Machine Learning Sepsis-advarselsmeddelelse ved hjælp af kliniske data (HindSight P2)
Brug af kliniske behandlingsdata i en maskinlæringsmetode til sepsisdetektion
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Forventet)
Tilmelding
Fase
Fase
- Fase 2
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Jana Hoffman, PhD
- Telefonnummer: 2158806619
- E-mail: jana@dascena.com
Undersøgelse Kontakt Backup
- Navn: Gina Barnes, MPH
- Telefonnummer: 2158806619
- E-mail: gbarnes@dascena.com
Studiesteder
-
-
Massachusetts
-
Springfield, Massachusetts, Forenede Stater, 01199
- Rekruttering
- Baystate Health
-
Kontakt:
- Gregory Braden
-
-
New Jersey
-
Camden, New Jersey, Forenede Stater, 08103
- Rekruttering
- Cooper University Health Care
-
Kontakt:
- Sharad Patel
-
Kontakt:
- Snehal Gandhi
-
Cape May, New Jersey, Forenede Stater, 08210
- Rekruttering
- Cape Regional Medical Center
-
Kontakt:
- Andrea McCoy
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Beskrivelse
Inklusionskriterier:
- I løbet af undersøgelsesperioden vil alle patienter over 18 år, der præsenterer sig på akutmodtagelsen eller indlagt på en indlæggelse på de deltagende faciliteter, automatisk blive tilmeldt undersøgelsen, indtil tilmeldingsmålet for undersøgelsen er nået.
Ekskluderingskriterier:
- Patienter under 18 år
- Fanger
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: ANDET
- Tildeling: TILFÆLDIGT
- Interventionel model: PARALLEL
- Maskning: TRIPLE
Antal våben
Våben og indgreb
Deltagergruppe / ArmDeltagergruppe / Arm |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
EKSPERIMENTEL: Eksperimentel
Den eksperimentelle arm vil involvere patienter overvåget af HindSight.
|
HindSight vil undersøge de dynamiske tendenser for kliniske målinger taget fra en patients EPJ og analysere sammenhænge mellem vitale tegn for at advare om starten af sepsis. Dette maskinlæringsbaserede værktøj er optimeret af encoder og anvender periodisk genoptræning for at forbedre dets ydeevne over tid.
Andre navne:
|
|
ACTIVE_COMPARATOR: Styring
Kontrolarmen vil involvere patienter overvåget af InSight.
|
Sammenlignet med evnen til InSight-softwarens genkendelse af sepsis-debut med HindSights ydeevne.
Undersøgelsen afgør, om HindSight-softwaren har tilsvarende eller bedre ydeevne end InSight-softwaren.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Rate af reduktion af falske advarsler
Tidsramme: Gennem afslutning af undersøgelsen vil menneskelige forsøgspersoners involvering ske i gennemsnitligt otte måneder
|
Det primære resultatmål af interesse vil være reduktion af falsk alarm.
Succesfuld gennemførelse af mål 1 vil blive demonstreret ved en positiv prædiktiv værdi (PPV) i et levende klinisk miljø, hvor den nedre grænse af 95 % konfidensintervallet opfylder eller overstiger benchmark fra tidligere retrospektive undersøgelser.
Opfyldelse af det retrospektive PPV-benchmark indikerer, at prospektiv CDS-kvalitet afspejler retrospektiv CDS-kvalitet og er tilstrækkelig høj til at reducere alarmtræthed og forbedre den kliniske anvendelighed.
Succes med mål 2 er betinget af opnåelse af en relativ reduktion på 15 % i falske alarmer ved sammenligning mellem de to behandlingsarme (p < 0,05; Fishers Exact Test).
|
Gennem afslutning af undersøgelsen vil menneskelige forsøgspersoners involvering ske i gennemsnitligt otte måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
Efterforskere
Efterforskere
- Ledende efterforsker: Jana Hoffman, PhD, Dascena
Publikationer og nyttige links
Generelle publikationer
- Desautels T, Calvert J, Hoffman J, Mao Q, Jay M, Fletcher G, Barton C, Chettipally U, Kerem Y, Das R. Using Transfer Learning for Improved Mortality Prediction in a Data-Scarce Hospital Setting. Biomed Inform Insights. 2017 Jun 12;9:1178222617712994. doi: 10.1177/1178222617712994. eCollection 2017.
- Calvert J, Mao Q, Rogers AJ, Barton C, Jay M, Desautels T, Mohamadlou H, Jan J, Das R. A computational approach to mortality prediction of alcohol use disorder inpatients. Comput Biol Med. 2016 Aug 1;75:74-9. doi: 10.1016/j.compbiomed.2016.05.015. Epub 2016 May 24.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Calvert J, Mao Q, Hoffman JL, Jay M, Desautels T, Mohamadlou H, Chettipally U, Das R. Using electronic health record collected clinical variables to predict medical intensive care unit mortality. Ann Med Surg (Lond). 2016 Sep 6;11:52-57. doi: 10.1016/j.amsu.2016.09.002. eCollection 2016 Nov.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
Datoer for undersøgelser
Studer store datoer
Studiestart (FAKTISKE)
Studiestart
Primær færdiggørelse (FORVENTET)
Primær færdiggørelse
Studieafslutning (FORVENTET)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (FAKTISKE)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (FAKTISKE)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 19-569185
- 2R44AA030000-02 (NIH)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .