口头尸检的医生与计算机编码
口头尸检的医生与计算机编码，一项随机对照试验
研究概览
详细说明
背景
低收入和中等收入国家的大多数死亡发生在院外，并且在死亡时没有医疗照顾和证明。 因此，缺乏有关死亡原因 (COD) 的信息。 在这些情况下，口头尸检 (VAs)，通常涉及对死者在世的家庭成员或亲密伙伴的非医学面谈，了解死亡细节，随后由医生指定 COD，可用于估计 COD 模式。
尽管 VA 通常用于获取基于社区的 COD 数据，但其应用和 COD 分配模式可能会有所不同。 医生认证口头尸检 (PCVA) 编码与计算机编码口头尸检方法 (CCVA) 的选择一直存在广泛争议。 这两种方法都有局限性。 虽然 PCVA 方法除了医生的时间消耗和费用外，还存在观察者间和观察者内的编码差异，但 CCVA 方法比 PCVA 更快、更便宜的准确性尚未在不同的环境中进行评估。 文献检索仅得出一项研究，该研究系统地评估了四种计算机编码的口头尸检方法在中低收入国家 24,000 例死亡中的性能，并与 VA 的医生编码进行了比较（Miasnikof 等人，2015 年）。
在这里，研究人员提出了有史以来第一个在人群水平上评估 PCVA 与 CCVA 的随机对照试验。
学习规划
这项随机对照试验将在印度的三个邦进行； VA 将收集过去五年中发生的总共 12,500 例死亡。 在每个地区（三个州的五个地区 - 见下文），50% 的死亡随机选择用于 PCVA，其余用于 CCVA。 然后在每个地区内比较两组的 COD 分布。 如果 PCVA 和 CCVA 的性能具有可比性，则获得的分布应该相似。
印度的研究区（x 将从大约收集的预期 VA 数量） y户数）：
- 马哈拉施特拉邦阿姆拉瓦蒂（来自约 12,500 户家庭的 2500 个 VA）
- Anand 和 Kheda 区，古吉拉特邦（约 25,000 户家庭的 5000 个 VA）
- 旁遮普邦 Sangrur 和 Mansa 区（来自约 25,000 户家庭的 5000 个 VA）
目标
- 主要目标：评估人口水平的 VA 的医生编码与计算机编码 - 在确定人口水平的 COD 分布时，计算机算法的表现是否与 VA 的医生编码一样好。
- 次要目标：评估医生与外行测量员 VA 数据收集的质量 - 当医生与外行进行 VA 数据收集时，收集的症状信息或最终 COD 分配的质量是否不同。
- 第三目标：评估家庭对带叙述的短 VA 问卷与不带叙述的长问卷的偏好 - 家庭更喜欢哪种 VA 工具。
数据采集
该研究的数据收集将分两个阶段进行。
- 第 1 阶段：外行数据收集者的枚举和 VA（带叙述的短问卷和带叙述的长问卷）。 VA 问卷是根据世界卫生组织 (WHO) 的建议设计的。
- 第 2 阶段：医生对 50% 的 VA 重新取样以用于 PCVA 将使用笔记本电脑/平板电脑以当地语言的电子格式收集数据。
质量控制/质量保证：
- 随机 2-5% 的案例将由质量控制调查的调查员重新采访
- 将对整个数据收集进行录音，以进行质量控制和监测。
分析计划
- 主要目标：50% 的 VA 的 COD 将由训练有素的医生使用百万死亡研究 (MDS) 医生编码系统分配；这包括 VA 记录的双重独立编码、通过和解解决的分歧以及由第三位医生裁决的剩余病例。 COD 的分配将与国际疾病分类第 10 版 (ICD-10) 保持一致。 其余 50% 的死亡将由五种领先的 CCVA 算法独立分配 COD。 如果 PCVA 和 CCVA 的性能具有可比性，则在人口水平上获得的 COD 分布应该是相似的，这种“相似性”将通过计算每个地区每个算法的 COD 分配的原因特定死亡率（CSMF）准确性来评估各地区 PCVA 的 CSMF。
- 次要目标：医生将对每个地区一半的 PCVA 进行重新访谈，并使用上述 MDS 医师编码系统将 COD 分配给这些重新访谈的 VA。 为了评估非专业人士和医生收集的 VA 之间 COD 分配的一致性，将计算 CSMF 准确度以确定总体水平的一致性，同时将计算灵敏度和部分机会校正一致性 (PCCC) 以评估个体 COD 分配的相似性等级。
- 第三目标：将评估受访者对带有叙述的短 VA 问卷与不带叙述的长问卷的合作情况，以确定家庭更喜欢哪种 VA 仪器。 还将组织一个由测量员组成的焦点小组，以听取他们对在现场使用这两种仪器的反馈。
这项研究的结果将作为三个独立的试验（每个州一个试验）呈现。 第一次试验的结果将用于假设生成。
研究类型
注册 (预期的)
阶段
- 不适用
联系人和位置
学习地点
-
-
Gujarat
-
Karamsad、Gujarat、印度、388325
- 招聘中
- HM Patel Center for Medical Care and Education
-
接触：
- Dinesh Kumar, MD
- 邮箱：drdineshkl@charutarhealth.org
-
-
Maharashtra
-
Mumbai、Maharashtra、印度、400 012
- 招聘中
- Tata Memorial Centre
-
接触：
- Atul Budukh, MD
- 电话号码：+91-9920863064
- 邮箱：atul.budukh@gmail.com
-
Mumbai、Maharashtra、印度、400 088
- 完全的
- International Institute of Population Sciences
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
描述
纳入标准：
- 过去五年内发生的所有死亡
排除标准：
- 没有任何
学习计划
研究是如何设计的？
设计细节
- 主要用途：基础_科学
- 分配：随机化
- 介入模型：平行线
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
ACTIVE_COMPARATOR：医师编码口头尸检
在收集到的大约 12,500 个 VA 中，每个地区的 50% 将使用“电子口头尸检”(eVA) 仪器随机收集。 除了有关死者的“一般信息”（例如 姓名、性别、年龄等），此 VA 工具包含一份简短的清单问卷，以从受访者那里获取在最终患病期间注意到的体征和症状，然后是自由文本叙述。 这些 VA 的死因将由训练有素的医生使用 MDS 医生编码系统指定；这包括 VA 记录的双重独立编码、通过和解解决的分歧以及由第三位医生裁决的剩余病例。 死因的分配将与国际疾病分类第 10 版 (ICD-10) 保持一致。 |
在人口水平上比较计算机编码口头尸检 (CCVA) 与医生编码口头尸检 (PCVA) 的性能。
其他名称：
|
|
实验性的：计算机编码口头尸检
在收集到的大约 12,500 个 VA 中，每个地区的 50% 将使用“扩展症状列表”(ESL) VA 仪器随机收集。 除了有关死者的“一般信息”（例如 姓名、性别、年龄等），此 VA 工具包含一份长清单问卷，以从受访者那里获取最终患病期间注意到的体征和症状。 该 VA 文书不包含自由文本叙述。 这些 VA 的死因将由五种领先的计算机编码 VA 算法独立分配。 死因的分配将与 17 个广泛的死因类别一致。 |
在人口水平上比较计算机编码口头尸检 (CCVA) 与医生编码口头尸检 (PCVA) 的性能。
其他名称：
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
医生与计算机编码口头尸检之间死因分布的等效性（CSMF 准确性）
大体时间：1年
|
使用 CSMF 准确性来衡量本研究的医生和计算机编码 VA 组之间死因分布的等效性，以评估医生与计算机编码 VA 的表现在人口水平上是否具有可比性
|
1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
人口死因分配的等效性（CSMF 准确性）和医生与非专业调查员收集的口头尸检的个人（敏感性）水平
大体时间：1年
|
对于由医生和外行独立收集 VA 的每例死亡，计算 CSMF 的准确性和分配给这些 VA 的死因的敏感性，以评估分配的最终死因是否不同医生与外行人进行 VA 数据收集
|
1年
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
根据调查员的报告，对带叙述的简短口头尸检问卷与不带叙述的长问卷回答“差”的家庭数量
大体时间：1年
|
有叙述的简短口头尸检问卷与没有叙述的长问卷的家庭偏好
|
1年
|
合作者和调查者
合作者
调查人员
- 首席研究员：Abhishek Singh, PhD、Associate Professor, International Institute of Population Sciences
- 首席研究员：Atul Budukh, MD、Assistant Professor Epidemiology, Tata Memorial Centre
- 首席研究员：Dinesh Kumar, MD、Associate Professor, HM Patel Center for Medical Care and Education
出版物和有用的链接
一般刊物
- Leitao J, Desai N, Aleksandrowicz L, Byass P, Miasnikof P, Tollman S, Alam D, Lu Y, Rathi SK, Singh A, Suraweera W, Ram F, Jha P. Comparison of physician-certified verbal autopsy with computer-coded verbal autopsy for cause of death assignment in hospitalized patients in low- and middle-income countries: systematic review. BMC Med. 2014 Feb 4;12:22. doi: 10.1186/1741-7015-12-22.
- Desai N, Aleksandrowicz L, Miasnikof P, Lu Y, Leitao J, Byass P, Tollman S, Mee P, Alam D, Rathi SK, Singh A, Kumar R, Ram F, Jha P. Performance of four computer-coded verbal autopsy methods for cause of death assignment compared with physician coding on 24,000 deaths in low- and middle-income countries. BMC Med. 2014 Feb 4;12:20. doi: 10.1186/1741-7015-12-20.
- Miasnikof P, Giannakeas V, Gomes M, Aleksandrowicz L, Shestopaloff AY, Alam D, Tollman S, Samarikhalaj A, Jha P. Naive Bayes classifiers for verbal autopsies: comparison to physician-based classification for 21,000 child and adult deaths. BMC Med. 2015 Nov 25;13:286. doi: 10.1186/s12916-015-0521-2.
- Jha P, Kumar D, Dikshit R, Budukh A, Begum R, Sati P, Kolpak P, Wen R, Raithatha SJ, Shah U, Li ZR, Aleksandrowicz L, Shah P, Piyasena K, McCormick TH, Gelband H, Clark SJ. Automated versus physician assignment of cause of death for verbal autopsies: randomized trial of 9374 deaths in 117 villages in India. BMC Med. 2019 Jun 27;17(1):116. doi: 10.1186/s12916-019-1353-2.
研究记录日期
研究主要日期
学习开始
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计)
研究记录更新
最后更新发布 (估计)
上次提交的符合 QC 标准的更新
最后验证
更多信息
与本研究相关的术语
其他研究编号
- PCVA vs CCVA
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
IPD 计划说明
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.