此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

犹他州紧急护理诊所的 ePNa 临床决策支持的适应和试点实施

2024年8月22日 更新者:Intermountain Health Care, Inc.

在犹他州 10 个紧急护理中心调整和试点实施经过验证的电子实时临床决策支持工具,用于护理肺炎患者

我们计划采用基于肺炎护理共识指南 (ePNa) 的经过验证的创新型急诊科 (ED) CDS 工具在紧急护理诊所 (Intermountain 的 Instacares) 中发挥作用,并使用可互操作的平台将其与斯坦福大学的 CheXED 人工智能模型无缝结合目前由 Intermountain 的 Care Transformation Information Services 开发。 然后,我们将使用实施科学最佳实践的 CFIR 框架将其部署到两组 Instacares(随机选择)中的一组。

研究概览

地位

招聘中

条件

详细说明

精心设计的临床决策支持 (CDS) 提高了临床医生准确诊断肺炎然后选择最合适的治疗方案的能力。 肺炎 CDS 历来侧重于住院环境,但肺炎患者数量多的门诊护理环境也可能受益。 研究人员建议根据肺炎护理共识指南 (ePNa) 调整经过验证的创新型急诊科 (ED) CDS 工具,并使用 CFIR 框架将其部署到紧急护理中心 (UCC)。 随着 COVID-19 大流行的发展,ePNa 等电子工具在 UCC 中可能变得更加有用,因为随着更好的诊断方法和有效治疗的发展,建议可以很容易地更新。 ED 内的 ePNa 已经被改编为建议对肺炎患者和病毒性肺炎的体征和症状进行 SARS-coV-2 检测。

该提案支持四个目标:

  1. 为 UCC 调整 ePNa,并在计算机测试后,在 UCC 轮班期间在“超级用户”临床医生中试用它并评估其可用性。 ePNa 需要适应 UCC 中可用的更有限的患者数据,校准严重程度测量以降低观察到的死亡率,以及对有肺炎体征和症状的患者进行胸部影像学提示。 UCC 的 ePNa 将结合斯坦福大学的人工智能 CheXED 模型,在不到 10 秒的时间内提供胸部图像的电子分类,用于肺炎诊断和治疗的要素(影像学肺炎、单叶与多叶和胸腔积液)。
  2. 使用 CFIR 框架、我们之前的 ED 实施经验、UCC 临床医生的焦点小组、半结构化访谈和对工作流程的直接观察,包括 ePNa 指导的临床医生之间的护理过渡,研究人员将确定适应和实施 ePNa 的障碍和促进因素到 UCC。
  3. 通过在两个随机选择的 Intermountain Healthcare UCC 集群之一部署 ePNa 来测试实施策略,每个集群每年约有 800 名肺炎患者 - 另一个是常规护理控制。
  4. 共同主要结果是 a) 由兼容的主诉加上 ≥ 1 个肺炎体征/症状和影像学确认所定义的肺炎诊断的准确性在 ePNa 集群中将高出 ≥ 10%,以及 b) UCC 肺炎患者转移到急诊室的百分比进一步评估的部门将在 ePNa 集群中减少 ≥ 3%,取而代之的是更直接的住院或出院回家。 随后的 7 天急诊就诊/住院和 30 天死亡率将采取计划外的安全措施。 基于这项严格的试点研究,研究人员预计将进行后续的多系统整群随机试验。

我们的工作结合了 CDS 的五项权利,以确保该技术的优势在临床环境中得到优化。 研究人员将利用 Intermountain 提供的创新肺炎研究、开创性 CDS 和实施科学方面的经验,成功完成该提案。

研究类型

介入性

注册 (估计的)

4000

阶段

  • 不适用

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习联系方式

研究联系人备份

学习地点

    • Utah
      • American Fork、Utah、美国、84003
      • Layton、Utah、美国、84041
      • Lehi、Utah、美国、84043
      • Murray、Utah、美国、84107
        • 尚未招聘
        • Intermountain Medical Center
        • 接触:
        • 接触:
        • 副研究员:
          • Rajendu Srivastava, MD
        • 首席研究员:
          • Nathan Dean, MD
        • 副研究员:
          • Karen Conner
        • 副研究员:
          • James Hart
        • 副研究员:
          • Peter Haug, MD
        • 副研究员:
          • Kathryn Kuttler
        • 副研究员:
          • Edward Stenehjem, MD
        • 副研究员:
          • Anthony Wallin
      • N. Ogden、Utah、美国、84414
      • Orem、Utah、美国、84057
      • Provo、Utah、美国、84604
      • Roy、Utah、美国、84067
      • Saratoga Springs、Utah、美国、84045
      • South Ogden、Utah、美国、84403
      • Spanish Fork、Utah、美国、84660
        • 招聘中
        • Spanish Fork Instacare
        • 接触:
      • Springville、Utah、美国、84663

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

12年 及以上 (孩子、成人、年长者)

接受健康志愿者

是的

描述

纳入标准:

  • 所有 ≥ 12 岁的肺炎患者:由 J-18.X 肺炎代码定义或急性呼吸衰竭或败血症伴继发性肺炎代码

调查 4 个犹他谷 Instacares 中受雇并积极看病的所有医生和高级执业临床医生

排除标准:

  • 没有影像学确诊肺炎的患者
  • 12 个月内的后续肺炎发作(以免过度代表因反复吸入或结构性肺病引起的反复肺炎患者)。

调查 没有供应商会被排除在调查邀请之外

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 主要用途:卫生服务研究
  • 分配:非随机化
  • 介入模型:并行分配
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
其他:医师调查
在 ePNa-CheXED 实施后 6 个月,将通过电子邮件向部署了 ePNa-CheXED 的集群中的 Instacare 临床医生管理先前验证的 REDCap 问卷的修改版本。 我们的调查问卷包括关于受访者人口统计的问题和关于受访者 ePNa 体验的李克特式问题。 我们将通过计算加载到相同组件上的 Likert 问题的组件加载和 Cronbach Alpha(即内部一致性)来验证我们修改后的问卷
我们的调查问卷包括关于受访者人口统计的问题和关于受访者 ePNa 体验的李克特式问题。 我们将通过计算加载到相同组件上的 Likert 问题的组件负载和 Cronbach Alpha(即内部一致性)来验证我们修改后的问卷。
其他:为 InstaCares 调整 ePNa-CheXED
为 Instacares 调整 ePNa-CheXED,并在计算机测试后,在 Instacare 轮班期间在“超级用户”临床医生中试用它并评估其可用性。 ePNa 需要适应 Instacare 诊所提供的更有限的患者数据、校准严重程度测量以降低观察到的死亡率,以及对有肺炎体征和症状的患者进行胸部影像学提示。 ePNa-CheXED 将结合斯坦福大学的人工智能 CheXED 模型,在不到 1 秒的时间内为肺炎诊断和治疗要素(影像学肺炎、单叶与多叶和胸腔积液)提供胸部图像的电子分类。
ePNa-CheXED 将结合斯坦福大学的人工智能 CheXED 模型,提供胸部图像的电子分类

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
ePNa 的利用及其对 UCC 临床环境的影响
大体时间:通过学习完成,学习的第 3 年
将监测临床医生不同意不同 ePNa 建议的频率以及临床医生在 ePNa 中输入的结构化不同意原因的统计。
通过学习完成,学习的第 3 年

次要结果测量

结果测量
措施说明
大体时间
计划外的后续急诊就诊次数
大体时间:初次相遇后7天内
初次相遇后7天内
计划外住院次数
大体时间:初次相遇后7天内
初次相遇后7天内
给出肺炎诊断的准确性
大体时间:通过学习完成,学习的第 3 年
由相容的主诉(咳嗽、呼吸困难、胸痛、发烧)加 定义。 1 肺炎征兆/症状(温度 . 38.0C 或 < 36.0C, 白细胞计数 >10,000/ul 或 <4000/ul),血带 >10%,室内空气中 SpO2<90%,呼吸频率 >20/分钟)19 和放射学确认
通过学习完成,学习的第 3 年
UCC肺炎患者转急诊率的变化
大体时间:通过学习完成,学习的第 3 年
我们想要减少。 3% 在 ePNa 集群中,这些转移被直接住院或出院回家取代。
通过学习完成,学习的第 3 年
使用更少的医疗保健资源
大体时间:通过学习完成,学习的第 3 年
通过学习完成,学习的第 3 年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

调查人员

  • 首席研究员:Nathan Dean, MD、Intermountain Health Care, Inc.

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2020年11月12日

初级完成 (估计的)

2024年9月30日

研究完成 (估计的)

2024年9月30日

研究注册日期

首次提交

2020年10月19日

首先提交符合 QC 标准的

2020年10月27日

首次发布 (实际的)

2020年10月28日

研究记录更新

最后更新发布 (实际的)

2024年8月26日

上次提交的符合 QC 标准的更新

2024年8月22日

最后验证

2024年8月1日

更多信息

与本研究相关的术语

其他研究编号

  • 1051464

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

是的

IPD 计划说明

为了保护患者隐私和遵守相关规定,已识别的数据将不可用。 来自具有适当伦理委员会批准和相关数据使用协议的合格研究人员的去识别化数据请求将由 Intermountain 研究办公室处理,officeofresearch@imail.org

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅