Předpověď založená na neuronových sítích u kriticky nemocných pacientů s COVID-19
Predikce založená na neuronových sítích u kriticky nemocných pacientů s COVID-19
V kontextu vznikající pandemie bez zavedeného prognostického hodnotícího systému lze použít přístupy hlubokého učení pro rychlý vývoj empirických prognostických modelů.
Tato studie si kladla za cíl představit model umělé neuronové sítě (ANN) pro predikci délky mechanické ventilace a mortality u pacientů s COVID-19 na jednotce intenzivní péče.
Metody: Data byla shromážděna z lékařských záznamů 113 pacientů s COVID-19, kteří byli sledováni na jednotce intenzivní péče mezi únorem 2020 a červnem 2020. Pro predikci délky mechanické ventilace a mortality u pacientů s COVID-19 byl použit přístup ANN vyhodnocením klinických dat pacientů (demografické, laboratorní a komorbidity).
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Onemocnění koronavirem 2019 (COVID-19) vedlo k bezprecedentní zátěži jednotek intenzivní péče (JIP), zejména kvůli vysoké míře respiračního selhání vyžadujícího invazivní mechanickou ventilaci. Včasná identifikace pacientů s rizikem prodloužené mechanické ventilace a mortality je klíčová pro optimalizaci alokace zdrojů a klinického rozhodování.
Tato retrospektivní kohortová studie si kladla za cíl vyvinout a vyhodnotit model umělé neuronové sítě (ANN) pro predikci délky mechanické ventilace a nemocniční mortality u pacientů s COVID-19 přijatých na JIP.
Po schválení Etickou komisí pro klinický výzkum Univerzity Gaziantep (Rozhodnutí č.: 2024/07, Datum: 17.01.2024), data od 113 dospělých pacientů přijatých na JIP mezi 1. únorem 2020 a 30. červnem 2020 byla retrospektivně analyzována. Demografické charakteristiky, komorbidity, vitální funkce, laboratorní parametry, skóre závažnosti (např. APACHE, SOFA), léčebné modality a klinické výsledky byly extrahovány z lékařských záznamů.
Modely umělých neuronových sítí byly vyvinuty pomocí komerčně dostupného softwaru (Alyuda NeuroIntelligence, Alyuda Research Inc., Los Altos, CA, USA). Bylo testováno více trénovacích algoritmů, včetně Quick Propagation, Conjugate Gradient Descent, Limited Memory Quasi-Newton, Online Backpropagation a Batch Backpropagation. Výkon modelu byl hodnocen pomocí 10násobné křížové validace. Byla vypočtena prediktivní přesnost pro mortalitu a korelační výkon pro délku mechanické ventilace. Pro srovnání byly také provedeny klasické statistické metody, včetně vícenásobné lineární regrese a binární logistické regrese.
Primárním cílem bylo posoudit prediktivní výkon modelů ANN pro mortalitu na JIP. Sekundárním cílem bylo vyhodnotit výkon ANN v odhadu délky mechanické ventilace. Tato studie byla provedena v souladu s Helsinskou deklarací.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Gaziantep, Turecko (Türkiye), 27310
- Gaziantep University Hospital
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
Věk ≥ 18 let
Potvrzená diagnóza COVID-19
Přijetí na jednotku intenzivní péče (JIP) mezi 1. únorem 2020 a 30. červnem 2020
Dostupnost úplných klinických, laboratorních a výsledkových údajů v lékařské dokumentaci
Kritéria pro vyloučení:
Věk < 18 let
Neúplné nebo chybějící klinické údaje
Přeložení do jiného zařízení před vyhodnocením výsledků
Opětovné přijetí na JIP během stejné hospitalizace (zahrnuto pouze první přijetí)
Studijní plán
Jak je studie koncipována?
Detaily designu
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Úmrtnost na JIP ze všech příčin
Časové okno: Od přijetí na JIP do propuštění z nemocnice nebo úmrtí (až 90 dní)
|
Predikce nemocniční mortality (ex-status) u pacientů s COVID-19 přijatých na jednotku intenzivní péče pomocí modelování umělých neuronových sítí na základě demografických, klinických a laboratorních proměnných.
|
Od přijetí na JIP do propuštění z nemocnice nebo úmrtí (až 90 dní)
|
Spolupracovníci a vyšetřovatelé
Sponzor
Vyšetřovatelé
- Vrchní vyšetřovatel: Elzem Sen, Assoc Prof, University of Gaziantep
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
Další relevantní podmínky MeSH
Další identifikační čísla studie
- 2024/07
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 .