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。

急诊科AI预测影响研究

2024年4月3日 更新者:Alexander J. Ryu、Mayo Clinic

急诊科AI预测算法评价

本研究的目的是评估 AI 入院预测工具对可预防入院人数、急诊科 (ED) 住院时间的影响,当预测仅显示给专门的 ED 分诊小组时。 此外,还评估了分诊团队用户和当日用户的医务人员对人工智能工具的看法。 此外,评估 AI 工具对分诊团队执行的干预次数的任何影响,并评估该工具对下入院订单后入院时间的影响。

研究概览

地位

完全的

研究类型

观察性的

注册 (实际的)

80

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。

学习地点

    • Minnesota
      • Rochester、Minnesota、美国、55905
        • Mayo Clinic Minnesota

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

接受调查的群体将包括梅奥诊所-罗彻斯特分部的医院内科 (HIM) 临床医生(医师、执业护士和医师助理),他们都是成年人。 该组分诊的患者仅为成人,因此,AI 评分永远不会显示给儿科患者或正在接受精神病学评估的患者。

描述

纳入标准:

  • 对于调查部分,任何在分流区轮班工作的 HIM 临床医生、ED 医生和当天的医务人员都将包括在内。
  • 对于住院时间数据,将包括在 Mayo Clinic-Rochester St. Mary 急诊科登记的成年患者。

排除标准:

  • 对于调查,将排除在研究期间不进行分诊轮班的临床医生。
  • 对于住院时间分析,将仅包括成年 ED 患者,他们未被分流到行为健康/精神病学路径,也不包括被分流到急诊科观察路径的患者。

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:预期

队列和干预

团体/队列
A组
显示 AI 分数的 141 天
B组
141 天未显示 AI 分数

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
入院
大体时间:282天
一天内可避免的入院人数占所有 ED 患者的一小部分,特别是 SAPPHIRE 分诊小组接诊并出院回家的患者人数
282天

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。

赞助

调查人员

  • 首席研究员:Alexander Ryu, MD、Mayo Clinic

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

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)

2023年1月3日

初级完成 (实际的)

2023年12月4日

研究完成 (实际的)

2023年12月4日

研究注册日期

首次提交

2023年1月5日

首先提交符合 QC 标准的

2023年1月5日

首次发布 (实际的)

2023年1月13日

研究记录更新

最后更新发布 (实际的)

2024年4月5日

上次提交的符合 QC 标准的更新

2024年4月3日

最后验证

2024年4月1日

更多信息

与本研究相关的术语

其他相关的 MeSH 术语

其他研究编号

  • 22-011319

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

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