DETECT-IP：临床决策支持系统和智能程序，用于应对老年医院患者的一些药物不良事件 (DETECT-IP:)
2025年12月18日 更新者：University Hospital, Lille
通过将具体规则纳入计算机化支持系统和专用程序来减少老年住院患者的急性肾衰竭和/或高钾血症药物不良事件：随机试验。
目前的证据表明，计算机决策支持系统（CDSS）不足以有效地预防大规模药物不良反应（ADR）（例如，药物不良反应）。 整个医院）。 已经确定了成功实施 CDSS 的几个障碍：过度警戒、规则缺乏特异性以及医生在处方期间中断。 CDSS 的有效性可以通过两种方式提高。 首先，通过制定针对特定药物不良反应的更具体的规则：当前的研究重点是急性肾功能衰竭和高钾血症（老年住院患者中两种严重且常见的不良反应）。 其次，让药剂师参与警报的审查，以便他/她可以在认为必要时向临床医生传送药物建议。 此过程将减少过度警戒并防止任务中断。
假设是，使用由多学科团队创建并在 CDSS 中实施的特定规则，结合管理和传输警报的策略，可以减少特定的 ADR，例如高钾血症和急性肾衰竭。
研究概览
研究类型
介入性
注册 (实际的)
783
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。
学习地点
-
-
-
Lille、法国
- Institut Cœur-Poumon - Médecine aiguë gériatrique
-
-
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
- 年长者
接受健康志愿者
不
描述
纳入标准：
- 在参与研究的 MCO（医学外科产科）科室住院 3 天或以上
- 口头同意参加研究的患者
- 社会保险患者
排除标准：
- 患者在住院 D3 之前出院或死亡
- 接受姑息治疗或在接受服务时生命即将结束的患者
- 受法律保护的人（监护人）
- 缺乏社会保障体系的覆盖，未能获得参加研究的口头同意
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：随机化
- 介入模型：顺序分配
- 屏蔽：单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：干预组
|
在干预组中，药物验证将基于常规护理，通常是在进入病房时以及对 CDSS 产生的所有警报进行分析。
某些警报将导致向医疗团队提供药物干预
|
|
其他：控制组
|
在对照组中，药物验证将基于常规护理，通常是在进入病房或在特定情况下进行
|
研究衡量的是什么？
主要结果指标
结果测量 |
大体时间 |
|---|---|
|
老年住院患者中急性肾衰竭和/或高钾血症等药物不良事件的数量。
大体时间：平均20天完成学习
|
平均20天完成学习
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
存在与所提供的干预措施相关的不良事件（“改变处方”、“停药”）
大体时间：平均20天完成学习
|
平均20天完成学习
|
|
|
入院时出现急性肾衰竭（ARF）或高钾血症时实施的治疗调整
大体时间：完成学习，平均需要 15 天
|
CDSS 发出急性肾功能衰竭或高钾血症警报后 72 小时内改变治疗方案。
治疗改变包括停止药物治疗、引入新药、减少剂量或更换药物
|
完成学习，平均需要 15 天
|
|
CDSS 警报的相关性
大体时间：平均20天完成学习
|
CDSS 警报的相关性以标准方式定义。
每个 CDSS 警报均由临床药剂师根据自己的专业知识和 EHR 中的可用数据进行评估。
如果警报被认为不相关，则临床药剂师不会进行任何药物干预。
CDSS 软件将警报分类注册为“不相关”。
我们医院过去 4 年一直在使用这种方法，并发表在《国际医学信息学杂志》上的一篇文章中：Cuvelier E, Robert L, Musy E, Rousselière C, Marcilly R, Gautier S, Odou P, Beuscart JB , Décaudin B. 临床药剂师在增强临床决策支持系统相关性方面的作用。
国际医学杂志。
2021 年 11 月；155:104568。
DOI：10.1016/j.ijmedinf.2021.104568。
电子版 2021 年 9 月 2 日。PMID：34537687
|
平均20天完成学习
|
|
接受的药物干预数量
大体时间：平均20天完成学习
|
当药剂师收到警报时，对其进行分析，并将药物干预转发给负责患者的医生，以提出治疗的修改建议（剂量、剂量、停止
|
平均20天完成学习
|
|
引入警报引起的 ADE（药物不良事件）预防/管理工作流程发生变化
大体时间：通过学习完成，平均20天
|
使用定性系统工程方法，通过比较引入警报之前和之后的要素（工具、任务、组织、交互、工作环境、专业人员）来识别工作系统的变化。
|
通过学习完成，平均20天
|
|
药物干预的成本效益
大体时间：平均20天完成学习
|
使用医学经济数据（例如处理警报所花费的时间、治疗药物不良反应的成本）来估计干预措施的成本效益
|
平均20天完成学习
|
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。
合作者
调查人员
- 首席研究员：Jean-Bapstiste Beuscart, MD、University Hospital, Lille
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10月2日
初级完成 (实际的)
2024年10月3日
研究完成 (实际的)
2024年10月3日
研究注册日期
首次提交
2023年2月9日
首先提交符合 QC 标准的
2023年6月26日
首次发布 (实际的)
2023年6月29日
研究记录更新
最后更新发布 (实际的)
2025年12月26日
上次提交的符合 QC 标准的更新
2025年12月18日
最后验证
2025年12月1日
更多信息
与本研究相关的术语
关键字
其他相关的 MeSH 术语
其他研究编号
- 2019_1030
- 2021-A03211-40 (其他标识符：ID-RCB number, ANSM)
- AAP PREPS 2019 (其他标识符：DGOS)
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.