- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06886529
Pagtinddragelse hos kardiologipatienter
Tidlig pagtinddragelse hos kardiologipatienter, der bruger maskinlæring
Målet med dette forsøg er at bestemme effektiviteten af en maskinlæringsmodel (ML) -model, der forudsiger en seriøs hjertebegivenhed inden for de næste tre måneder, når man sammenligner pre-versus post-dollision, i pædiatriske hjertepatienter. De vigtigste spørgsmål, det sigter mod at besvare, er, om implementering af ML -modellen:
- Øger PACT -konsultation inden for de næste tre måneder blandt optagelser uden pagtinddragelse i de foregående 100 dage
- Øger PACT -konsultation eller besøg inden for de næste tre måneder blandt dem, der oplever en seriøs hjertebegivenhed i denne periode
- Sænker tid til at page konsultation eller besøge blandt dem, der ses af PACT i denne periode
- Reducerer forekomsten af død i intensivafdelingen (ICU)
- Øger dokumentation af plejemål
Kardiologipatienter med høj risiko vil blive identificeret ved en ML-model hver morgen. Hvis patienten er blevet set af PACT -teamet inden for det forløbne år, går opdateringen til PACT -teammedlemmerne. Hvis patienten ikke er blevet set af PACT -teamet, sendes e -mailen til den kardiologiske læge, der er ansvarlig for patienten. Denne læge vil beslutte, om en PACT -konsultation er nødvendig baseret på deres kliniske vurdering. I så fald fremsættes en henvisning ved hjælp af den sædvanlige proces. Resultaterne af de identificerede patienter vil blive sammenlignet før og efter afgift.
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
På Hospital for Sick Children (Sickkids) er samarbejdet mellem kardiologi og palliativ pleje meget stærkere end andre centre, med rutinemæssig involvering hos patienter, der overvejes til hjertetransplantation. På trods af dette ville tidligere involvering af palliativ pleje være fordelagtig. Vores kardiologiske co-efterforskere identificerede patienter, der ville drage fordel af tidligere palliativt plejeteam involvering som dem, der modtager avancerede hjertebehandlinger (defineret som ventrikulær assistent enhed (VAD) og være ventet på hjertetransplantation) og dem, der dør.
Vi skabte et klinisk implementeringsmiljø ved navn SickKids Enterprise-Wide Data i Azure Repository (SEDAR). [1] Sedar er en modulopbygget og robust tilgang til at levere grundlæggende data, der er genanvendelige på tværs af flere ML-projekter. Det tilbyder validerede EHR -data i et standardiseret og kurateret skema. ML er en lovende tilgang til at identificere hjertepatienter med den højeste risiko for disse alvorlige hjerte -resultater, der kan drage fordel af tidligere inddragelse af palliativt plejeteam. For at vurdere effektiviteten af denne fremgangsmåde sammenlignes patientresultater før og efter indgivelsen af ML-modellen. Pre-perioden vil omfatte patienter, der er optaget i en 12-måneders periode før implementering (startende 15 måneder før implementeringen). Post-perioden vil omfatte patienter, der er optaget i en periode på 12 måneder efter implementering, der starter 3 måneder efter indgivelsen af starten.
Undersøgelsestype
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Lillian Sung, MD, PhD
- Telefonnummer: 4168135287
- E-mail: lillian.sung@sickkids.ca
Undersøgelse Kontakt Backup
- Navn: Agata Wolochacz, BMSc
- Telefonnummer: 309976 4168137654
- E-mail: agata.wolochacz@sickkids.ca
Studiesteder
-
-
-
Toronto, Canada, M5G1X8
- Rekruttering
- The Hospital for Sick Children
-
Kontakt:
- Lillian Sung, MD, PhD
- Telefonnummer: 416-813-5287
- E-mail: lillian.sung@sickkids.ca
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
Tager imod sunde frivillige
Beskrivelse
Inkluderingskriterier:
- Pædiatriske indpatienter indlagt på kardiologi
Ekskluderingskriterier:
- Forventes at blive udskrevet før midnat på optagelsesdagen
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Primært formål: Støttende pleje
- Tildeling: N/A
- Interventionel model: Enkelt gruppeopgave
- Maskning: Ingen (Åben etiket)
Våben og indgreb
Deltagergruppe / Arm |
Intervention / Behandling |
|---|---|
|
Eksperimentel: ML -model
Hjertepatienter identificeret ved en ML -model for at have den højeste risiko for alvorlige hjerte -resultater.
|
ML -model, der forudsiger en seriøs hjertebegivenhed hos hjertepatienter, defineret som VAD -procedure, der ventede på hjertetransplantation eller død inden for de næste tre måneder.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Andel af optagelser med PACT -konsultation inden for de næste tre måneder blandt optagelser uden pagtinddragelse i de foregående 100 dage
Tidsramme: Tilmeldingstid til 3 måneder
|
Det primære resultat vil være andelen af optagelser med PACT -konsultation inden for de næste tre måneder blandt optagelser uden pagtinddragelse i de foregående 100 dage.
Denne variabel måles ved hjælp af Sedar.
|
Tilmeldingstid til 3 måneder
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
PACT -konsultation eller besøg inden for de næste tre måneder blandt dem med en positiv modelforudsigelse
Tidsramme: Tilmeldingstid til 3 måneder
|
PACT -konsultation eller besøg inden for de næste tre måneder blandt dem med en positiv modelforudsigelse måles ved hjælp af Sedar.
|
Tilmeldingstid til 3 måneder
|
|
Tid til at page konsultation eller besøge blandt dem, der ses af pagt
Tidsramme: Tilmeldingstid til 3 måneder
|
Tid til pagtkonsultation eller besøg blandt dem, der ses af PACT, måles ved hjælp af Sedar.
|
Tilmeldingstid til 3 måneder
|
|
Døden i ICU
Tidsramme: Tilmeldingstid til 3 måneder
|
Døden i ICU måles ved hjælp af Sedar.
|
Tilmeldingstid til 3 måneder
|
|
Dokumentation af plejemål
Tidsramme: Tilmeldingstid til 3 måneder
|
Mål for pleje vil blive abstraheret via diagramgennemgang.
|
Tilmeldingstid til 3 måneder
|
Samarbejdspartnere og efterforskere
Sponsor
Efterforskere
- Ledende efterforsker: Lillian Sung, MD, PhD, The Hospital for Sick Children
Publikationer og nyttige links
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
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
Andre undersøgelses-id-numre
- 3433
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
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 Maskinelæring
-
Kırıkkale UniversityTilmelding efter invitationÅndelig omsorg | Flipped Learning ModelTyrkiet (Türkiye)
-
National Taiwan University HospitalRekrutteringDyb læring | Ammende | Mechine Learning | Kunstig intelligens (AI)Taiwan
-
Hand & Reconstructive MicrosurgeryAfsluttetMasselæring, Spaced Learning, Mikrokirurgi
-
RenJi HospitalIkke rekrutterer endnuAnvendelse af kunstig intelligens Deep Learning-teknologi i magnetisk resonans lumbal billeddannelseDeep Learning, Lumbal Magnetic Resonance Imaging
-
Cairo UniversityIkke rekrutterer endnuEndodonti | AI (kunstig intelligens) | Deep Learning Model | Perforering | Missede kanaler | Endodontisk genbehandling | Non-surgical Retreatment | DIFFICULTY ASSESSMENT | SEPARATED INSTRUMENT | Poor Obturation | Obturation Quality
-
Seoul National University Bundang HospitalIkke rekrutterer endnuSlagvolumen variation | Pulstrykvariation | Deep Learning Model | Arterielle bølgerefleksioner | Perifer veneKorea, Republikken
-
HITEC-Institute of Medical SciencesAfsluttetOSCE (Objective Structured Clinical Examination) | TBL (Team Based Learning) | Undervisning af kliniske færdigheder til medicinske studerendePakistan
-
Fenerbahce UniversityIkke rekrutterer endnuSkulderdystoci-træning med AI-understøttet flipped learning i jordemoderuddannelsenTyrkiet (Türkiye)
-
Yang ChaonanIkke rekrutterer endnuRisikofaktorer | Kritisk syge patienter | Trykskade | Machine Learning Algoritmer
-
University of ZurichRekrutteringForudsigelse af slagtilfældeudfald understøttet af Deep Learning AlgorithmSchweiz
Kliniske forsøg med ML-baseret intervention
-
National Healthcare Group PolyclinicsInstitute of Mental Health, Singapore; Lee Kong Chian School of Medicine... og andre samarbejdspartnereIkke rekrutterer endnuMentalt helbred | Trivsel/LivskvalitetSingapore
-
University of PaviaUniversità degli Studi di BresciaAfsluttetMentalt velværeItalien
-
Stockholm UniversityKarolinska Institutet; Region Stockholm; Centrum för kompetensutveckling... og andre samarbejdspartnereAktiv, ikke rekrutterende
-
Washington University School of MedicineSpinal Cord Injury/Disease Research ProgramAfsluttet
-
University of Nevada, Las VegasIkke rekrutterer endnuPost traumatisk stress syndrom
-
University of California, Los AngelesBrown University; Asociación Civil Impacta Salud y Educación, Peru; The Fenway...Afsluttet
-
Necmettin Erbakan UniversityAfsluttetVaccine tøven | BarndomsvaccinationKalkun
-
University of SheffieldPrincess Nourah Bint Abdulrahman UniversityAfsluttetSpiseforstyrrelse symptom og kropsbillede utilfredshedSaudi Arabien
-
Albert Einstein College of MedicineHealth Resources and Services Administration (HRSA); The New SchoolAfsluttetVold i hjemmet | BørnemishandlingForenede Stater