Brug af kunstig intelligens (AI) til at forudsige kliniske resultater hos patienter indlagt for COVID19-lungebetændelse under de 4 pandemiske bølger (AI COVID-19)
Brug af kunstig intelligens (AI) til forudsigelse af kliniske resultater såsom død og komplikationer hos patienter, der er indlagt på hospitalet for COVID-lungebetændelse under de 4 pandemiske bølger ved ASST i Lecco.
Forudsigelsesmodeller kan anvendes på forskellige områder, under nødsituationen med COVID-19-pandemien, faktisk har de vist sig vigtige til at støtte sundhedssystemerne i planlægningen af strategiske beslutninger og ved at formulere sundhedspolitikker til at begrænse sygdommen.
Især Covid-19-pandemien har repræsenteret en reel udfordring for vores sundhedssystem. I Italien var det opdelt i fire hovedbølger, hver karakteriseret ved forskellige typer patienter og forskellige terapeutiske tilgange, der gradvist blev forbedret baseret på ny videnskabelig evidens.
Målet er at udføre en undersøgelse af data fra patienter indlagt for COVID-19 på ASST i Lecco under alle fire pandemiske bølger, med forskellige sværhedsgrader af sygdom, indsamle de relevante data og anvende dem på de bruger kunstig intelligens at identificere tilbagevendende mønstre for klinisk udfald i form af overlevelse og sekundære infektiøse komplikationer, således at der opbygges nye pålidelige prædiktive statistiske modeller, der kan bruges til at forudsige udfaldet af patienterne selv.
Den stærke ambition med dette projekt er, at anvendelsen af kunstig intelligens på data af en så betydelig mængde kan give os mulighed for at opbygge valide statistiske modeller, som derefter hypotetisk kan anvendes på enhver patient til at forudsige, baseret på anamnestiske karakteristika, blodkemiske parametre. ved baseline og ved den fastsatte behandling, sandsynligheden for overlevelse og komplikationer
Studieoversigt
Status
Betingelser
Intervention / Behandling
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Stefania Piconi, MD
- Telefonnummer: +390341489890
- E-mail: s.piconi@asst-lecco.it
Undersøgelse Kontakt Backup
- Navn: Silvia Pontiggia, MS
- Telefonnummer: +390341253678
- E-mail: s.pontiggia@asst-lecco.it
Studiesteder
-
-
-
Lecco, Italien, 23900
- Stefania Piconi
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
For hver patient vil der blive indsamlet oplysninger om:
- Personlige data (dvs. alder, køn, nationalitet);
- Dato for hospitalsindlæggelse og udskrivelse (eller død)
- Comorbiditeter;
- Behandlinger foretaget for Covid19;
- Mulig vaccination mod Covid19, dato og antal doser;
- Mulig begyndelse af sekundære infektioner og/eller komplikationer;
- Blodkemiprøver ved indlæggelse
Beskrivelse
Inklusionskriterier:
- Alder > 18 år;
- Hospitalsindlæggelse for COVID-19 lungebetændelse hos ASST Lecco.
Ekskluderingskriterier:
- Hospitalsindlæggelse eller konstatering af asymptomatisk SARS CoV-2-infektion.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
COVID-19 1°-bølge
Hospitalsindlagte patienter for COVID19-lungebetændelse under første bølge (FEB-MAJ 2020)
|
Brug af kunstig intelligens (AI) til forudsigelse af kliniske udfald såsom død og komplikationer hos patienter indlagt for COVID-lungebetændelse under de 4 pandemibølger
|
|
COVID-19 2° bølge
Hospitalsindlagte patienter for COVID19-lungebetændelse under anden bølge (OKT-DEC 2020)
|
Brug af kunstig intelligens (AI) til forudsigelse af kliniske udfald såsom død og komplikationer hos patienter indlagt for COVID-lungebetændelse under de 4 pandemibølger
|
|
COVID-19 3° bølge
Hospitalsindlagte patienter for COVID19-lungebetændelse under den tredje bølge (GEN-MAJ 2021)
|
Brug af kunstig intelligens (AI) til forudsigelse af kliniske udfald såsom død og komplikationer hos patienter indlagt for COVID-lungebetændelse under de 4 pandemibølger
|
|
COVID-19 4° bølge
Hospitalsindlagte patienter for COVID19-lungebetændelse under den fjerde bølge (NOV 2021-MAR 2022)
|
Brug af kunstig intelligens (AI) til forudsigelse af kliniske udfald såsom død og komplikationer hos patienter indlagt for COVID-lungebetændelse under de 4 pandemibølger
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Konstruktion af prædiktive modeller
Tidsramme: 6 måneder
|
Konstruktion af prædiktive modeller til at evaluere kliniske resultater såsom død og/eller begyndelse af sekundær infektion baseret på de indsamlede data vedrørende de 4 COVID-19-bølger.
|
6 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
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
- AI COVID-19
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-pandemi
-
PfizerAktiv, ikke rekrutterendeCOVID-19 | Coronavirus sygdom 2019 (COVID-19) | Covid-19-infektion | Vacciner mod covid-19 | SARS-CoV-2-infektion, COVID19 | COVID-19-vaccination | SARS-CoV-2-infektion, COVID-19 | COVID-19 (Coronavirus sygdom 2019) | COVID-19 SARS-CoV-2-infektionForenede Stater
-
PfizerRekrutteringLuftvejssygdomme | COVID-19 | Lungebetændelse | Lungesygdomme | Coronavirussygdom 2019 | Coronavirus sygdom 2019 (COVID-19) | Covid-19-infektion | Øvre luftvejsinfektioner | Luftvejsinfektion | COVID-19 (Coronavirus sygdom 2019) | COVID-19 SARS-CoV-2-infektionBelgien
-
Shanghai Public Health Clinical CenterIkke rekrutterer endnu
-
Duke UniversityNational Institute on Minority Health and Health Disparities (NIMHD)Afsluttet
-
Eggensberger OHGBavarian Health and Food Safety Authority (LGL)RekrutteringTilstand efter COVID-19 | Efter COVID-19 | Post COVID-19 syndrom | Langt COVID-19 syndrom | Post COVID-19 tilstand (PCC)Tyskland
-
Yang I. PachankisAktiv, ikke rekrutterendeCOVID-19 luftvejsinfektion | COVID-19 stresssyndrom | COVID-19-vaccinebivirkning | COVID-19-associeret tromboembolisme | COVID-19 Post-Intensive Care Syndrome | COVID-19-associeret slagtilfældeKina
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico og andre samarbejdspartnereAfsluttetPostakutte følgesygdomme af COVID-19 | Tilstand efter COVID-19 | Langtids-COVID | Kronisk COVID-19 syndromItalien
-
Lawson Research Institute of St. Joseph'sCanadian Institutes of Health Research (CIHR); Western University, CanadaRekrutteringTræthed | Post-COVID-19 syndrom | Tilstand efter COVID-19 | Post-COVID syndrom | Lang COVID-19 | Langtids-COVID | Post-COVID tilstandCanada
-
University of Missouri, Kansas CityNational Institute on Minority Health and Health Disparities (NIMHD)Aktiv, ikke rekrutterendeCovid-19 testadfærdForenede Stater
-
RSUP PersahabatanAfsluttetPost COVID-19 syndrom | Langt COVID-19 syndrom | Post COVID-syndrom Long CovidIndonesien