Strojové učení na JIP: Predikce úmrtnosti u infekcí krevního řečiště (JIP: Jednotka intenzivní péče) (ICU)
Strojové učení na JIP: Predikce úmrtnosti u pacientů s karbapenem-rezistentními gramnegativními bacilovými infekcemi krevního řečiště
S využitím našich vlastních údajů o pacientech se naše studie zaměřila na předpovědi úmrtnosti, která se může vyvinout u karbapenem-rezistentních gramnegativních bacilových infekcí krevního řečiště pomocí modelu založeného na strojovém učení.
Na jednotce intenzivní péče budou pro srovnání retrospektivně vyšetřeni pacienti s infekcemi krevního řečiště, s mortalitou i bez ní, ve dvou podskupinách.
Přehled studie
Postavení
Intervence / Léčba
Detailní popis
Karbapenemy jsou jedním z posledních antibiotik používaných k léčbě závažných infekcí způsobených multirezistentními gramnegativními patogeny. Infekce gramnegativními bacily rezistentními na karbapenem (CR-GNB) se v posledním desetiletí rozšířily a představují vážné ohrožení veřejného zdraví. Enterobacteriaceae rezistentní na karbapenem (CRE), Acinetobacter baumannii (CRAB) rezistentní na karbapenem a Pseudomonas aeruginosa (CRPA) rezistentní na karbapenem jsou celosvětově na prvním místě seznamu bakterií rezistentních na antibiotika. CR-GNB způsobuje široké spektrum infekcí, včetně bakteriémie, infekcí močových cest, zápalů plic a intraabdominálních infekcí. Infekce krevního řečiště rezistentní na karbapenem jsou významnou příčinou morbidity a mortality a terapeutické možnosti léčby jsou extrémně omezené. Vyhodnocením rizikových faktorů u pacientů sledovaných na jednotce intenzivní péče snižují skórovací systémy, které dokážou predikovat prognózu, riziko úmrtnosti zajištěním včasné aplikace účinných antibiotik a včasné hemodynamické podpory, které se v současnosti používají.
Díky akumulaci velkých dat a pokrokům v technikách ukládání dat prokazují inovativní a pragmatické metody strojového učení, které vstoupily do našich životů, dobrý výkon předpovědí v oblasti medicíny. Modely založené na strojovém učení vyvinuté k predikci úmrtnosti u pacientů sledovaných na jednotce intenzivní péče jsou dostupné v literatuře a poskytují příležitost pro dřívější intervenci u pacientů.
S využitím našich vlastních údajů o pacientech budou na jednotce intenzivní péče pacienti s infekcemi krevního řečiště, s mortalitou i bez ní, retrospektivně vyšetřeni ve dvou podskupinách pro srovnání. Naším cílem je předpovědět úmrtnost, která se může vyvinout u infekcí krevního řečiště gramnegativními bakteriemi rezistentními na karbapenem, pomocí modelu založeného na strojovém učení.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Kocaeli, Turecko (Türkiye)
- Kocaeli University
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- V naší studii budou retrospektivně zahrnuti pacienti, kteří byli sledováni na jednotce intenzivní péče naší nemocnice mezi červnem 2017 a červnem 2023 a vyvinuli se u nich infekce krevního řečiště Enterobacteriaceae rezistentní na karbapenem, Acinetobacter baumannii rezistentní na karbapenem a Pseudomonas aeruginosa rezistentní na karbapenem.
Kritéria vyloučení:
- Pacienti mladší 18 let a pacienti s jinými infekcemi než infekcemi krevního řečiště nebudou zahrnuti.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Zesnulí pacienti
Gramnegativní bacily rezistentní na karbapenem Infekce krevního proudu s úmrtností
|
Pomocí hlubokého učení se snažíme vyvinout algoritmus a předvídat úmrtnost
|
|
Přeživší pacienti
Karbapenem rezistentní gramnegativní bacily Infekce krevního proudu bez mortality
|
Pomocí hlubokého učení se snažíme vyvinout algoritmus a předvídat úmrtnost
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Riziko úmrtnosti
Časové okno: 3 měsíce
|
Senzitivita a specificita budou definovány pomocí AUC-ROC křivky (Area Under the Receiver Operating Characteristic curve) pomocí algoritmu strojového učení
|
3 měsíce
|
Spolupracovníci a vyšetřovatelé
Sponzor
Vyšetřovatelé
- Vrchní vyšetřovatel: özlem güler, Kocaeli University
Publikace a užitečné odkazy
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- GOKAEK-2023/12.31
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .