- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04473105
Optimering af ressourceallokering via forudsigelse af resultater for Covid-19
Optimering af ressourceallokering via forudsigelse af resultater for mistænkte og dokumenterede Covid-19
Efterforskerne planlægger at bruge al den information, der er tilgængelig i deres lokale NHS-hospitaler, til at finde ud af, hvad der sker med personer, der er indlagt med både mistænkte og dokumenterede Covid-19-infektioner. Efterforskerne vil bruge al den information, de kan, til at give den mest mulige dokumentation til brug i deres undersøgelse, da dette vil gøre resultaterne mere nøjagtige. Dette vil omfatte oplysninger om eksisterende helbredstilstande (f.eks. ved at se på tidligere udskrivningsbreve, lægeresuméer), kliniske observationer registreret på hospitalet (f.eks. temperatur, blodtryk, puls, iltniveau) og laboratoriemålinger (f.eks. blodmarkører for infektion). Efterforskernes erfarne team vil derefter analysere alt dette sammen med information om, hvorvidt personen har Covid-19 for at hjælpe med at finde ud af, hvad eventuelle nye patienters risiko vil være. For at gøre dette skal efterforskerne bruge individuelle patienters oplysninger, men når de først er blevet fjernet fra hospitalets journalsystem, vil de ikke være identificerbare og vil til enhver tid blive opbevaret sikkert på hospitalet. Som et resultat af dette arbejde planlægger efterforskerne at være i stand til at gøre to ting:
- Når en patient bliver indlagt på hospitalet med mulig eller bekræftet Covid-19, vil efterforskerne være i stand til at lave en meget præcis forudsigelse af, hvad der sandsynligvis vil ske med dem (f.eks. bliver indlagt på høj afhængighed eller intensiv behandling, dør eller overlever til udskrivelse), hvilket vil hjælpe sundhedspersonalet med at træffe beslutninger om deres pleje.
- Ved at vide, hvad der sandsynligvis vil ske med en patient, er efterforskerne i stand til at træffe informerede beslutninger om, hvordan de skal fordele sundhedsressourcer, f.eks. hvilke områder der sandsynligvis har brug for flere ventilatorer (maskiner til at hjælpe med vejrtrækningen), behov for intensiv senge, planlægning af udskrivning.
Studieoversigt
Status
Betingelser
Detaljeret beskrivelse
Baggrund.
Relativt enkle kliniske risikoscore baseret på let tilgængelig klinisk information kan i høj grad hjælpe med at triagere patienter til tidlig udskrivning eller hurtigere og intensivere intervention. Et eksempel på dette er i øvre gastrointestinale blødninger, hvor flere sådanne scores (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4) 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) har tilladt sikker tidlig udskrivning og derved aflastet sygehusene. Efterforskerne mener, at lignende resultater potentielt kan opnås fra data, der rutinemæssigt er indsamlet i vores tillid om patienter med dokumenteret eller mistænkt Covid-19.
Mål
Efterforskerne sigter mod at besvare følgende spørgsmål
- Hvilket mønster af klinisk historie og symptomer, observationer, blod og andre undersøgelsesmarkører forudsiger bedst, at en patient, der er mistænkt for Covid-19 eller bevist at have det, vil udvikle sig til at kræve ventilation?
- Hvilket mønster af klinisk historie og symptomer, observationer, blod og andre undersøgelsesmarkører forudsiger bedst, at en patient, der er mistænkt for Covid-19 eller bevist at have det, vil dø under deres sygdom?
- Hvilket mønster af klinisk historie og symptomer, observationer, blod og andre undersøgelsesmarkører forudsiger bedst, at en patient, der er mistænkt for Covid-19 eller bevist at have det, vil komme sig helt uden at kræve supplerende ilt?
Metoder
Efterforskerne foreslår to hovedtilgange til de to første af målene ovenfor.
En standardtilgang, der vurderer baseline-karakteristika for at forudsige dårligt resultat, svarende til andre igangværende undersøgelser som ISARIC og PRIEST, men drager fordel af en upartisk prøve af patienter, da der ikke skal indsamles yderligere prøver eller data, og derfor mener efterforskerne, at det vil være etisk acceptabelt underlagt behørig opmærksomhed på fortrolighed for at analysere alle fremmødte patienter og ikke kun dem, der er villige og i stand til at give samtykke.
En multi-level modellering tilgang, der bruger de rige gentagne daglige laboratorie- og kliniske målinger til at forudsige den daglige risiko for en efterfølgende forringelse.
Denne anden tilgang supplerer andre igangværende undersøgelser som ISARIC og PRIEST, da den kun kan leveres inden for en enkelt institution som NUH, da den kræver detaljerede longitudinelle forbundne elektroniske sundhedsdata. Desuden er det et effektivt, billigt studiedesign, der ikke kræver manuel dataindsamling.
Efterforskerne vil bruge de data, der opbevares i Nottingham University Hospitals (NUH) NHS Trusts elektroniske systemer til at identificere alle patienter, der enten mistænkes for at have Covid-19-infektion, eller hos hvem diagnosen til sidst bekræftes. Dette vil blive udført fra begyndelsen af pandemien retrospektivt og derefter i et rullende program prospektivt for at maksimere tilgængelige data.
For disse patienter vil efterforskerne indsamle alle relevante data om diagnoser (komorbiditeter), daglige kliniske observationer og daglige laboratorieparametre både ved præsentation og løbende fremadrettet fra det til tidspunktet for død eller udskrivelse. Disse data vil omfatte gentagne målinger af temperatur, puls, blodets iltmætning, inspireret iltkoncentration, respirationsfrekvens, C-reaktivt protein og antal hvide blodlegemer blandt andre.
Data vil blive analyseret, og resultater modelleret inden for Nottingham University Hospitals Trust-netværket for at sikre, at fortroligheden opretholdes.
Analyse
Karakteristika for patienter, der går videre til intubation. Efterforskerne vil vurdere sammenhængen mellem eventuelle baseline-parametre og demografi af patienter, der har behov for ventilation, sammenlignet med dem, der ikke gør det, ved at krydstabulere baseline-parametre med ventilation og beregne justerede associationer ved hjælp af en logistisk regressionsmodel. Efterforskerne vil også undersøge den daglige risiko for intubation ved hjælp af en tilfældig effektmodel med de gentagne daglige målinger. For at undersøge potentialet for en let beregnelig klinisk risikoscore, vil der blive udarbejdet logistiske modeller, men kontinuerte variable bibeholdes som kontinuerlige (for at maksimere opbevaringen af nyttige prædiktive data) og reducere dem til kategoriske data (for at lette den kliniske beregning). Efterforskerne vil vælge prædiktorer for modellen ved hjælp af baglæns eliminering med Akaike informationskriteriet og alfa = 0,05. For kandidatmodeller vil efterforskerne beregne C-indekset og modtagerens driftskurver og vurdere kalibrering ved hjælp af Hosmer-Lemeshow-testen. Bootstrapping og krydsvalidering vil blive brugt for at undgå overfitting og vurdere modellens ydeevne.
Tidstendensanalyse for at identificere markører, der fører til intubation. Efterforskerne vil undersøge dataene for tendenser over tid i gentagne målinger, hvor de er tilgængelige, og beskrive disse ved hjælp af passende opsummerende statistik. Hvis der er nok gentagne målinger, vil hver kovariat blive vurderet med en JoinPoint-analyse for at vurdere, om der er en tydelig bøjning i tide til at indikere en ændring i det kliniske billede, som markerer et fald i retning af ventilation. Denne proces vil indgå i det rationelle valg af kategorier til kategorisk repræsentation af dataene.
Prædiktorer ved intubation, der tyder på død. Forskerne vil vurdere sammenhængen mellem parametre og demografi af ventilerede patienter, der dør sammenlignet med dem, der ikke gør det, ved at krydstabulere parametre ved ventilationspunktet med døden, og beregne justerede associationer ved hjælp af en logistisk regressionsmodel. Efterforskerne vil også undersøge den daglige risiko for død ved hjælp af en tilfældig effektmodel med de gentagne daglige målinger. For at undersøge potentialet for en let beregnelig klinisk risikoscore, vil der blive udarbejdet logistiske modeller, men kontinuerte variable bibeholdes som kontinuerlige (for at maksimere opbevaringen af nyttige prædiktive data) og reducere dem til kategoriske data (for at lette den kliniske beregning). Efterforskerne vil vælge prædiktorer for modellen ved hjælp af baglæns eliminering med Akaike informationskriteriet og alfa = 0,05. For kandidatmodeller vil efterforskerne beregne c-indekset og modtagerens driftskurver og vurdere kalibrering ved hjælp af Hosmer-Lemeshow-testen. Bootstrapping og krydsvalidering vil blive brugt for at undgå overfitting og vurdere modellens ydeevne.
Tidstendensanalyse for at identificere markører, der fører til død. Vi vil undersøge dataene for tendenser over tid i gentagne målinger, hvor de er tilgængelige, og beskrive disse ved hjælp af passende opsummerende statistik. Hvis der er nok gentagne målinger, vil hver kovariat blive vurderet med en JoinPoint-analyse for at vurdere, om der er en åbenlys bøjning i tide for at indikere en ændring i det kliniske billede, som markerer et fald i retning af død. Baseline-karakteristika for patienter, der udskrives uden supplerende ilt. vil vurdere sammenhængen af eventuelle baseline-parametre og demografi af patienter, der udskrives uden supplerende ilt sammenlignet med dem, der ikke er ved at krydstabulere baseline-parametre med ventilation, og beregne justerede associationer ved hjælp af en logistisk regressionsmodel. For at undersøge potentialet for en let beregnelig klinisk risikoscore, vil der blive udarbejdet logistiske modeller, men kontinuerte variable bibeholdes som kontinuerlige (for at maksimere opbevaringen af nyttige prædiktive data) og reducere dem til kategoriske data (for at lette den kliniske beregning). Efterforskerne vil vælge prædiktorer for modellen ved hjælp af baglæns eliminering med Akaike informationskriteriet og alfa = 0,05. For kandidatmodeller vil efterforskerne beregne c-indekset og modtagerens driftskurver og vurdere kalibrering ved hjælp af Hosmer-Lemeshow-testen. Hvert af disse trin vil blive gentaget i 10 tilfældigt udvalgte 20 % delprøver af datasættet.
Stratificerede supplerende analyser For at identificere forskellige patientgrupper med risiko for dårlige resultater, vil interaktioner med hver risikomodel blive vurderet for at identificere, om der er behov for stratificering efter aldersgrupper, køn, tidligere komorbiditeter og baseline-faktorer såsom lymfopæni, CRP osv.
Alle analyser vil blive gentaget for grupper af PCR-påviste Covid-19-patienter og dem, der kun er mistænkt.
Til analysen af udskrivelse uden supplerende ilt vil efterforskerne undersøge risikoen for genindlæggelse for de således udskrevet og kun gentage analysen for dem, der ikke efterfølgende er genindlagt.
Berettigelseskriterier
Inklusionskriterier • Alle patienter indlagt på Nottingham University Hospitals Trust enten mistænkt for at have Covid-19 infektion, eller hos hvem diagnosen til sidst bekræftes, og som er over 18 år
Eksklusionskriterier
• Er under 18 år.
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Nottingham, Det Forenede Kongerige, NG7 2UH
- Nottingham University Hospitals NHS Trust
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
• Alle patienter, der er indlagt på Nottingham University Hospitals Trust, enten mistænkt for at have Covid-19-infektion, eller hos hvem diagnosen til sidst bekræftes, og som er over 18 år
Ekskluderingskriterier:
• Er under 18 år.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Andet
- Tidsperspektiver: Fremadrettet
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Ventilation
Tidsramme: Under indlæggelse op til 3 måneder
|
Behovet for at ventilere patienten
|
Under indlæggelse op til 3 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Død
Tidsramme: Under indlæggelse eller inden for 30 dage
|
Patientens død
|
Under indlæggelse eller inden for 30 dage
|
Samarbejdspartnere og efterforskere
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Timothy R Card, FRCP, PhD, University of Nottingham
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 20GA039
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 .
Kliniske forsøg med COVID-19
-
Anavasi DiagnosticsIkke rekrutterer endnu
-
Ain Shams UniversityRekruttering
-
Israel Institute for Biological Research (IIBR)Afsluttet
-
Colgate PalmoliveAfsluttet
-
Christian von BuchwaldAfsluttet
-
Luye Pharma Group Ltd.Shandong Boan Biotechnology Co., LtdAktiv, ikke rekrutterende
-
University of ZurichLabor Speiz; Swiss Armed Forces; Universitätsspital ZürichTilmelding efter invitation
-
Alexandria UniversityAfsluttet
-
Henry Ford Health SystemAfsluttet