Machine Learning Model for Predicting Recovery After Critical Illness
Development and Validation of a Machine Learning Model for Predicting Functional Decline and Return to Work After Critical Illness
This study aims to develop and test an artificial intelligence (AI) model to predict long-term functional status and return to work after critical illness.
The main question is:
Can we develop and validate a machine learning model to predict long-term functional status and return to work after critical illness?
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Faktiske)
Tilmelding
Kontakter og lokationer
Studiesteder
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brasilien, 90035-903
- Hospital de Clínicas de Porto Alegre, Intensive Care Nursing Department
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inclusion Criteria:
- Age ≥18 years
- ICU stay ≥ 72 hours
- ICU stay ≥ 120 hours if the participant was admitted for elective surgery
Exclusion Criteria:
- No telephone contact available
- Failure to establish contact
- Transfer to another ICU
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
Patients in follow-up
Patients under follow-up.
No interventions were performed
|
No interventions were performed.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Functional Status
Tidsramme: 3rd, 6th and 12th months after ICU discharge
|
The primary outcome will be functional status at 6 months after ICU discharge, assessed using the Barthel Index (BI).
The BI is a validated measure of functional status in activities of daily living, with total scores ranging from 0 to 100.
For prediction modeling, the outcome will be treated as a binary variable, with functional impairment defined as a BI score <91 points.
|
3rd, 6th and 12th months after ICU discharge
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Return to Work
Tidsramme: 3rd, 6th and 12th months after ICU discharge
|
Being employed
|
3rd, 6th and 12th months after ICU discharge
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Samarbejdspartnere
Samarbejdspartnere
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
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- 20250554
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 .