直接面向患者的远程皮肤病学和计算机辅助诊断
2024年3月20日 更新者：VA Office of Research and Development
通过直接面向患者的远程皮肤病学和计算机辅助诊断改善皮肤病学访问
这项研究将检查获得皮肤科护理的机会。
运营合作伙伴将实施直接面向新患者的远程皮肤病学临床护理途径，而研究将研究该实施的效果，使用与部署相关的数据来开发和测试人工智能系统，并了解主要利益相关者的态度和准备情况用于远程皮肤科护理。
研究概览
详细说明
VA 在开发和研究直接面向患者的远程皮肤病学和皮肤病计算机视觉方面具有独特的优势。 以下目标将评估这些新兴的面向患者的皮肤病学创新的表现，并评估它们在整个 VA 范围内改善获得优质皮肤护理的能力。
- 评估直接面向患者的远程皮肤病学对访问和卫生系统利用的影响。 与 VA 运营合作伙伴 Connected Care 办公室合作，My VA Images 应用程序将被部署到三个 VA 设施，在那里该应用程序将作为一个选项被引入，以推荐符合条件的新患者进行皮肤科咨询。 多种访问指标，包括完成咨询的时间和行进的地理距离。 将在暴露的患者中进行测量，并与转介到通常的面对面和咨询远程皮肤病学途径的患者进行比较。 还将测量以设施为中心的准入措施，例如诊所预约等待时间以及亲自皮肤科诊所和社区护理的利用率。 为了更好地了解最终用户体验，研究人员将对每个研究地点的患者和工作人员进行调查，以评估他们对 My VA Images 以及整个过程的满意度。
- 评估、改进和增强对患者提交的图像的计算机辅助评估。 人工智能驱动的计算机视觉模型，在黑色素瘤和痣的临床捕获图像上进行训练和验证，将在患者提交的来自 My VA 图像应用程序的远程皮肤病学图像上进行测试和改进。 研究人员还将通过使用所有患者提交的信息来扩展计算机视觉模型，以在更广泛的皮肤诊断上训练和验证该模型。 患者在研究地点提交的远程皮肤病学图像将由研究人员自己的计算机视觉模型以及 VA 临床医生和患者目前可用的商业系统进行前瞻性评估，结果将与基准诊断进行比较，以衡量一系列的一致性诊断类别。
- 评估 VA 的准备情况和退伍军人对实施直接面向患者的护理的接受程度。 调查人员将在三个选定的 VA 设施中调查退伍军人和主要 VA 领导和工作人员，并辅以对主要 VA 利益相关者的采访，以了解患者和组织的准备情况，包括促进者和障碍，以过渡到一般的面向患者的技术，并直接- 特别是对患者的皮肤病护理。 全国退伍军人调查和 VA Mobile Health 用户满意度数据将有助于正确看待当地的观察结果。 面向患者的远程皮肤病学应用技术的实施和可持续性也将得到衡量。
研究类型
观察性的
注册 (估计的)
63200
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
- 姓名：Dennis H Oh, MD PhD
- 电话号码：(415) 750-2091
- 邮箱：Dennis.Oh@va.gov
研究联系人备份
- 姓名：Sara B Peracca, PhD MPH MS
- 电话号码：23797 (415) 221-4810
- 邮箱：sara.peracca@va.gov
学习地点
-
-
California
-
San Francisco、California、美国、94121-1563
- 招聘中
- San Francisco VA Medical Center, San Francisco, CA
-
接触：
- Sara B Peracca, PhD MPH MS
- 电话号码：23797 (415) 221-4810
- 邮箱：sara.peracca@va.gov
-
接触：
- Dennis H Oh, MD PhD
- 电话号码：415-750-2091
- 邮箱：Dennis.Oh@va.gov
-
首席研究员：
- Dennis H. Oh, MD PhD
-
-
Colorado
-
Aurora、Colorado、美国、80045
- 尚未招聘
- Rocky Mountain Regional VA Medical Center, Aurora, CO
-
接触：
- Sara B Peracca, PhD MPH MS
- 电话号码：23797 (415) 221-4810
- 邮箱：sara.peracca@va.gov
-
接触：
- Robert P Dellavalle, MD
- 电话号码：2475 303-399-8020
- 邮箱：Robert.Dellavalle@va.gov
-
副研究员：
- Robert P Dellavalle, MD
-
-
Georgia
-
Decatur、Georgia、美国、30033-4004
- 尚未招聘
- Atlanta VA Medical and Rehab Center, Decatur, GA
-
接触：
- Sara B Peracca, PhD MPH MS
- 电话号码：23797 (415) 221-4810
- 邮箱：sara.peracca@va.gov
-
接触：
- Howa Yeung
- 电话号码：203309 404-321-6111
- 邮箱：Howa.Yeung2@va.gov
-
副研究员：
- Howa Yeung
-
-
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
18年 及以上 (成人、年长者)
接受健康志愿者
是的
取样方法
非概率样本
研究人群
所有患者都作为新患者转诊至研究地点的皮肤科。
描述
纳入标准：
- 2021-2025 年旧金山、迪凯特和奥罗拉皮肤科的新患者转诊
排除标准：
- 不是皮肤科患者的患者
- 在旧金山、迪凯特和奥罗拉看不到的皮肤病患者
- 旧金山、迪凯特和奥罗拉的皮肤科患者仅在 2021 年之前或 2025 年之后就诊
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：病例对照
- 时间观点：追溯
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
面对面的新 VA 皮肤病患者
三个机构的新患者亲自皮肤科患者
|
|
|
新患者咨询远程皮肤科用户
三个机构的新患者咨询远程皮肤病学用户
|
|
|
新患者移动远程皮肤病学用户
三个设施的新患者移动远程皮肤病学用户
|
新患者远程皮肤科就诊
|
|
社区护理中的面对面新患者
|
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 |
|---|---|---|
|
新患者皮肤科就诊
大体时间：4年
|
机构层面新皮肤科患者的皮肤科就诊比例
|
4年
|
|
咨询完成时间
大体时间：4年
|
从咨询请求日期到咨询完成日期的总时间（以天为单位），不包括已终止的咨询。
|
4年
|
|
预约完成时间
大体时间：4年
|
从约会创建日期到约会完成日期之后的总时间（面对面小组）。
|
4年
|
|
VA 护理的行程距离
大体时间：4年
|
从患者住宅邮政编码的质心到 VA 皮肤科护理物理位置的平均行驶距离。
MVAI 案例的距离定义为零。
|
4年
|
|
第三个下一个可用的皮肤科诊所预约完成时间
大体时间：4年
|
从预约创建日期到第三个下一个可用诊所预约日期的总时间（以天为单位）。
一种前瞻性的访问措施。
虽然不如咨询完成时间可靠，但它在 VA 中经常用作实用的前瞻性访问度量。
|
4年
|
|
新患者远程皮肤科遭遇
大体时间：4年
|
新的 TD 访问量占每个设施总访问量的一部分，反映了 TD 整合程度。
|
4年
|
|
为直接新患者护理实施移动远程皮肤病学的组织准备
大体时间：4年
|
使用实施变革调查的组织准备情况，调查人员将获得设施的总体平均分和研究中 3 家设施的总分，以表明组织准备实施新的患者移动远程皮肤病学。
该分数来自从 1 到 5 的李克特反应量表。分数越高表示组织准备程度越高。
|
4年
|
|
退伍军人准备使用移动远程皮肤病学进行直接的新患者护理
大体时间：4年
|
研究人员将通过一项新调查评估退伍军人是否准备好使用移动远程皮肤病学进行新患者就诊。
调查人员将使用 5 分制，分数越高，准备程度越高。
|
4年
|
|
不同类型皮肤病护理的患者满意度
大体时间：4年
|
评估皮肤科护理的满意度。
例如，创建了一项新调查，其中包含有关易于护理和障碍的问题。
调查者会采用5点量表，分数越高表示满意度越高。
|
4年
|
|
退伍军人准备使用人工智能进行皮肤病护理
大体时间：4年
|
研究人员将通过一项新调查评估退伍军人是否准备好使用人工智能进行皮肤病护理。
调查人员将使用 5 分制，分数越高，准备程度越高。
|
4年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
与临床指示的预约日期相比安排
大体时间：4年
|
患者 X 预约了 x 日期，临床指示日期 appt 是 Y，所以 X-Y=Z 天。
与临床容量或诊所预订模式形成对比，获取可用性。
|
4年
|
|
患者是否有预定会面的未出现事件
大体时间：4年
|
是/否 - 患者是否有预定会面的未出现事件。
对于 CDW 中的 MVAI No Show 是指提供商指定日期之前没有遇到 304 停止代码；在 VA Mobile 健康数据中，没有显示等同于截止日期前的不完整请求，该截止日期应与 CDW 的提供商指示日期相匹配。
|
4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：Dennis H. Oh, MD PhD、San Francisco VA Medical Center, San Francisco, CA
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)
2022年11月7日
初级完成 (估计的)
2025年12月31日
研究完成 (估计的)
2026年9月30日
研究注册日期
首次提交
2021年10月22日
首先提交符合 QC 标准的
2021年11月8日
首次发布 (实际的)
2021年11月19日
研究记录更新
最后更新发布 (实际的)
2024年3月21日
上次提交的符合 QC 标准的更新
2024年3月20日
最后验证
2024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.