrannhet
Tidsram: Genom studiens slutförande, ~ 12-16 veckor
Andelen konsultationer där den primära diagnosen som registrerats av den deltagande läkaren stämmer överens med "guldstandarden" referensdiagnos. Referensdiagnosen fastställs av en panel med tre oberoende, förblindade expertutvärderare som granskar de anonymiserade kliniska anteckningarna. En diagnos anses vara "korrekt" (värde = 1) om den stämmer överens med referensdiagnosen inom samma kliniskt ekvivalenta diagnostiska grupp; annars anses den vara "inkorrekt" (värde = 0). Analysen kommer att jämföra andelen korrekta diagnoser mellan de AI-aktiverade och AI-inaktiverade armarna.
Genom studiens slutförande, ~ 12-16 veckor

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Diagnostisk Överensstämmelse
Tidsram: Under hela studieperioden, ~12-16 veckor
Nivån av överensstämmelse mellan läkarens diagnos och expertreferensdiagnosen, mätt med Cohens kappakoefficient. Denna mått utvärderar tillförlitligheten av diagnoserna bortom enkel procentuell överensstämmelse, med hänsyn till överensstämmelse som uppstår av en slump.
Under hela studieperioden, ~12-16 veckor
Diagnostisk noggrannhet stratifierad efter läkares erfarenhetsnivå
Tidsram: Genom studieavslutning, ~12-16 veckor
Utvärdering av diagnostisk noggrannhet (andel korrekta diagnoser) jämförd mellan undergrupper av läkare med "Hög erfarenhet" (≥1 år i programmet eller ≥20 konsultationer) kontra "Låg erfarenhet" (<1 år i programmet eller <20 konsultationer).
Genom studieavslutning, ~12-16 veckor
Diagnostisk noggrannhet stratifierad efter kliniskt system
Tidsram: Under studiens hela genomförande, ~12-16 veckor.
Andelen korrekta diagnoser stratifierade efter patologins fysiologiska system: Andningsvägar, Mag-tarm, Urinvägar eller Ögon. Detta utfall bedömer om AI:ns prestanda eller användbarhet varierar beroende på den specifika typen av kliniskt tillstånd.
Under studiens hela genomförande, ~12-16 veckor.

Samarbetspartners och utredare

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

Sponsor

Hospital El Salvador

Utredare

  • Huvudutredare: Manuel Bello, MD, Hospital Nacional El Salvador

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 (Beräknad)

1 februari 2026

Primärt slutförande (Beräknad)

1 augusti 2026

Avslutad studie (Beräknad)

1 augusti 2026

Studieregistreringsdatum

Först inskickad

6 februari 2026

Först inskickad som uppfyllde QC-kriterierna

6 februari 2026

Första postat (Faktisk)

12 februari 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

17 februari 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

13 februari 2026

Senast verifierad

1 februari 2026

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • CNEIS/2025/32

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

IPD-planbeskrivning

Data kommer inte att skickas eller delas till servrar utanför de som används av DoctorSV-plattformen för att säkerställa säkerheten och integriteten för deltagarna (läkare) såväl som patienterna. Data är begränsad till forskningsteamet och de specifika målen för denna studie.

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