一项关于Epic AI门诊病历总结的随机对照试验
2026年3月4日 更新者：John N. Mafi, MD, MPH、University of California, Los Angeles
史诗级生成式人工智能图表摘要工具降低门诊提供者认知任务负荷：一项随机对照试验
这是一项针对某大型学术医疗系统中284名门诊医生的随机对照试验，按1:1比例随机分配至电子健康记录（EHR）生成的生成式AI门诊病历摘要工具组或常规护理对照组。
这项为期90天的研究将在该工具全面推广前观察其效果。
研究概览
详细说明
本研究的主要目的是评估电子健康记录（EHR）开发的生成式人工智能门诊病历摘要工具对自我报告的医生任务负荷评分（PTL）的影响，并将该工具与对照组进行比较。 探索性结果包括EHR衍生的时间指标（Caboodle和Signal）、职业满足指数（PFI）、可用性（SUS）、提供者满意度和生产力，以及来自CG-CAHPS的患者体验项目结果。 我们还将使用短版Meta人工智能素养量表（MAILS）评估人工智能素养是否调节该工具的采用和效果。 在探索性基础上，我们还将根据提供者专业、是否使用环境监听人工智能抄写员、患者面板复杂性、提供者年龄组、提供者性别以及研究期间逐月的时间变化效应进行调整。
入组参与者被随机分配到两组之一。 随机化将根据参与者是否拥有活跃的人工智能抄写员许可证进行分层，并在层内执行协变量约束随机化，以改善基线PTL（NASA-TLX适应评分）和修改的基线病历审查时间（Caboodle衍生）的平衡。 由于干预的性质，参与者无法对分组分配设盲。
该计划的主要目的是提高加州大学洛杉矶分校（UCLA）健康中心的质量、效率和业务运营，并将为该工具在UCLA健康系统内所有提供者中的操作实施提供信息。 尽管如此，UCLA研究团队计划严格检查并发布该干预在整个健康系统中的影响，这就是研究团队预先注册该计划的原因。
研究类型
介入性
注册 (估计的)
284
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
- University of California, Los Angeles
-
-
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
描述
纳入标准：
- UCLA Health系统内的门诊医疗提供者，包括医生和高级执业提供者（APPs），例如每周至少进行半天门诊的执业护士和医师助理。
- 提供者完成基线前调查
排除标准：
• 培训提供者（例如住院医师、医学生）和心理学家
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：并行分配
- 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
此组的参与者将可以使用Epic的门诊病历摘要工具，并在生成式人工智能工具的支持下继续其常规临床实践，该工具已集成在电子健康记录（EHR）中。
该工具为医疗提供者提供摘要，但不提供临床决策支持。
在试验的前三周，他们可以访问教育模块和技巧手册，并参加每周的市政厅会议，以帮助解决任何问题。
|
Epic的生成式AI图表摘要工具可总结患者部分记录。
该工具的使用是可选的，仅旨在为医疗提供者提供摘要，不提供临床决策支持。
系统会自动选择近期记录，或提供者可手动选择特定关注记录。
摘要记录数量受电子健康记录系统的字符限制，最多24,000个英文字符或30条记录。
系统使用AI生成相关信息的简短摘要。
摘要旨在作为辅助医疗提供者的工具，不应放入临床记录中。
目前生成的摘要不会存储在患者病历中。
|
|
无干预：常规护理
该组的参与者将无法使用图表摘要工具，并将继续其常规临床实践。
|
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 |
|---|---|---|
|
基线医生任务负荷变化
大体时间：基线和首次接受干预后90天
|
医师任务负荷改编自NASA任务负荷指数（TLX），这是一个经过验证的工具，用于评估电子健康记录相关的认知任务负荷，包含四个子量表（心理需求、时间需求、身体需求和努力程度）。
该结果经过调整，以捕捉预查房任务，在本研究中定义为在患者就诊前审查电子健康记录中的患者信息，为会面做准备。
每个子量表从0（低）到100（高）进行评分，并汇总为0-400分的量表。
该结果测量不会收集患者层面的信息。
|
基线和首次接受干预后90天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
每次就诊的改良总图表时间变化
大体时间：基线、干预暴露60天后、干预暴露90天后。
|
我们将使用Epic的企业数据仓库Caboodle，采用定制化指标来衡量临床医生审阅患者病历所花费的时间。
基于临床医生能够访问病历摘要工具的内部验证，该指标包括Caboodle一级活动，对应临床审阅（所有活动）、仅限于预填病历活动的文档记录，以及仅限于导航器相关活动的其他活动，还包括专门用于病历摘要工具的活动。
所有记录撰写、医嘱录入和就诊签收活动均被排除在外。
结账后的时间也被排除在外。
变化将相对于为期6个月的回顾性基线进行评估。
此结果测量不会收集患者层面的信息。
|
基线、干预暴露60天后、干预暴露90天后。
|
|
基线专业满足指数评分的变化
大体时间：干预初始暴露后的基线和90天
|
专业成就感指数（PFI）是一种经过验证的16项工具，采用5点李克特量表（0-4）来衡量专业成就感、工作耗竭和人际疏离。
倦怠报告基于工作耗竭和人际疏离子量表的综合结果。
分数越高表示耗竭程度越严重。
此结局指标不会收集患者层面的信息。
|
干预初始暴露后的基线和90天
|
|
相对于基线自我报告预填表有效性变化
大体时间：基线和干预初始暴露后90天
|
提供者将回答关于预制图表中自我报告的有效性和效率的问题。
这些问题使用5点李克特量表来衡量这些指标，分数越高表示自我报告的效率和有效性越高。
|
基线和干预初始暴露后90天
|
|
提供者满意度评分
大体时间：初次接触干预措施后90天
|
自我报告满意度调查，包括医生报告的图表总结工具对预填图表效率和有效性的影响，以及其他潜在的非预期后果。
此结果不会收集患者级别的信息。
|
初次接触干预措施后90天
|
|
系统可用性量表
大体时间：从首次接触干预措施起90天内
|
系统可用性量表（SUS）是一个包含十个项目的问卷，采用5点李克特量表来衡量系统可用性的不同方面。
总分范围为0-100分。
SUS分数越高表示可用性越高。
|
从首次接触干预措施起90天内
|
|
安全事件
大体时间：在首次接触干预后的90天内
|
临床医生报告的AI生成图表摘要的安全性，包括干预期间临床显著错误的发生频率和主要安全事件的发生情况。
此结果将不会收集患者层面的信息。
|
在首次接触干预后的90天内
|
|
定性工具特定电子健康档案反馈
大体时间：在初次接触干预措施后的90天内
|
在干预期间，临床医生通过电子健康记录（EHR）原生摘要界面提交的汇总实时反馈，包括对准确性、完整性和幻觉的评分。
此结果不会收集任何患者层面的信息。
|
在初次接触干预措施后的90天内
|
|
相对于基线的消费者医疗保健提供者与系统临床医生和团队调查（CG-CAHPS）指标变化
大体时间：基线和首次接受干预后90天
|
《医疗保健提供者与系统临床医生及团队调查消费者评估（CG-CAHPS）》是一份标准化的患者反馈调查，用于衡量患者与医疗服务提供者的互动体验。
我们将针对问题“过去6个月中，这位医生对您病史重要信息的了解程度如何？”分析CG-CAHPS平均分数相较于干预前6个月的变化。
|
基线和首次接受干预后90天
|
|
相对于基线的Epic信号（活动）指标变化：计划外时间
大体时间：基线和首次接受干预后90天
|
我们将检查入组前6个月回顾性基线的变化，包括Signal指标中每个排班日超出排班时间的情况。
利用这些数据将确定提供者在电子健康记录（EHR）中的时间利用情况。
此结局指标不收集患者层面的信息。
|
基线和首次接受干预后90天
|
|
每周临床医生相对价值单位 (RVU)
大体时间：干预暴露后60天，以及干预暴露后90天
|
干预第2和第3个月期间每周平均相对价值单位（RVUs），根据基线（6个月干预前时期）进行调整
|
干预暴露后60天，以及干预暴露后90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。
调查人员
- 首席研究员：John N Mafi, MD, MPH、Division of General Internal Medicine & Health Services Research, David Geffen School of Medicine at the University of California, Los Angeles
- 首席研究员：Paul J Lukac, MD, MBA, MS、UCLA Health Information Technology, UCLA Health
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。
一般刊物
- Trockel M, Bohman B, Lesure E, Hamidi MS, Welle D, Roberts L, Shanafelt T. A Brief Instrument to Assess Both Burnout and Professional Fulfillment in Physicians: Reliability and Validity, Including Correlation with Self-Reported Medical Errors, in a Sample of Resident and Practicing Physicians. Acad Psychiatry. 2018 Feb;42(1):11-24. doi: 10.1007/s40596-017-0849-3. Epub 2017 Dec 1.
- Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). MAILS-Meta AI literacy scale: Development and testing of an AI literacy questionnaire based on well-founded competency models and psychological change-and meta-competencies. Computers in Human Behavior: Artificial Humans, 1(2), 100014.
- Koch MJ, Carolus A, Wienrich C, Latoschik ME. Meta AI literacy scale: Further validation and development of a short version. Heliyon. 2024 Oct 22;10(21):e39686. doi: 10.1016/j.heliyon.2024.e39686. eCollection 2024 Nov 15.
- Quigley DD, Elliott MN, Qureshi N, Predmore Z, Hays RD. Associations of the Consumer Assessment of Healthcare Providers and Systems (CAHPS) Clinician and Group Survey Scores with Interventions and Site, Provider, and Patient Factors: A Systematic Review of the Evidence. J Patient Exp. 2024 Oct 13;11:23743735241283204. doi: 10.1177/23743735241283204. eCollection 2024.
- Melnick ER, Harry E, Sinsky CA, Dyrbye LN, Wang H, Trockel MT, West CP, Shanafelt T. Perceived Electronic Health Record Usability as a Predictor of Task Load and Burnout Among US Physicians: Mediation Analysis. J Med Internet Res. 2020 Dec 22;22(12):e23382. doi: 10.2196/23382.
- Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, Cheng EM, Mafi JN. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12):10.1056/aioa2501000. doi: 10.1056/aioa2501000. Epub 2025 Nov 26.
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)
2026年2月23日
初级完成 (估计的)
2026年5月1日
研究完成 (估计的)
2026年5月1日
研究注册日期
首次提交
2026年2月22日
首先提交符合 QC 标准的
2026年2月22日
首次发布 (实际的)
2026年2月27日
研究记录更新
最后更新发布 (实际的)
2026年3月6日
上次提交的符合 QC 标准的更新
2026年3月4日
最后验证
2026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.