评估AI成本预测模型以招募患者参加复杂护理管理计划
2026年7月15日 更新者：Richard K. Leuchter, MD、University of California, Los Angeles
使用成本预测模型和随机候补列表评估MA主动护理计划
目前，UCLA Health（特别是人口健康和责任护理办公室或OPHAC）运行了一个称为主动护理的复杂护理管理计划（目标是通过提供个性化的护理导航/病例管理来减少护理利用）。
每个月，AI人口风险工具都运行，可确定480,000名左右的UCLA初级保健患者中约有250名，RNS与这250名患者联系以招募主动护理。
从2024年12月开始，Ophac推出了一种新的方法，将UCLA的Medicare Advantage（MA）患者纳入积极护理：AI成本预测模型。
这个想法是相同的 - 预计最高成本的前250名患者将被招收积极护理。
研究人员将通过随后将等待主动护理的MA患者的侍应列表随机评估该模型，并随后对该计划进行注册，从而创建对照组。
每个月将确定前500名最高预测的患者，然后在1：1随机分组之后，将联系250名入学率，其余的将放在等待名单对照组10个月内，除非其提供者另有要求较早地参加积极的护理计划。
研究概览
研究类型
介入性
注册 (实际的)
4962
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
-
-
California
-
Los Angeles、California、美国、90095
- UCLA Health
-
-
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
- 成人
- 年长者
接受健康志愿者
不
描述
纳入标准：
- 至少18岁
- 参加UCLA托管护理计划
- 成本预测模型将患者确定为未来12个月的高预测成本
排除标准：
- 目前正在参加任何UCLA护理管理计划
- 在过去的12个月中参加了任何UCLA护理管理计划
- 已经有积极地转介到护理管理计划
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：预防
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：双倍的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器：复杂的护理管理
随机与患者联系，以入学为复杂的护理管理计划，称为主动护理。
|
密集的门诊护理管理计划，包括护士和病例经理的联系，以帮助协调护理，检测临床危险信号并减少整体计划外的急性护理利用。
|
|
无干预：照常照顾
患者随机将候补名单放在候补名单上，以与他们联系积极护理（即，不参加积极护理）。
|
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 |
|---|---|---|
|
随机化120天后，还活着和出院（DAOH）
大体时间：随机进行120天
|
在随机后最多120天内，患者未在住院或观察状态下未住院的天数。
|
随机进行120天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
随机分组30天生存的天数（DAOH）
大体时间：随机进行30天
|
在随机后最多30天内，患者未在住院或观察状态下住院并活着的天数。
|
随机进行30天
|
|
从随机化的90天生还活着和出院（DAOH）
大体时间：随机分配后90天
|
在随机后最多90天内，患者未在住院或观察状态下住院并活着的天数。
|
随机分配后90天
|
|
在随机分配的10个月时，还活着和出院（DAOH）
大体时间：随机后10个月
|
在随机后最多300天内，患者未在住院或观察状态下住院并活着的天数。
|
随机后10个月
|
|
随机分组后10个月的医疗保健支出
大体时间：随机后10个月
|
由索赔数据确定的所有医疗保健支出（住院，门诊，处方等）的总和。
|
随机后10个月
|
|
随机分组10个月的全因住院
大体时间：随机后10个月
|
任何原因的住院或观察状况下的住院总数
|
随机后10个月
|
|
随机分组10个月后的全因急诊室访问
大体时间：随机后10个月
|
出于任何原因，急诊科的总数没有导致住院。
|
随机后10个月
|
|
随机分组10个月的全因死亡率
大体时间：随机后10个月
|
任何原因的死亡总数
|
随机后10个月
|
|
救护物接触日
大体时间：随机后10个月
|
患者在家庭外部获得医疗保健的天数，定义为带有初级护理或专科医疗办公室访问，测试，成像，程序或治疗的总天数
|
随机后10个月
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
成本预测模型的性能超过22个月，按接收器操作特征曲线下的区域衡量
大体时间：最终队列注册后的12个月
|
随机分组后的12个月（即10个月的入学率 + 12个月的随访= 22个月），将测量每个月控制队列的观察到的医疗支出，并将其与模型预测的医疗保健支出进行了比较。
该分析仅在对照组中进行，因为干预措施旨在影响治疗组的医疗保健支出。
|
最终队列注册后的12个月
|
|
在入学的10个月内协议保真度
大体时间：随机后14个月
|
两个指标的总和：
|
随机后14个月
|
|
可避免住院
大体时间：随机后10个月
|
可以及时获得门诊护理可以避免的住院数量
|
随机后10个月
|
|
可避免的急诊就诊
大体时间：随机后10个月
|
通过及时获得门诊护理可以避免的急诊室访问数量
|
随机后10个月
|
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：Richard K Leuchter, MD、University of California, Los Angeles
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)
2024年7月31日
初级完成 (实际的)
2025年8月26日
研究完成 (实际的)
2026年4月28日
研究注册日期
首次提交
2025年3月21日
首先提交符合 QC 标准的
2025年3月31日
首次发布 (实际的)
2025年4月8日
研究记录更新
最后更新发布 (实际的)
2026年7月16日
上次提交的符合 QC 标准的更新
2026年7月15日
最后验证
2026年7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.