Unüberwachtes maschinelles Lernen für das Clustering von septischen Patienten zur Bestimmung der optimalen Behandlung
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Phase
Phase
- Phase 2
Kontakte und Standorte
Studienkontakt
Studienkontakt
- Name: Qingqing Mao, PhD
- Telefonnummer: 5108269508
- E-Mail: qmao@dascena.com
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Alle Erwachsenen über 18 Jahren, die zu einer der in dieser Studie untersuchten klinischen Subpopulationen gehören, sind zur Teilnahme an der Studie berechtigt.
Ausschlusskriterien:
- Unter 18 Jahren
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Diagnose
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Verdreifachen
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: Flüssigkeitsbehandlungsspezifischer Algorithmus
Der experimentelle Arm umfasst Patienten, die von der für die Flüssigkeitsbehandlung angepassten Version von InSight überwacht werden.
|
Der InSight-Algorithmus, der Informationen aus der elektronischen Patientenakte (EHR) eines Patienten bezieht, um den Beginn einer schweren Sepsis vorherzusagen, und in dieser Studie angepasst wird, um zwischen Gruppen von Patienten zu unterscheiden, die entsprechend der Art ihres Krankheitsverlaufs ähnlich auf die Flüssigkeitsbehandlung ansprechen .
|
|
Aktiver Komparator: Standard-InSight
Der Kontrollarm umfasst Patienten, die mit der standardmäßigen, nicht behandlungsspezifischen Version von InSight überwacht werden.
|
Der nicht angepasste InSight-Algorithmus, der Informationen aus der elektronischen Patientenakte (EHR) eines Patienten bezieht, um den Beginn einer schweren Sepsis vorherzusagen.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
SIRS-basierte Mortalität im Krankenhaus
Zeitfenster: Bis zum Studienabschluss durchschnittlich 8 Monate
|
Mortalität, die Patienten zugeschrieben wird, die zu irgendeinem Zeitpunkt während ihres Aufenthalts zwei oder mehr SIRS-Kriterien erfüllen
|
Bis zum Studienabschluss durchschnittlich 8 Monate
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Ermittler
Ermittler
- Hauptermittler: Qingqing Mao, PhD, Dascena, Inc.
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Calvert J, Mao Q, Hoffman JL, Jay M, Desautels T, Mohamadlou H, Chettipally U, Das R. Using electronic health record collected clinical variables to predict medical intensive care unit mortality. Ann Med Surg (Lond). 2016 Sep 6;11:52-57. doi: 10.1016/j.amsu.2016.09.002. eCollection 2016 Nov.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
- Mao Q, Jay M, Hoffman JL, Calvert J, Barton C, Shimabukuro D, Shieh L, Chettipally U, Fletcher G, Kerem Y, Zhou Y, Das R. Multicentre validation of a sepsis prediction algorithm using only vital sign data in the emergency department, general ward and ICU. BMJ Open. 2018 Jan 26;8(1):e017833. doi: 10.1136/bmjopen-2017-017833.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Voraussichtlich)
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 19-426246
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .