阑尾炎的自由文本预测算法
急诊阑尾炎自由文本诊断预测算法的前瞻性研究
研究概览
详细说明
开发对医生输入的自由文本输入的阑尾炎诊断具有强大预测能力的机器学习模型可以提高医生的诊断准确性。 它还提供了使用预测算法来改进常规临床护理的可能性。 未来可以结合多种机器学习模型来提高预测精度，预测算法可以扩展到其他诊断。
超过 10 年的 18,000 例急诊科报告被用作训练和验证数据集。 为了开发阑尾炎预测模型，使用了具有定制医学本体的深度学习神经网络。 模型的诊断准确性表示为灵敏度（召回率）、特异性和 F1 分数（调和平均值）。 开发的诊断预测模型在诊断腹痛患者的阑尾炎方面显示出高灵敏度 (86.3%)、特异性 (91.9%) 和 F1 评分 (88.8)。
预测模型算法还将突出显示自由文本（由主治医师输入）中的单词，它为预测结果分配了更高的概率。 将指示医生根据临床表现和任何可用的实验室检查提供阑尾炎的可能性百分比。 然后向医生显示算法的预测以及输入的患者的突出显示的单词。 在看到算法生成的预测后，他/她必须提供另一个阑尾炎可能性的预测。
目的是评估该算法的性能，并评估该算法的使用是否能够帮助急诊医生改进他们对阑尾炎的诊断。 将预测结果制成表格，以评估算法的准确性、算法输入前的医生和接受算法输入后的医生。 准确性将表示为灵敏度、特异性、准确性、阳性预测值、F1分数和F0.5分数。
在 1 年的时间里，将招募大约 100 名急诊医生作为研究参与者。 医生将被随机分配到两组——算法组和无算法组。 随机化将按时间（每周）使用 4 和 6 的可变块随机化。 将对患者进行随访以进行最终出院诊断。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Singapore、新加坡、119074
- National University Hospital
-
-
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
取样方法
研究人群
主治医师将被招募为研究参与者，并每周随机分为“使用算法”与“不使用算法”。
满足上述资格标准的患者将收集他们的数据并输入预测算法。
描述
医生资格标准- 纳入标准：在急诊科工作的初级医生 排除标准：拒绝同意
患者的资格标准-
纳入标准：
- 存在腹痛，或
- 出现胃肠道症状，如恶心、呕吐或腹泻，或
- 发烧厌食
排除标准：
- 阑尾切除术既往史
- 拒绝同意
学习计划
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
配合算法使用
|
预测急性阑尾炎概率的自由文本预测软件
|
|
无算法使用
|
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 |
|---|---|---|
|
急性阑尾炎预测算法的准确性
大体时间：30天
|
预测算法的准确性和医生在诊断急性阑尾炎时使用算法输入的准确性
|
30天
|
合作者和调查者
调查人员
- 首席研究员：Kee Yuan Ngiam, Dr、National University Hospital, Singapore
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
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.