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

Maskinlæringsmodel til at forudsige udfald og varighed af mekanisk ventilation ved akut hypoxæmisk respirationssvigt (MEMORIAL)

7. februar 2025 opdateret af: Jesus Villar, Dr. Negrin University Hospital

Udvikling af en optimal maskinlæringsmodel til at forudsige ICU-resultater og varighed af mekanisk ventilation hos patienter med akut hypoxæmisk respirationssvigt

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 1.241 patienter, der er indskrevet i PANDORA-studiet (prævalens og udfald af akut respiratorisk svigt) i Spanien. Undersøgelsen blev registreret hos ClinicalTrials.gov (NCT03145974). Vores mål er at evaluere minimumsantallet af variable modeller ved hjælp af logistisk regression og fire overvågede ML-algoritmer: Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

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

Observationel

Tilmelding (Anslået)

1241

Kontakter og lokationer

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

Studiesteder

  • Spanien
      • 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 Rio Hortega

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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

De-identificeret datasæt med 1.241 mekanisk ventilerede patienter med akut hypoxemisk respirationssvigt indlagt fortløbende i et netværk af spanske intensivafdelinger.

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

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
Valideringskohorte
Den vil indeholde 200 tilfældigt udvalgte patienter (20 % af 1000 patienter med AHRF
Andet: maskinlæringsanalyse
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
  • Logistisk regression, krydsvalidering og areal under ROC-kurverne
Konfirmerende kohorte
Den vil indeholde de resterende 241 patienter tilfældigt udvalgt (ved ekstern validering)
Andet: maskinlæringsanalyse
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
  • Logistisk regression, krydsvalidering og areal under ROC-kurverne
Afledningskohort
Det vil indeholde 800 patienter tilfældigt valgt (1.000 patienter med AHRF)
Andet: maskinlæringsanalyse
Vi vil bruge robuste maskinlæringstilgange, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine og Multilayer Perceptron.
Andre navne:
  • Logistisk regression, krydsvalidering og areal under ROC-kurverne

Hvad måler undersøgelsen?

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

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

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

Sponsor

Dr. Negrin University Hospital

Efterforskere

  • Ledende efterforsker: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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)

19. marts 2024

Primær færdiggørelse (Anslået)

30. maj 2026

Studieafslutning (Anslået)

30. maj 2026

Datoer for studieregistrering

Først indsendt

19. marts 2024

Først indsendt, der opfyldte QC-kriterier

26. marts 2024

Først opslået (Faktiske)

27. marts 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

25. marts 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

7. februar 2025

Sidst verificeret

1. februar 2025

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • PI24/00325

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 Akut hypoxæmisk respirationssvigt

Kliniske forsøg med maskinlæringsanalyse

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Rwanda

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner