Umožnitost modulu modulu pro poměru modulu pro umělou inteligenci využití modulu poměru šedé bílé hmoty v okrese Hsinchu Hsinchu Okres pomocí modulu umělé inteligence poměru šedé bílé hmoty modul
Extrapolativní studie o prognóze mimo nemocniční srdeční zástava v okrese Hsinchu pomocí modulu poměru šedé bílé hmoty v oblasti umělé inteligence
Přehled studie
Postavení
Podmínky
Detailní popis
Účelem této studie je zřídit elektronickou lékařskou záznam a zobrazovací databázi pro pacienty s hospitalizací na srdeční zástavě v pobočce Hsinchu National Taiwan University Hospital. Náš tým vyvinul model Deep Learning AI a automatizovaný analytický systém pro mozkové šedé bílé hmoty založený na datech z Národní Tchajwanské univerzitní nemocnice.
Tento vývoj bude v tomto projektu externě ověřen pomocí databáze v pobočce Hsinchu. Přesné hodnocení prognózy je pro lékaře a rodiny zásadní při rozhodování o období péče o postkardiální zatčení. Aktuální dostupné hodnotící nástroje však mají omezenou přesnost. Cílem této studie je vyvinout model multimodálního prognostického hodnocení, který kombinuje elektronické lékařské záznamy a automatizovaný analytický systém pro mozkový šedou bílou. Tato integrace zvýší přesnost a prediktivní schopnost hodnocení prognózy. Výzkumný tým již vyvinul automatizovaný analytický systém pro výpočet poměru mozkové šedé bílé hmoty z obrazů počítačové tomografie s mozkem a poskytl důležité informace o patologických změnách v mozku.
Tým navíc také vyvinul prediktivní model založený na AI pro prognózu po karciaku, který zahrnuje více ukazatelů a proměnných. Tento systém byl ověřen pomocí údajů z Národní tchajwanské univerzitní nemocnice.
Pro další ověření přesnosti a spolehlivosti našich modelů plánuje výzkumný tým spolupracovat s pobočkou HSINCHU při shromažďování a organizaci relevantních údajů pacientů s pokardiálním zastavením, včetně elektronických lékařských záznamů a zobrazovacích souborů. Pro externí ověření bude použit vyvinutý automatizovaný analyzovaný analytický systém pro šedo-bílou hmotu mozku a prediktivní model založený na AI. Prostřednictvím tohoto výzkumu je cílem stanovit a optimalizovat komplexnější a přesnější model hodnocení prognózy, pomáhat lékařům a rodinám při rozhodování o lepších rozhodnutích pro pacienty s pokardiálním zatčením.
Kromě toho spolupráce s pobočkou Hsinchu umožní ověření našich modelů v různých zdravotnických institucích a populacích pacientů.
Typ studie
Zápis (Odhadovaný)
Kontakty a umístění
Studijní místa
-
-
-
Hsinchu, Tchaj-wan, 300
- National Taiwan University Hospital Hsin-Chu Branch
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Pacienti v národní pobočce Tchaj-wanské univerzitní nemocnice Hsinchu, kteří zažili netraumatickou srdeční zástavu mezi 1. lednem 2014 a 31. prosincem 2020, a úspěšně dosáhli návratu spontánního oběhu (ROSC) po resuscitaci.
Kritéria pro vyloučení:
- Mladší 18 let;
- Těhotné ženy;
- Jednotlivci, kteří nedosáhli úspěšné resuscitace
- Po resuscitaci jednotlivci bez počítačové tomografie (CT).
Studijní plán
Jak je studie koncipována?
Detaily designu
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Stupnice kategorií mozkového výkonu (CPC)
Časové okno: Od doby, kdy dosáhl úspěchu ROSC do propuštění nebo smrti nemocnice, vyhodnotil až 700 dní
|
Měřítko kategorií mozkového výkonu (CPC) je zásadní pro hodnocení neurologických výsledků u pacientů s OHCA a poskytuje standardizovaný rámec pro posouzení funkce mozku a zotavení po zástavě srdce.
Od CPC 1 (dobré zotavení) po CPC 5 (smrt mozku) kategorizuje úrovně neurologického poškození a nabízí vhled do prognózy pacienta.
Toto měřítko se široce používá v klinickém a výzkumném prostředí k zajištění konzistentního měření výsledků a usnadnění srovnání napříč studiemi.
Kromě toho hraje zásadní roli při vedení klinických rozhodnutí a diskusí s rodinami o péči o post-resuscitaci a očekávání, což nakonec podporuje lépe informované rozhodování.
|
Od doby, kdy dosáhl úspěchu ROSC do propuštění nebo smrti nemocnice, vyhodnotil až 700 dní
|
Spolupracovníci a vyšetřovatelé
Publikace a užitečné odkazy
Obecné publikace
- Mutasa S, Sun S, Ha R. Understanding artificial intelligence based radiology studies: What is overfitting? Clin Imaging. 2020 Sep;65:96-99. doi: 10.1016/j.clinimag.2020.04.025. Epub 2020 Apr 23.
- Chang HC, Tsai MS, Kuo LK, Hsu HH, Huang WC, Lai CH, Shih MC, Huang CH. Factors affecting outcomes in patients with cardiac arrest who receive target temperature management: The multi-center TIMECARD registry. J Formos Med Assoc. 2022 Jan;121(1 Pt 2):294-303. doi: 10.1016/j.jfma.2021.04.006. Epub 2021 Apr 29.
- Rea TD, Eisenberg MS, Sinibaldi G, White RD. Incidence of EMS-treated out-of-hospital cardiac arrest in the United States. Resuscitation. 2004 Oct;63(1):17-24. doi: 10.1016/j.resuscitation.2004.03.025.
- Wang CH, Huang CH, Chang WT, Tsai MS, Yu PH, Wu YW, Chen WJ. Prognostic performance of simplified out-of-hospital cardiac arrest (OHCA) and cardiac arrest hospital prognosis (CAHP) scores in an East Asian population: A prospective cohort study. Resuscitation. 2019 Apr;137:133-139. doi: 10.1016/j.resuscitation.2019.02.015. Epub 2019 Feb 20.
- Adrie C, Cariou A, Mourvillier B, Laurent I, Dabbane H, Hantala F, Rhaoui A, Thuong M, Monchi M. Predicting survival with good neurological recovery at hospital admission after successful resuscitation of out-of-hospital cardiac arrest: the OHCA score. Eur Heart J. 2006 Dec;27(23):2840-5. doi: 10.1093/eurheartj/ehl335. Epub 2006 Nov 2.
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
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 202404018RINA
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 .