Znečištění ovzduší a těhotenství (PTB)
Účinky znečištění ovzduší na těhotenství a nepříznivé výsledky porodu
Jsme interdisciplinární tým britských vědců se zkušenostmi v porodnictví, zdraví žen a dětí, epidemiologii, klimatologii, zánětech, počítačovém modelování, strojovém učení a umělé inteligenci. Společně máme dlouhou historii se stávajícími silnými stránkami, které jsou základem výzkumu předčasných porodů, který překračuje několik oborů, a vynikající výsledky publikací a ocenění za přední výzkum v oblasti předčasných porodů.
Naším cílem je vyvinout a ověřit model hlubokého učení pro předpovídání rizika předčasného porodu a dalších nepříznivých výsledků těhotenství pomocí dat z elektronických zdravotních záznamů EPIC na University College London Hospital Trust (UCLH) pro kohortu 18 000 pacientů. Odpovídající údaje o expozici znečištění okolí získáme pomocí neidentifikátorů pro PSČ (oblast) a datum dodání (měsíc). Model přezkoumá časovou posloupnost událostí v anamnéze pacientky a současného těhotenství, identifikuje významné interakce a předpoví riziko předčasného porodu. Určí také práh a gestaci, kdy má expozice znečištění největší dopad.
Přehled studie
Detailní popis
Předčasný porod je celosvětově hlavní příčinou novorozenecké morbidity a mortality. Předčasně narozené děti mají vyšší výskyt dětské mozkové obrny, smyslových deficitů, poruch učení a respiračních onemocnění. Ve Spojeném království se každý rok předčasně narodí přibližně 60 000 dětí. To odpovídá 1 z 9 těhotenství v Anglii a počet se zvyšuje na 1 z každých 7 těhotenství v Londýně. Přibližně ve 40 % případů je příčina předčasného porodu neznámá. Současné algoritmy pro predikci předčasného porodu mají omezenou schopnost identifikovat ženy s nejvyšším rizikem předčasného porodu a nezohledňují genetické, životní a environmentální okolnosti ve své predikci. S rychlým rozvojem strojového učení a hlubokého učení je nyní možné vyvinout modely, které mohou v rámci svého prediktivního algoritmu zohledňovat větší počet proměnných, a formulovat tak pro pacienta specifickou predikci rizika. Přibývá důkazů, že vystavení matek znečištěnému ovzduší během těhotenství je spojeno se zvýšeným rizikem předčasného porodu. Expozice znečištěnému ovzduší může být spojena se špatnou funkcí placenty, preeklampsií a špatným růstem plodu, ačkoli existují omezené údaje o těchto nepříznivých výsledcích těhotenství, z nichž všechny mohou vést k předčasnému porodu. V současnosti mnoho nedávných epidemiologických studií v této oblasti postrádá podrobné a odpovídající soubory klinických dat bez mezer v elektronických záznamech.
Tato studie si klade za cíl:
- Propojte data o vystavení znečištění ovzduší s velmi podrobnými soubory klinických dat získaných z elektronických zdravotních záznamů pacientů od University College London Hospital NHS Trust (UCLH)
- Vyvinout výpočtový model, který dokáže přesně předpovědět těhotenství, při kterém pacientka porodí v týdnech a dnech
- Pomocí modelu identifikujte časové body v těhotenství, kdy má znečištění ovzduší největší vliv na výsledky těhotenství
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní místa
-
-
-
London, Spojené království, E14NS
- Nábor
- Tina Chowdhury
-
Kontakt:
- Tina Chowdhury
- Telefonní číslo: 7560 0207882
- E-mail: t.t.chowdhury@qmul.ac.uk
-
Kontakt:
- Rhona Atkins
- Telefonní číslo: 7272 0207882
- E-mail: rhona.atkin@nhs.net
-
London, Spojené království, NW1 2PG
- Nábor
- Anna David
-
Kontakt:
- Yaa Acheampong
- Telefonní číslo: 6164 020 3447
- E-mail: y.acheampong@nhs.net
-
Kontakt:
- Anna David
- Telefonní číslo: 9400 0203 447
- E-mail: a.david@nhs.net
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Naším cílem je zahrnout data od těhotných žen, které porodily v University College London Hospitals od roku 2019 po zahájení elektronického záznamu pacienta EPIC. Pro tuto studii není specifikován věkový rozsah, aby se zlepšila inkluzivita. Naším cílem je také zastupovat menšinové etnické skupiny a pacienty se sociální deprivací v našem datovém souboru.
Kritéria vyloučení:
- Vyřadíme údaje od pacientek s neúplnou délkou sledování z důvodu předání prenatální péče k porodu do jiného trustu. Pacientky s neúplnými údaji o předchozí porodnické anamnéze, nepřesným odhadem gestačního věku (např. z důvodu pozdní rezervace těhotenství) a chybějící údaje pro „PSČ obvyklé adresy“ budou také vyloučeny. Pacienti mladší 18 let budou vyloučeni.
Studijní plán
Jak je studie koncipována?
Detaily designu
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Model strojového učení pro předpovídání rizika předčasného porodu a nepříznivých porodních výsledků
Časové okno: 36 měsíců
|
Naším cílem je vyvinout algoritmus hlubokého učení pro předpovídání rizika předčasného porodu a dalších nepříznivých výsledků těhotenství pomocí dat z elektronických zdravotních záznamů a časoprostorového modelu pro úrovně znečištění prostředí v Londýně.
Model vezme v úvahu osobní faktory, životní styl a faktory prostředí spolu s tradičními rizikovými faktory, aby bylo možné předpovědět těhotenství, kdy je porod nejpravděpodobnější.
To lze klasifikovat jako „termín“, „pozdně předčasně narozený“, „středně předčasně narozený“, „velmi nedonošený“ a „extrémně předčasně narozený“.
|
36 měsíců
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Model strojového učení, který předpovídá, jak kvalita vzduchu zvyšuje riziko předčasného porodu a nepříznivých porodních výsledků
Časové okno: 42 měsíců
|
Tento model také přezkoumá časovou posloupnost událostí v anamnéze pacientky a současného těhotenství a identifikuje významné interakce.
Budou také studovány další nepříznivé výsledky těhotenství, jako je porodní hmotnost, centil porodní hmotnosti, preeklampsie, malé vzhledem ke gestačnímu věku, omezení růstu plodu.
|
42 měsíců
|
Spolupracovníci a vyšetřovatelé
Sponzor
Spolupracovníci
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Odhadovaný)
Dokončení studie (Odhadovaný)
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
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 331247
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Popis plánu 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 .