Using Surveys to Examine the Association of Exposure to ML Mortality Risk Predictions With Medical Oncologists' Prognostic Accuracy and Decision-making

Rövid összefoglaló (regiszter, angolul)

Nearly half of cancer patients in the US will receive care that is inconsistent with their wishes prior to death. Early advanced care planning (ACP) and palliative care improve goal-concordant care and symptoms and reduce unnecessary utilization. A promising strategy to increase ACP and palliative care is to identify patients at risk of mortality earlier in the disease course in order to target these services. Machine learning (ML) algorithms have been used in various industries, including medicine, to accurately predict risk of adverse outcomes and direct earlier resources. "Human-machine collaborations" - systems that leverage both ML and human intuition - have been shown to improve predictions and decision-making in various situations, but it is not known whether human-machine collaborations can improve prognostic accuracy and lead to greater and earlier ACP and palliative care. In this study, we contacted a national sample of medical oncologists and invited them complete a vignette-based survey. Our goal was to examine the association of exposure to ML mortality risk predictions with clinicians' prognostic accuracy and decision-making. We presented a series of six vignettes describing three clinical scenarios specific to a patient with advanced non-small cell lung cancer (aNSCLC) that differ by age, gender, performance status, smoking history, extent of disease, symptoms and molecular status. We will use these vignette-based surveys to examine the association of exposure to ML mortality risk predictions with medical oncologists' prognostic accuracy and decision-making.

Mit vállalsz

• Vizsgálat típusa: Megfigyeléses
• Bevont résztvevők: 52
• 2023. márc. 13. és az elsődleges befejezés (2023. júl. 31.) között
• 1 helyszín, 1 országban
• Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket

A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.

Ki nem vehet részt

Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.

Kiket keres a vizsgálat

Nem: nők és férfiak · Egészséges önkénteseket nem fogad

A teljes feltétellista: ClinicalTrials.gov

Helyszínek (1)

Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.

Te vagy a koordinátor? Erősítsd meg az adatokat