- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT06654388
Sestavit model předpovědi prognózy pro pacienty ECMO na základě algoritmů strojového učení
Přehled studie
Postavení
Podmínky
Detailní popis
Extracorporeal Membrane Oxygenation (ECMO) se používá k zajištění nepřetržité mimotělní respirační a oběhové podpory u pacientů s těžkým kardiopulmonálním selháním. Je to nejdůležitější metoda podpory života v medicíně intenzivní péče a také jedna z nejsložitějších a nejdražších léčebných metod na jednotce intenzivní péče (JIP). Údržba vyžaduje spoustu prostředků. Proto je zvláště důležité přísně uchopovat indikace pacientů a přesně předpovídat prognózu pacientů, což napomůže klinickému rozhodování.
Několik předchozích publikovaných studií použilo klinické skóre k predikci prognózy pacientů s ECMO, ale většina z nich se zaměřila na výsledky ECMO u konkrétních skupin pacientů, jako je syndrom respirační tísně dospělých (ARDS), respirační selhání, transplantace plic, kardiogenní šok atd. na. Kromě toho byla většina těchto odhadů vypočítána pomocí tradičních statistických metod a má omezenou přizpůsobovací schopnost pro soubory dat s více charakteristickými proměnnými.
Umělá inteligence (AI) a strojové učení (ML) poskytují pokročilejší alternativu k tradičním statistickým metodám a mají nesrovnatelné výhody při práci s datovými soubory s vysokorozměrnými charakteristickými proměnnými a nelineárními daty. A může se sám opakovat, aby se zlepšil výkon modelu. Navíc ML, které dokáže zpracovávat informace na základě kauzálních nebo statistických dat, může odhalit skryté závislosti mezi klinickými ukazateli a prognózou onemocnění a podpořit klinické rozhodování, se ukázalo jako nejlepší alternativa. hospitalizace. Celkem bylo identifikováno 69 klinických charakteristických indikátorů na základě relevantní literatury a postřehů od odborníků ECMO v medicíně intenzivní péče. Tyto ukazatele zahrnovaly demografické údaje, jako je věk, výška, hmotnost a anamnéza pacientů s ECMO. Kromě toho byly indikátory infekce hodnoceny do 24 hodin před zahájením podpory ECMO a do 24 hodin po jejím ukončení. Dále byly zahrnuty ukazatele týkající se srdeční, ledvinové a jaterní funkce a také typ šoku (distributivní šok, hypovolemický šok, kardiogenní šok, obstrukční šok). Kromě toho byl také zvažován průměrný denní objem tekutin do tří dnů po zahájení podpory ECMO, doba trvání podpory ECMO a délka pobytu na JIP.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
Guangdong
-
Guangzhou, Guangdong, Čína, 510000
- Zhujiang Hospital of Southern Medical University
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria zahrnutí:
- Všichni pacienti, kteří podstoupili ECMO v naší nemocnici a byli registrováni v databázi registru CSECLS (ClinicalTrials.gov Identifikátor:NCT04158479) od 1. ledna 2018 do současnosti byly shromážděny zpětně.
Kritéria vyloučení:
- ECMO bylo ukončeno z nelékařských důvodů.
- Ve věku do 18 let.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
|---|
|
Smrt
|
|
Přežít
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Časové okno |
|---|---|
|
přežít
Časové okno: Pacienti byli zaznamenáváni od 48 hodin před zahájením emo do data přežití do propuštění z nemocnice nebo úmrtí po dobu až tří měsíců
|
Pacienti byli zaznamenáváni od 48 hodin před zahájením emo do data přežití do propuštění z nemocnice nebo úmrtí po dobu až tří měsíců
|
|
smrt
Časové okno: Pacienti byli zaznamenáváni od 48 hodin před zahájením emo do data přežití do propuštění z nemocnice nebo úmrtí po dobu až tří měsíců
|
Pacienti byli zaznamenáváni od 48 hodin před zahájením emo do data přežití do propuštění z nemocnice nebo úmrtí po dobu až tří měsíců
|
Spolupracovníci a vyšetřovatelé
Sponzor
Publikace a užitečné odkazy
Obecné publikace
- Ayers B, Wood K, Gosev I, Prasad S. Predicting Survival After Extracorporeal Membrane Oxygenation by Using Machine Learning. Ann Thorac Surg. 2020 Oct;110(4):1193-1200. doi: 10.1016/j.athoracsur.2020.03.128. Epub 2020 May 23.
- Stephens AF, Seman M, Diehl A, Pilcher D, Barbaro RP, Brodie D, Pellegrino V, Kaye DM, Gregory SD, Hodgson C; Extracorporeal Life Support Organization Member Centres. ECMO PAL: using deep neural networks for survival prediction in venoarterial extracorporeal membrane oxygenation. Intensive Care Med. 2023 Sep;49(9):1090-1099. doi: 10.1007/s00134-023-07157-x. Epub 2023 Aug 7.
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 identifikační čísla studie
- 2022-KY-026-01
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 .