医疗监管中的人工智能系统 (SIA-REMU)
2021年6月28日 更新者：Centre Hospitalier Universitaire de Besancon
突发事件医疗监管人工智能系统
人口健康需求不断增加。 信息和通信技术正在发生变化。 数字化转变为探索和分析大量健康数据提供了新的机会。 可以依靠这些新技术在紧急医疗通信中心层面实现现代化、优化患者管理。
我们的项目旨在为紧急医疗通信中心整合人工智能的方法和工具。 该系统旨在帮助规范法国 CRRA 15 或瑞士 Centrale 144 的紧急呼叫，以评估呼叫的严重程度、确定护理途径并提高资源分配效率。
这种系统的开发旨在保护和优化紧急医疗通信中心使用的信息系统和电信手段，并为患者管理提供个性化响应。
研究概览
研究类型
观察性的
注册 (预期的)
500000
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
- 孩子
- 成人
- 年长者
接受健康志愿者
不适用
有资格学习的性别
全部
取样方法
非概率样本
研究人群
呼叫紧急医疗通讯中心的所有患者
描述
纳入标准：
- 呼叫紧急医疗通讯中心的所有患者
排除标准：
- 反对研究的患者
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
- 观测模型：队列
- 时间观点：追溯
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 |
|---|---|---|
|
紧急医疗通信中心人工智能系统的性能（灵敏度和特异性），涉及时间敏感的疾病
大体时间：通过学习完成，平均3年
|
一旦人工智能系统到位，该系统怀疑的诊断将与每个患者的病历中验证的诊断进行比较。 然后将测量性能值，例如敏感性、特异性、阳性和阴性预测值、病理类型时间敏感性的鉴定时间。 然后将这些结果与紧急医疗通信中心的通常做法进行比较，而无需借助软件来评估：
|
通过学习完成，平均3年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
病人转运时间
大体时间：通过学习完成，平均3年
|
目的是确定和建模可用于院前救援的可用资源（救护车、直升机、SMUR）。 将考虑以下因素：干预地点、通道、患者的临床状况、天气状况、交通密度。 模型的有效性将通过访问患者的时间、运输时间、救护车或 SMUR 的缺乏来评估，与没有软件帮助的紧急医疗通信中心的通常做法相比。 |
通过学习完成，平均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。
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 (预期的)
2021年9月1日
初级完成 (预期的)
2024年9月30日
研究完成 (预期的)
2025年9月30日
研究注册日期
首次提交
2021年6月15日
首先提交符合 QC 标准的
2021年6月28日
首次发布 (实际的)
2021年7月8日
研究记录更新
最后更新发布 (实际的)
2021年7月8日
上次提交的符合 QC 标准的更新
2021年6月28日
最后验证
2021年3月1日
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.