Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Forudsigelse af patientforringelse ved hjælp af maskinlæring

16. marts 2026 opdateret af: David Levine, Brigham and Women's Hospital
Dette er en retrospektiv observationsundersøgelse, der trækker på data fra Brigham and Women's Home Hospital-databasen. Sociodemografiske data og klinikdata fra en træningskohorte blev brugt til at træne en maskinlæringsalgoritme til at forudsige patientens forværring gennem en patients indlæggelse. Denne algoritme blev derefter valideret i en valideringskohorte.

Studieoversigt

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

526

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

    • Massachusetts
      • Boston, Massachusetts, Forenede Stater, 02115
        • Brigham and Women's Hospital
      • Boston, Massachusetts, Forenede Stater, 02130
        • Brigham and Women's Faulkner Hospital

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

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Forsøgspersoner indlagt på Brigham and Women's Hospital og Brigham and Women's Faulkner Hospital, som opfylder kravene til primær diagnose, alder og geografisk bopæl og er indskrevet på hjemmehospitalet.

Beskrivelse

Inklusionskriterier:

Plejet i Brigham and Women's Home Hospital undersøgelsen

Ekskluderingskriterier:

Ufuldstændige kontinuerlige overvågningsdata

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Uddannelse
En undergruppe af patienter, der bruges til at træne maskinlæringsalgoritmen.
Vi vil retrospektivt sammenligne alarmer produceret fra traditionelle vitale tegn alarmer (tærskler fastsat af klinikere) versus BioVitals Index vs National Early Warning Score 2
Validering
En undergruppe af patienter, der "holdes tilbage" og bruges til at validere algoritmens nøjagtighed.
Vi vil retrospektivt sammenligne alarmer produceret fra traditionelle vitale tegn alarmer (tærskler fastsat af klinikere) versus BioVitals Index vs National Early Warning Score 2

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Alarmbyrde
Tidsramme: Fra indlæggelse til udskrivelse, målt i timer, i gennemsnit 5 dage
Antallet af udløste alarmer pr. patient pr. time
Fra indlæggelse til udskrivelse, målt i timer, i gennemsnit 5 dage

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Følsomhed for genkendelse af en sikkerhedskomposit
Tidsramme: Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Følsomheden (sande positive divideret med tilstandspositive) for påvisning af en sikkerhedskomposit (natbesøg, ekstra uplanlagt besøg, overførsel tilbage til hospitalet, død under indlæggelse, delirium, bevidsthedstab eller anden større begivenhed).
Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Specificitet for genkendelse af en sikkerhedskomposit
Tidsramme: Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Specificiteten (sande negativer divideret med tilstandsnegative) for påvisning af en sikkerhedskomposit (natbesøg, ekstra uplanlagt besøg, overførsel tilbage til hospitalet, død under indlæggelse, delirium, bevidsthedstab eller anden større begivenhed).
Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Positiv prædiktiv værdi for genkendelse af en sikkerhedskomposit
Tidsramme: Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Den positive prædiktive værdi (sande positive divideret med summen af ​​sande positive plus falske positive) for påvisning af en sikkerhedskomposit (natbesøg, ekstra uplanlagt besøg, overførsel tilbage til hospitalet, død under indlæggelse, delirium, bevidsthedstab eller andet større begivenhed).
Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Negativ prædiktiv værdi for genkendelse af en sikkerhedskomposit
Tidsramme: Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Den negative prædiktive værdi (sande negativer divideret med summen af ​​sande negative plus falske negativer) til påvisning af en sikkerhedskomposit (natbesøg, ekstra uplanlagt besøg, overførsel tilbage til hospitalet, død under indlæggelse, delirium, bevidsthedstab eller andet større begivenhed).
Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Rate af alarmer med klinisk nytte
Tidsramme: Fra indlæggelse til udskrivelse i gennemsnit 5 dage
Vi vil bruge generelle estimeringsligninger (GEE) med tre udfald pr. patient (antallet af klinisk vigtige alarmer for BioVitals, NEWS2 og traditionelle vitale tegn); GEE vil redegøre for grupperingen mellem de tre udfald på en patient. GEE vil bruge en negativ binomial marginal model med et log-link for antallet af alarmer med klinisk nytte og en offset for log-opholdslængde (i timer); med denne model modellerer vi timefrekvensen for antallet af alarmer med klinisk nytte med BI, NEWS2 og traditionelle vitale tegn. Hovedkovariatet i den negative binomiale model vil være en kovariat med tre niveauer for metode: BI vs NEWS2 vs traditionelle vitale tegn, og den eksponentielle effekt af denne kovariat vil være et parvis hastighedsforhold for BI vs NEWS2 vs traditionel vital. tegn.
Fra indlæggelse til udskrivelse i gennemsnit 5 dage

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Samarbejdspartnere

Efterforskere

  • Ledende efterforsker: David Levine, MD MPH MA, Associate Physician

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)

20. marts 2021

Primær færdiggørelse (Faktiske)

20. marts 2025

Studieafslutning (Faktiske)

16. februar 2026

Datoer for studieregistrering

Først indsendt

14. april 2021

Først indsendt, der opfyldte QC-kriterier

15. september 2021

Først opslået (Faktiske)

16. september 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

17. marts 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

16. marts 2026

Sidst verificeret

1. marts 2026

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

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 .

Kliniske forsøg med Hjertefejl

Abonner