Predikce výsledku dialýzy řízená umělou inteligencí s EHR
16. dubna 2025 aktualizováno: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Předvídání klinických výsledků u dialyzovaných pacientů pomocí elektronických zdravotních záznamů: přístup založený na umělé inteligenci
Toto je multicentrická retrospektivní klinická studie navržená k vyhodnocení aplikace a účinnosti prediktivního modelu asistovaného umělé inteligence pro výsledky dialyzovaných pacientů s využitím multimodálních zdravotních údajů.
Přehled studie
Postavení
Nábor
Podmínky
Intervence / Léčba
Detailní popis
Cílem této studie je vyvinout model AISISTED AISISTED pro predikci klinických výsledků u dialyzačních pacientů se zaměřením na primární výsledky (např. Úmrtnost) a střední výsledky (např. Anémie, krevní tlak, stav výživy a metabolismus fosfátu vápníku).
Studie využije údaje o EHR pacientů, včetně výsledků laboratorních testů, anamnézy, informací o léčbě dialýzy a klinických pozorování, k predikci těchto zdravotních výsledků.
Cílem je zlepšit včasnou identifikaci rizikových pacientů a umožnit lepší klinické rozhodování a personalizované strategie péče.
Typ studie
Pozorovací
Zápis (Odhadovaný)
1000000
Kontakty a umístění
Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.
Studijní kontakt
- Jméno: Fei Liu, MD
- Telefonní číslo: +86 13810512704
- E-mail: liufei_2359@163.com
Studijní místa
-
-
Beijing
-
Beijing, Beijing, Čína
- Nábor
- General Hospital of PLA
-
Kontakt:
- Delong Zhao
- Telefonní číslo: +86 13810512704
- E-mail: feiliu0108@gmail.com
-
-
Kritéria účasti
Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Ne
Metoda odběru vzorků
Vzorek nepravděpodobnosti
Studijní populace
Populaci studie tvoří dialyzovaní pacienti z China Hemodialysis National Network Center, které zahrnuje širokou škálu pacientů podstupujících hemodialyzační léčbu v zúčastněných nemocnicích po celé Číně.
Účastníci budou vybráni na základě dostupnosti komplexních elektronických zdravotních záznamů (EHR), včetně anamnézy, výsledků laboratorních testů, podrobností o dialyzační léčbě a klinických pozorování.
Kohorta bude zahrnovat pacienty mužského i ženského pohlaví s různým stupněm zdravotního stavu, včetně těch s komorbiditami běžně spojenými s dialýzou.
Cílem studie je využít tuto různorodou skupinu k posouzení a predikci výsledků souvisejících s mortalitou a komplikacemi u dialyzovaných pacientů.
Popis
Kritéria pro zařazení:
- Pacienti, kteří podstoupili dialýzu (hemodialýza nebo peritoneální dialýza) po dobu nejméně 3 měsíců.
- Kompletní a dostupná data EHR, včetně anamnézy, výsledků laboratorních testů, podrobností o dialyzační léčbě a klinických pozorování.
- Účastníci musí poskytnout informovaný souhlas s použitím svých zdravotních údajů pro výzkumné účely.
Kritéria pro vyloučení:
- Pacienti s neúplnými nebo chybějícími kritickými daty EHR, včetně anamnézy, laboratorních výsledků, údajů o dialýze nebo podrobností o léčbě nezbytných pro studii.
- Pacienti, kteří byli na dialýze méně než 3 měsíce, aby zajistili stabilní údaje pro predikci výsledku.
Studijní plán
Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Skupina s vysokým rizikem
Účastníci předpokládali, že budou mít vysoké riziko úmrtnosti založené na modelech predikce pomocí AI-A-asistovaných pomocí jejich údajů EHR, včetně anamnézy, laboratorních výsledků, údajů o léčbě dialýzy a klinických pozorování.
|
Tato studie využívá prediktivní model pomocí AI, který analyzuje multimodální údaje z elektronických zdravotních záznamů, včetně anamnézy, laboratorních výsledků, údajů o léčbě dialýzy a klinických pozorování, aby předpovídal výsledky pro dialýzu.
Model využívá algoritmy hlubokého učení k predikci rizika úmrtnosti, středních výsledků, jako je anémie, kontrola krevního tlaku, výživa a metabolismus vápníku-fosfátu, a pomáhá identifikovat včasné příznaky zhoršení.
Intervence není přímá léčba nebo postup, ale jeho cílem je vyvinout nástroj pro předpovídání výsledků pacienta a optimalizaci léčebných strategií ke zlepšení celkového zdraví a míry přežití u pacientů s dialýzou.
|
|
Skupina s nízkým rizikem
Účastníci předpokládali, že budou mít nízké riziko úmrtnosti založené na modelu predikce asistovaného AI, který bude porovnán s vysoce rizikovou skupinou pro hodnocení účinnosti strategií včasné intervence.
|
Tato studie využívá prediktivní model pomocí AI, který analyzuje multimodální údaje z elektronických zdravotních záznamů, včetně anamnézy, laboratorních výsledků, údajů o léčbě dialýzy a klinických pozorování, aby předpovídal výsledky pro dialýzu.
Model využívá algoritmy hlubokého učení k predikci rizika úmrtnosti, středních výsledků, jako je anémie, kontrola krevního tlaku, výživa a metabolismus vápníku-fosfátu, a pomáhá identifikovat včasné příznaky zhoršení.
Intervence není přímá léčba nebo postup, ale jeho cílem je vyvinout nástroj pro předpovídání výsledků pacienta a optimalizaci léčebných strategií ke zlepšení celkového zdraví a míry přežití u pacientů s dialýzou.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Přesnost predikce úmrtnosti
Časové okno: 1 rok
|
Schopnost prediktivního modelu s asistovanou A-AISISTISTIVEM přesně předpovídat riziko úmrtnosti u dialyzačních pacientů.
Přesnost predikce bude hodnocena pomocí oblasti pod křivkou (AUC), skóre F1 a citlivosti/specificity.
Model bude vyhodnocen porovnáním předpokládaného rizika úmrtnosti se skutečnými výsledky (tj. Zda pacienti přežili nebo zemřeli během studijního období).
|
1 rok
|
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Přesnost předpovědí komplikací
Časové okno: 1 rok
|
Přesnost prediktivního modelu s asistovanou A A v prognóze komplikací, které se běžně zažívají u pacientů s dialýzou, včetně anémie, nekontrolovaného krevního tlaku, špatného výživového stavu a abnormalit v metabolismu vápníku-fosfátu.
Výkon modelu bude hodnocen pomocí metrik, jako je AUC, skóre F1 a přesnost porovnáním předpokládaných hodnot se skutečnými klinickými výsledky, jako jsou laboratorní výsledky, klinické diagnózy a zdravotní stav pacientů.
|
1 rok
|
Spolupracovníci a vyšetřovatelé
Zde najdete lidi a organizace zapojené do této studie.
Termíny studijních záznamů
Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.
Hlavní termíny studia
Začátek studia (Aktuální)
1. ledna 2023
Primární dokončení (Odhadovaný)
1. května 2025
Dokončení studie (Odhadovaný)
1. května 2025
Termíny zápisu do studia
První předloženo
19. ledna 2025
První předloženo, které splnilo kritéria kontroly kvality
19. ledna 2025
První zveřejněno (Aktuální)
24. ledna 2025
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
17. dubna 2025
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
16. dubna 2025
Naposledy ověřeno
1. dubna 2025
Více informací
Termíny související s touto studií
Klíčová slova
Další identifikační čísla studie
- Dialysis
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
NE
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Ne
Studuje produkt zařízení regulovaný americkým úřadem FDA
Ne
produkt vyrobený a vyvážený z USA
Ne
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 .