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

Forskning i multimodal multi-objektiv integreret maskinealgoritme til hofteudskiftningskirurgi

13. november 2024 opdateret af: Jingkun Liu

HoPreM Platform: Effektiv multimodal multi-task forudsigelse af perioperative hændelser efter hofteprotesekirurgi

Formål:

Formålet med denne undersøgelse er at udvikle den holistiske prædiktive multi-tasking platform for klinisk dataanalyse (HoPreM) til nøjagtigt at forudsige perioperative hændelser efter hofteprotesekirurgi ved at integrere forskellige typer data, herunder demografisk, kirurgisk, medicinsk historie og laboratorieinformation. De hændelser, vi sigter efter at forudsige, omfatter akut nyreskade (AKI), krav til blodtransfusion, 48-timers postoperativ udskrivning (48hPOD), overførsel til intensivafdelinger (ICU) og længde af hospitalsophold (LOS).

Nøglespørgsmål:

Kan HoPreM-platformen reducere risikoen for komplikationer efter hofteproteseoperation? Hvor nøjagtig er platformen til at forudsige de førnævnte perioperative hændelser?

Deltagerne vil:

Være patienter, der gennemgår en hofteproteseoperation, i alderen 18 år og derover, med mindre end 10 % manglende værdier i deres lægejournaler.

Få deres data brugt til at træne og teste de forudsigelige modeller af HoPreM-platformen.

Undersøgelsesprocedurer:

Patientdata vil blive indsamlet fra Xi'an Honghui Hospital, inklusive kreatininværdier før og efter operationen.

Forskere vil bruge HoPreM-platformen til at behandle multimodale data, herunder demografiske, kirurgiske, medicinske historie og laboratorietestdata.

Platformen vil anvende forskellige ensemblelæringsalgoritmer (herunder XGBoost, random forest, LightGBM og CatBoost) til at forudsige forskellige perioperative resultater.

Forventede resultater:

HoPreM-platformen vil demonstrere sin evne til at forudsige komplikationer efter hofteprotesekirurgi, især akut nyreskade og blodtransfusionsbehov.

Gennem SHAP-værdianalyse vil undersøgelsen yderligere afsløre sammenhængen mellem funktioner og kliniske resultater, hvilket forbedrer modellens fortolkbarhed og kliniske anvendelighed.

Kontaktoplysninger:

Hvis du har spørgsmål til denne undersøgelse eller ønsker mere information, bedes du kontakte forskerteamet.

Studieoversigt

Status

Aktiv, ikke rekrutterende

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Denne undersøgelse har til formål at udvikle den holistiske prædiktive multi-tasking platform for klinisk dataanalyse (HoPreM) til nøjagtigt at forudsige perioperative hændelser efter hofteprotesekirurgi. HoPreM-platformen integrerer forskellige typer patientdata, herunder demografisk, kirurgisk, medicinsk historie og laboratorieoplysninger. Ved at bruge en multi-task læringsramme er platformen designet til at forudsige flere perioperative komplikationer, såsom akut nyreskade (AKI), krav til blodtransfusion, 48-timers postoperativ udskrivning (48hPOD), Intensive Care Unit (ICU) overførsel og længde af hospitalsophold (LOS). For at øge prædiktiv nøjagtighed anvendes funktionsudvælgelsesteknikker som Lasso-regression og tilfældige skovmodeller, efterfulgt af ensemblelæringsalgoritmer, inklusive CatBoost. Denne forudsigende platform forventes at understøtte personlig postoperativ styring, reducere komplikationsfrekvensen og forbedre de kliniske resultater for hofteprotesepatienter.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

6271

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

Denne undersøgelse omfatter voksne patienter, som har gennemgået en hofteproteseoperation på Xi'an Honghui Hospital. Undersøgelsespopulationen er karakteriseret ved en bred vifte af køn, alder og sygehistorie, herunder patienter med hypertension, diabetes og andre komorbiditeter. Inklusionskriterierne er:

Alder 18 år eller ældre Manglende værdier i journaler mindre end 10 % Logisk konsistente journaler Tilgængelighed af både præoperative og postoperative kreatininværdier Målet er at skabe et omfattende datasæt, der repræsenterer den typiske demografiske patienter, der ses i klinisk praksis til hofteprotesekirurgi.

Beskrivelse

Inklusionskriterier:

Patienter, der har gennemgået hofteprotesekirurgi Alder 18 år eller ældre Manglende værdier i journaler mindre end 10 % Logisk konsistente journaler Tilgængelighed af både præoperative og postoperative kreatininværdier

Ekskluderingskriterier:

Ikke-hofteprotesepatienter (patienter, der ikke har gennemgået hofteproteseoperationer) Alder under 18 år Manglende værdier større end 10 % i journalen Logiske uoverensstemmelser i journalen Ingen tilgængelige præoperative eller postoperative kreatininværdier

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
Hofteudskiftningskohorte
Denne kohorte omfatter patienter, der gennemgår en hofteproteseoperation. HoPreM-platformen bruges til multi-task prædiktiv analyse af perioperative komplikationer, herunder AKI, blodtransfusionskrav, postoperativ udskrivning inden for 48 timer, ICU-overførsel og hospitalsopholdslængde (LOS).
Andet: Multimodal dataintegration og Multi-Task Learning
Denne undersøgelse anvender en multimodal dataintegration og multi-task læringstilgang til at forudsige perioperative hændelser efter hofteprotesekirurgi. Ved at kombinere forskellige datatyper, herunder demografi, kirurgiske detaljer, sygehistorie og laboratorieresultater, forbedrer modellen forudsigelsesnøjagtigheden for resultater som AKI, blodtransfusionsbehov og ICU-overførsler. Brugen af ​​ensemble-læringsalgoritmer som CatBoost optimerer platformens ydeevne og tilbyder en unik metode til klinisk beslutningsstøtte.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Blodtransfusionskrav
Tidsramme: Fra efter operationen dag 1 og frem til udskrivelsen op til maksimalt 40 dage, vurderet ud fra om der er registreret blodtransfusion under indlæggelsen.
At vurdere behovet for blodtransfusion postoperativt.
Fra efter operationen dag 1 og frem til udskrivelsen op til maksimalt 40 dage, vurderet ud fra om der er registreret blodtransfusion under indlæggelsen.
48-timers postoperativ udskrivning
Tidsramme: Inden for 48 timer efter operationen, vurderet ud fra om patienten blev udskrevet fra hospitalet inden for denne 48 timers periode.
Dette resultatmål vurderer, om patienten blev udskrevet fra hospitalet inden for 48 timer efter operationen.
Inden for 48 timer efter operationen, vurderet ud fra om patienten blev udskrevet fra hospitalet inden for denne 48 timers periode.
ICU overførsel
Tidsramme: Fra dag 1 efter operationen og frem til udskrivelsen op til maksimalt 40 dage, vurderet ud fra, om der er sket en ICU-overførsel under indlæggelsen.
Dette resultatmål registrerer, om patienten blev overført til intensivafdelingen (ICU) på et hvilket som helst tidspunkt under hospitalsopholdet fra dag 1 efter operationen indtil udskrivelsen, med en maksimal observationsperiode på 40 dage.
Fra dag 1 efter operationen og frem til udskrivelsen op til maksimalt 40 dage, vurderet ud fra, om der er sket en ICU-overførsel under indlæggelsen.
Længde af hospitalsophold
Tidsramme: Samlet varighed af hospitalsophold fra indlæggelse til udskrivelse, med en maksimal observationsperiode på 40 dage.
Dette resultatmål beregner det samlede antal dage, patienten tilbringer på hospitalet fra indlæggelsestidspunktet til udskrivelsen, op til maksimalt 40 dage.
Samlet varighed af hospitalsophold fra indlæggelse til udskrivelse, med en maksimal observationsperiode på 40 dage.
Forekomst af akut nyreskade (AKI).
Tidsramme: Fra dag 1 til dag 7 efter operationen.
AKI forekomst vil blive vurderet dagligt ved at sammenligne serum kreatinin niveauer med den præoperative baseline. AKI-incidens bestemmes af en stigning på ≥0,3 mg/dL i kreatinin inden for 48 timer eller en stigning på ≥50 % inden for 7 dage fra baseline.
Fra dag 1 til dag 7 efter operationen.

Samarbejdspartnere og efterforskere

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

Sponsor

Jingkun Liu

Efterforskere

  • Ledende efterforsker: Jingkun Liu, Honghui hospital, Xi'an Jiaotong University

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)

24. oktober 2024

Primær færdiggørelse (Faktiske)

31. oktober 2024

Studieafslutning (Anslået)

31. december 2025

Datoer for studieregistrering

Først indsendt

6. november 2024

Først indsendt, der opfyldte QC-kriterier

12. november 2024

Først opslået (Faktiske)

14. november 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Anslået)

18. november 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

13. november 2024

Sidst verificeret

1. november 2024

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • Xi'anHongHuiH

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

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 Hofteprotesekirurgi

Kliniske forsøg med Multimodal dataintegration og Multi-Task Learning

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Latvia

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner