Maskinlæringsmodel til at forudsige udfald og varighed af mekanisk ventilation ved akut hypoxæmisk respirationssvigt (MEMORIAL)
Udvikling af en optimal maskinlæringsmodel til at forudsige ICU-resultater og varighed af mekanisk ventilation hos patienter med akut hypoxæmisk respirationssvigt
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Akut hypoxæmisk respirationssvigt (AHRF) er den mest almindelige årsag til indlæggelse på intensivafdelinger (UCI'er) på verdensplan. Vi vil vurdere værdien af maskinlæringsteknikker (ML) til tidlig forudsigelse af ICU-død og forlænget varighed (>7 dage) af mekanisk ventilation (MV) hos AHRF-patienter på MV. Få undersøgelser har undersøgt forudsigelsen af dødelighed og varighed af MV hos patienter med AHRF.
Til modeludvikling vil efterforskerne udtrække data for de første 3 dage efter diagnosticering af AHRF fra patienter inkluderet i den afidentificerede database for PANDORA-kohorten. Vi havde en database med 2.000.000 anonymiserede og dissocierede demografiske og kliniske data fra 1.241 patienter med AHRF indskrevet i vores PANDORA-kohorte (Prevalence AND Outcome of acute Respiratory Failure) fra 22 spanske hospitaler og koordineret af den primære investigator (JV). Efterforskerne vil følge den gennemsigtige rapportering af en multivariabel forudsigelsesmodel for individuel prognose eller diagnose (TRIPOD) retningslinjer for modelforudsigelse. Vi vil screene indsamlede variabler ved at anvende en genetisk algoritme variabel selektionsmetode for at opnå sparsomhed. Vi evaluerede minimumsantallet af variable modeller ved hjælp af logistisk regression og 4 overvågede ML-algoritmer: Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron. Vi vil bruge en 5-fold krydsvalidering i datasættet af 1.000 patienter udvalgt tilfældigt i træningsdata (80 %) og testdata (20 %). Til ekstern validering vil vi bruge de resterende 241 patienter.
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
-
Ciudad Real, Spanien, 13005
- Hospital General Universitario de Ciudad Real
-
Cuenca, Spanien, 16002
- Hospital Virgen de La Luz
-
Madrid, Spanien, 28046
- Hospital Universitario La Paz
-
Madrid, Spanien, 28222
- Hospital Universitario Puerta De Hierro
-
Murcia, Spanien, 3012
- Hospital Universitario Virgen de Arrixaca
-
Santa Cruz de Tenerife, Spanien, 38010
- Hospital Universitario NS de Candelaria
-
Valencia, Spanien, 46010
- Hospital Cinico de Valencia
-
Valladolid, Spanien, 47012
- Hospital Universitario Río Hortega
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- endotracheal intubation plus mekanisk ventilation (MV)
- PaO2/FiO2-forhold ≤300 mmHg under MV med positivt slutekspiratorisk tryk (PEEP) ≥5 cmH2O og FiO2 ≥0,3.
Ekskluderingskriterier:
- Postoperative patienter ventileret <24 timer
- Hjernedødspatienter.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Valideringskohorte
Den vil indeholde 200 tilfældigt udvalgte patienter (20 % af 1000 patienter med AHRF
|
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
|
|
Konfirmerende kohorte
Den vil indeholde de resterende 241 patienter tilfældigt udvalgt (ved ekstern validering)
|
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
|
|
Afledningskohort
Det vil indeholde 800 patienter tilfældigt valgt (1.000 patienter med AHRF)
|
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
ICU dødelighed
Tidsramme: op til 100 uger (fra inklusion til død eller udskrivning fra intensivafdeling
|
død på intensivafdelingen
|
op til 100 uger (fra inklusion til død eller udskrivning fra intensivafdeling
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
MV varighed
Tidsramme: op til 100 uger (fra inklusion til ekstubering)
|
varighed af mekanisk ventilation
|
op til 100 uger (fra inklusion til ekstubering)
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Faktiske)
Primær færdiggørelse
Studieafslutning (Faktiske)
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
Nøgleord
Yderligere relevante MeSH-vilkår
- Luftvejssygdomme
- Respirationsforstyrrelser
- Respiratorisk insufficiens
- Sundhedsvæsenets kvalitet, adgang og evaluering
- Undersøgelsesteknikker
- Epidemiologiske metoder
- Evalueringsmekanismer til sundhedsvæsenet
- Sundhedskvalitet
- Folkesundhed
- Miljø og folkesundhed
- Statistik som emne
- Modeller, teoretisk
- Risiko
- Sandsynlighed
- Models, Statistical
- Regression Analysis
- Logistic Models
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- PI24/00325
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 .