Kunstig intelligens-baseret dødelighedsforudsigelse blandt kræftpatienter på hospiceafdelingen
6. maj 2021 opdateret af: Shabbir Syed Abdul, Taipei Medical University
Kunstig intelligens-baseret aktivitetsgenkendelse og dødelighedsforudsigelse ved hjælp af døgnrytme blandt kræftpatienter på hospiceafdelingen
Formålet med denne undersøgelse er at udvikle en ny deep-learning-baseret overlevelsesforudsigelsesmodel, der anvender patientaktivitetsdata optaget af en bærbar enhed.
Studieoversigt
Status
Rekruttering
Betingelser
Detaljeret beskrivelse
Denne undersøgelse har til formål at udvikle en deep-learning-baseret overlevelsesforudsigelsesmodel, der bruger patientbevægelsesdata ved indlæggelse til at forudsige deres kliniske resultater: enten død eller udskrivelse med stabil tilstand.
Objektive data for patienterne registreres af en bærbar enhed og dokumenteres som parametre for fysisk aktivitet, vinkel og spin.
Ud over objektive data dokumenterer efterforskerne også patienters Karnofsky Performance Status vurderet subjektivt af kliniske læger.
Endelig sigter efterforskerne på at udforske og beskrive anvendeligheden, potentialet og begrænsningerne af overlevelsesforudsigelsesmodellen baseret på patientbevægelsesdata som en simpel prognostisk parameter i kliniske omgivelser.
Undersøgelsestype
Observationel
Tilmelding (Forventet)
80
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiekontakt
- Navn: Shabbir Syed-Abdul, PhD
- Telefonnummer: 1514 886 2-6638-2736
- E-mail: drshabbir@tmu.edu.tw
Studiesteder
-
-
TW - Taiwan
-
Taipei City, TW - Taiwan, Taiwan, 110
- Rekruttering
- Taipei Medical University
-
Kontakt:
- Shabbir Syed Abdul
- Telefonnummer: 1501 +886-2-66382736
- E-mail: drshabbir@tmu.edu.tw
-
-
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
20 år og ældre (Voksen, Ældre voksen)
Tager imod sunde frivillige
Ingen
Køn, der er berettiget til at studere
Alle
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Patienter i alderen 20 år eller ældre, der blev indlagt på hospiceafdelingen på Taipei Medical University Hospital med mindst én diagnose af solide tumorsygdomme i slutstadiet.
Beskrivelse
Inklusionskriterier:
- Deltagere i alderen 20 år eller ældre indlagt på hospiceafdelingen på Taipei Medical University Hospital
- Deltagere diagnosticeret med mindst én solid tumorsygdom i slutstadiet
- Deltagerne gav samtykke til at modtage hospice
Ekskluderingskriterier:
- Deltagere under 20 år
- Deltagere diagnosticeret med leukæmi eller carcinom af ukendt primær
- Deltagere med tydelige tegn på at nærme sig døden ved indlæggelse
- Deltagere uden vitale tegn ved optagelse
- Deltagere, der fortsatte med at modtage aggressiv behandling på trods af indlæggelse på hospiceafdelingen
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Kohorte
- Tidsperspektiver: Fremadrettet
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Specificitet og følsomhed ved brug af kunstig intelligens-baserede modeller til forudsigelse af kliniske resultater af kræftpatienter i slutstadiet ved hjælp af aktigrafidata
Tidsramme: Fra dato for indlæggelse på hospiceafdeling indtil dato for første dokumenterede udskrivelse fra hospital eller dato for død uanset årsag, alt efter hvad der kom først, vurderet op til 1 måned
|
Det primære resultat af undersøgelsen vil være at evaluere, om analysen af bevægelsesdata, der er fanget ved hjælp af aktigrafi-enhed, kan hjælpe med at forudsige kliniske resultater, enten afdøde eller udskrevet i live fra hospitalet, med en høj specificitet og sensitivitet, ved hjælp af kunstig intelligens baseret forudsigelsesmodellering.
|
Fra dato for indlæggelse på hospiceafdeling indtil dato for første dokumenterede udskrivelse fra hospital eller dato for død uanset årsag, alt efter hvad der kom først, vurderet op til 1 måned
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Sponsor
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Shabbir Syed-Abdul, PhD, Taipei Medical University
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
11. december 2019
Primær færdiggørelse (Forventet)
31. august 2021
Studieafslutning (Forventet)
31. december 2021
Datoer for studieregistrering
Først indsendt
28. april 2021
Først indsendt, der opfyldte QC-kriterier
6. maj 2021
Først opslået (Faktiske)
12. maj 2021
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
12. maj 2021
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
6. maj 2021
Sidst verificeret
1. maj 2021
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- N201910041
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Ingen
Studerer et amerikansk FDA-reguleret enhedsprodukt
Ingen
produkt fremstillet i og eksporteret fra U.S.A.
Ingen
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 .