芝加哥数据驱动的阿片类药物使用障碍筛查、参与、治疗和规划系统 (C-DOSETaP)
这项名为芝加哥数据驱动的阿片类药物使用障碍筛查、参与、治疗和规划系统（C-DOSETaP）的研究，测试了一种针对大型卫生系统中阿片类药物使用障碍（OUD）患者的新型临床护理系统。
本研究旨在回答的主要问题是：
- C-DOSETaP系统是否增加了对OUD患者的筛查；
- C-DOSETaP系统是否改善了OUD患者的医疗保健连续性；
- C-DOSETaP系统是否增加了阿片类药物使用障碍药物的使用；以及
- C-DOSETaP系统是否减少了服务社区中与阿片类药物相关的死亡人数。
研究概览
详细说明
芝加哥数据驱动阿片类药物使用障碍筛查、参与、治疗与规划系统（C-DOSETaP）测试了一种创新方法，通过整合医疗数据、数字工具和临床工作流程，改善服务于受阿片类药物过量流行严重影响人群的大型医疗系统中阿片类药物使用障碍患者的护理。 C-DOSETaP系统将在该医疗系统的多个临床领域实施多样化的筛查工具，提高阿片类药物使用障碍治疗的参与度和利用率，并采用数据驱动方法，利用电子健康记录数据追踪护理服务，与存在治疗中断或失败风险的患者保持联系。
我们假设，C-DOSETaP系统与本地开发的系统级阿片类药物应对计划共同实施将带来：1）提高阿片类药物使用障碍筛查率；2）改善护理连续性；3）增加阿片类药物使用障碍药物的使用；4）降低主要研究机构服务社区的死亡率。
主要结果 阿片类药物使用障碍治疗与参与的三个维度将作为本研究的主要结果进行评估。 我们将测量：1）筛查率；2）护理连续性；3）整个医疗系统中阿片类药物使用障碍药物的使用情况。 筛查率将测量为在医疗系统中有就诊记录的所有患者中，在过去12个月内完成阿片类药物滥用筛查的比例。 护理连续性将通过预约随访和转诊至下一护理站点的完成情况来评估。 阿片类药物使用障碍药物的使用将测量为正在使用阿片类药物使用障碍药物的患者数量，占医疗系统中根据国际疾病分类第十版临床修订代码记录的所有阿片类药物使用障碍患者的比例。
次要结果 我们计划评估干预措施和主要指标对主要研究机构服务社区在系统关联诊所分阶段阶梯式推广期间报告的阿片类药物使用障碍死亡率的综合影响。 本阶段的次要结果包括主要机构服务的邮政编码区域的季度阿片类药物相关死亡率。
研究类型
注册 (估计的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名：Niranjan S. Karnik, MD, PhD
- 电话号码：(312) 273-0185
- 邮箱：nkarnik@uic.edu
研究联系人备份
- 姓名：Neeraj Chhabra, MD
- 邮箱：neeraj1@uic.edu
学习地点
-
-
Illinois
-
Chicago、Illinois、美国、60608
- University of Illinois Hospitals and Clinics (UI Health)
-
接触：
- Neeraj Chhabra, MD
- 邮箱：neeraj1@uic.edu
-
接触：
- Niranjan S. Karnik, MD, PhD
- 电话号码：312-273-0185
- 邮箱：nkarnik@uic.edu
-
-
参与标准
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
描述
纳入标准
- 参与者必须是伊利诺伊大学医院和诊所就诊的患者
- 成人及16岁或以上青少年
排除标准
- 16岁以下儿童
学习计划
研究是如何设计的？
设计细节
- 主要用途：卫生服务研究
- 分配：不适用
- 介入模型：单组作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：OUD患者
通过C-DOSETaP系统识别的阿片类药物使用障碍患者
|
完成阿片类药物使用障碍筛查
阿片类药物使用障碍的药物疗法
促进门诊治疗衔接
|
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 |
|---|---|---|
|
接受OUD筛查的人数
大体时间：实施期间测量的年度比率（12个月）的滚动测量。
|
整个医疗系统中数据驱动的阿片类药物使用障碍筛查的总体比率
|
实施期间测量的年度比率（12个月）的滚动测量。
|
|
对OUD患者的持续照护
大体时间：30 天和 12 个月
|
将通过30天内预约随访和完成转诊至下一医疗机构的执行情况来评估医疗服务的连续性。
|
30 天和 12 个月
|
|
整个医疗系统中MOUD的利用率
大体时间：基线和12个月
|
MOUD使用率将按以下方式测量：在卫生系统中积极接受MOUD治疗的患者数量，占卫生系统内所有患者的比例，以及占卫生系统内经《国际疾病分类第十次修订本临床修订版》（ICD-10-CM）代码记录为OUD患者的比例。
|
基线和12个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
区域性阿片类药物相关死亡率
大体时间：基线和12个月
|
按主要机构服务的邮政编码分列的季度阿片类药物相关死亡率，已报告给伊利诺伊州公共卫生部
|
基线和12个月
|
|
区域性阿片类药物使用障碍筛查
大体时间：基线和12个月
|
按主要机构服务的邮政编码向伊利诺伊州公共卫生部报告的季度阿片类药物相关筛查率
|
基线和12个月
|
|
区域性药物辅助治疗（MOUD）利用率
大体时间：基线和12个月
|
按主要机构服务邮政编码划分的季度MOUD使用率，向伊利诺伊州公共卫生部报告
|
基线和12个月
|
合作者和调查者
调查人员
- 首席研究员：Niranjan S. Karnik, MD, PhD、UIC, College of Medicine
- 首席研究员：Neeraj Chhabra, MD、UIC, College of Medicine
出版物和有用的链接
一般刊物
- Afshar M, Sharma B, Dligach D, Oguss M, Brown R, Chhabra N, Thompson HM, Markossian T, Joyce C, Churpek MM, Karnik NS. Development and multimodal validation of a substance misuse algorithm for referral to treatment using artificial intelligence (SMART-AI): a retrospective deep learning study. Lancet Digit Health. 2022 Jun;4(6):e426-e435. doi: 10.1016/S2589-7500(22)00041-3.
- Shahid U, Parde N, Smith DL, Dickinson G, Bianco J, Thorpe D, Hota M, Afshar M, Karnik NS, Chhabra N. Development and Evaluation of Machine Learning Models for the Detection of Emergency Department Patients with Opioid Misuse from Clinical Notes. medRxiv [Preprint]. 2024 Dec 12:2024.12.11.24318875. doi: 10.1101/2024.12.11.24318875.
- Chhablani C, Shahid U, Parde N, Muslmani S, Hu H, Thorpe D, Afshar M, Karnik N, Chhabra N. Machine learning models to detect opioid misuse in emergency department patients at triage. Am J Emerg Med. 2026 Feb 26;104:17-23. doi: 10.1016/j.ajem.2026.02.037. Online ahead of print.
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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
- 2024-0243
- 1R61DA057629 (美国 NIH 拨款/合同)
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
IPD 计划说明
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
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.