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

Forudsigelse af varigheden af ​​mekanisk ventilation ved akut hypoxemisk respiratoti -svigt (PREMIER)

7. juli 2026 opdateret af: Jesus Villar

Forudsigelse af varigheden af ​​mekanisk venylering hos patienter med akut hypoxemisk respirationssvigt USINF Machine Learning Metoder

Akut hypoxemisk respirationssvigt (AHRF) er en almindelig årsag til optagelse i intensivafdeling (ICU'er) over hele verden. Vi vil vurdere maskinlæring (ML) teknikker til forudsigelse af langvarig varighed (> OR = til 7 dage) af mekanisk ventilation (MV) hos 1.241 patienter, der er indskrevet i Pandora -undersøgelsen i Spanien. Undersøgelsen blev registreret hos Clintrials.gov (NCT03145974). Vores mål er at identificere en model med det mindste antal variabler, der forudsiger varighed af langvarig ventilation hos AHRF -patienter, der bruger data så tidligt som fra de første 48 timer med maskinlæringsalgoritmer.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Akut hypoxemisk respirationssvigt (AHRF) er den mest almindelige årsag til optagelse i intensivafdelinger (ICU'er) over hele verden. Undersøgere vil vurdere værdien af ​​maskinlæringsteknikker til forudsigelse af langvarig varighed (> eller lig til 7 dage) af mekanisk ventilation (MV) hos 1.241 patienter, der er indskrevet i Pandora -undersøgelsen i Spanien. Få undersøgelser har undersøgt forudsigelsen af ​​langvarig MV hos patienter med AHRF.

Til modeluddannelse og testning vil efterforskerne udtrække data fra tilfældige pathints fra de første 2 dage efter diagnose af AHRF. Efterforskerne havde en database med 2.000.000 anonymiseret og dissocieret demografi og klinisk relevante data fra 1.241 patienter med AHRF fra 22 hospitaler i Spanien. Undersøgere vil følge stativets retningslinjer for forudsigelsesmodeller. Undersøgere vil screente relevante indsamlede variabler ved hjælp af en genetisk algoritme -variabel valg for at opnå parsimonium. Vi vil bruge 5 gange CORSS-validering i datasættet hos patienter med data ved T0, T24 og T48. Vi vil bruge 25% af patienterne tilfældigt valgt til evaluering af modellen.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

1241

Kontakter og lokationer

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

Studiesteder

  • Spanien
      • Madrid, Spanien
        • Hospital Universitario La Paz
    • Las Palmas
      • Las Palmas de Gran Canaria, Las Palmas, Spanien, 35019
        • Hospital Dr. Negrín

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-identificerede datasæt, der inkluderede 1241 ventilerede patienter med AHRF, indrømmede i et netværk af Spainisg ICU'er.

Beskrivelse

Inkluderingskriterier:

  • Enotracheal Intubation Puls Mekanisk ventilation
  • PaO2/FiO2 -forhold <OR = 300 mmHg under MV med Peep> OR = 5 og FiO2> OR = 0,3

Ekskluderingskriterier:

  • 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
Afledning/testkohort
Undersøgere vil bruge en chort på 75% af patienterne, tilfældigt valgt, med data ved T0, T24 og T48 efter diagnose af akut hypoxemisk respirationssvigt (AHRF). Vi anvender maskinlæringsmetoder.
Andet: Maskinindlæring og logistisk regression til træning/testkohort og valideringskohort
Maskinindlæring og logistisk regression til valideringskohorten
Validering Hohort
Vi vil bruge 25% af usete patienter, tilfældigt valgt, med data ved T0, T24 og T48 efter diagnose af AHRF.
Andet: Maskinindlæring og logistisk regression til træning/testkohort og valideringskohort
Maskinindlæring og logistisk regression til valideringskohorten

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
MV -varighed
Tidsramme: Op til 100 uger
Varighed af mekanisk ventilation
Op til 100 uger

Samarbejdspartnere og efterforskere

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

Sponsor

Jesus Villar

Samarbejdspartnere

Instituto de Salud Carlos III
Hospital Universitario de Gran Canaria Doctor Negrín

Efterforskere

  • Studieleder: Jesus Villar, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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.

Generelle publikationer

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)

2. februar 2025

Primær færdiggørelse (Faktiske)

1. maj 2026

Studieafslutning (Faktiske)

1. juni 2026

Datoer for studieregistrering

Først indsendt

3. februar 2025

Først indsendt, der opfyldte QC-kriterier

3. februar 2025

Først opslået (Faktiske)

7. februar 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

8. juli 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

7. juli 2026

Sidst verificeret

1. juli 2026

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • PIFIISC24

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Etiske grunde

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 .

Abonner