- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03644940
Subpopulationsspezifische Sepsis-Identifikation durch maschinelles Lernen
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Von Juli 2020 bis einschließlich Februar 2021 werden wir eine randomisierte kontrollierte Studie (RCT) in acht Subpopulationen bei CRMC, OH und UCSF durchführen. Die Teilpopulationen, die in die Studie eingeschlossen werden, sind: Kardiologie, Gastroenterologie (GI), Intensivstation (ICU), Medizin, Onkologie, Chirurgie, Transplantation und Notaufnahme (ED). Alle Ziele dieser Studie in beiden Phasen, einschließlich der RCT, wurden vom Pearl Institutional Review Board mit Verzicht auf Einverständniserklärung (IRB00007772, FWA00026887) genehmigt.
Während des Studienzeitraums werden alle Patienten über 18 Jahren, die sich in der Notaufnahme vorstellen oder in einer stationären Einheit in den teilnehmenden Einrichtungen aufgenommen werden, automatisch in die Studie aufgenommen, wenn sie Mitglied einer der acht an dieser Studie interessierten Subpopulationen sind , bis die angestrebte Einschreibung für die Studie erreicht ist. Die Registrierung beinhaltet eine Randomisierung entweder in den Kontroll- oder den experimentellen Arm. Die Zuteilung der Patienten in die Versuchs- oder Kontrollgruppe erfolgt anhand einer zufälligen Zuteilungssequenz, die von einem Computerprogramm vor Beginn der Studie durch einfache Randomisierung mit einem Zuteilungsverhältnis von 1:1 generiert wird. Diese Zuordnungssequenz wird gegenüber Patienten, Gesundheitsdienstleistern und Studienprüfern geheim gehalten. Die Studie wird jedoch ein Open-Label-Design haben, da eine vollständige Verblindung nicht möglich ist, da einige Gruppenzuordnungen nach Erhalt telefonischer Benachrichtigungen auf natürliche Weise aufgedeckt werden.
Es wird zwei Arme in der Studie geben. Der Kontrollarm umfasst Patienten, die mit der Originalversion von InSight überwacht werden, und der Versuchsarm umfasst Patienten, die mit der subpopulationsspezifischen Version von InSight überwacht werden. Wenn der anwendbare Algorithmus in beiden Armen feststellt, dass ein Patient ein hohes Risiko für eine schwere Sepsis aufweist, wird eine telefonische Benachrichtigung an die am aktuellen Aufenthaltsort des Patienten diensthabende Krankenschwester gesendet. Die Reaktion auf Warnungen folgt dem Protokoll unserer vorherigen klinischen Sepsis-Studie. Das Verfahren besteht aus einer Krankenschwester, die eine Untersuchung des Patienten am Krankenbett durchführt, um eine vermutete Infektion auszuschließen. Dazu gehören die Bewertung der Vitalfunktionen des Patienten, EHR-Notizen und aktuelle Laborergebnisse. Wenn die Pflegekraft eine schwere Sepsis vermutet, untersucht ein Arzt den Patienten anschließend und verordnet gegebenenfalls die Verabreichung des Standard-Sepsis-Behandlungsbündels.
Bei der Verwaltung klinischer Studien werden einige Open-Label-Studien cluster-randomisiert, während andere auf individueller Patientenebene randomisiert werden. Cluster-Randomisierung wird häufig verwendet, um die "Kontamination" zwischen Behandlungs- und Kontrollgruppen zu minimieren, da die Exposition von Anbietern gegenüber Patienten aus beiden Armen in einer offenen Studie häufig zu unbeabsichtigten Verhaltensverzerrungen führt. Diese Verzerrungen können dazu führen, dass Anbieter ihre Interventionen in der Kontrollgruppe anpassen, um ihre Aktionen in der experimentellen Gruppe nachzuahmen, wodurch die Wirkung der Intervention maskiert und die Studienergebnisse gegen Null verzerrt werden. Obwohl offene, cluster-randomisierte Studien die Kontamination zwischen Gruppen wirksam minimieren, haben sie mehrere erhebliche Nachteile, darunter eine größere Komplexität in Design und Analyse sowie größere Anforderungen an die Patientenrekrutierung, um die gleiche statistische Aussagekraft zu erreichen. Da größere Stichprobenumfänge häufig eine Erhöhung der Kosten, der Länge oder der Komplexität einer Studie erfordern, hat die aktuelle Forschung gezeigt, dass die Studienteilnehmer aufgrund der Nachteile der Clusterzuordnung nach Möglichkeit eine individuelle Randomisierung verwenden sollten. Angesichts dieser Überlegungen kamen wir zu dem Schluss, dass die individuelle Randomisierung die beste Strategie für unsere Studie ist, da sie eine signifikante Steigerung der statistischen Aussagekraft bietet und es ermöglicht, dass jedes Patientenergebnis unabhängig von jedem anderen Patienten bewertet wird. Um mögliche Verzerrungen zu minimieren, haben wir uns außerdem entschieden, den Text des automatisierten Telefonanrufs in beiden Armen identisch zu gestalten. Die erfolgreiche Anwendung der Randomisierung auf Patientenebene in unserer früheren klinischen Sepsisstudie gibt uns Vertrauen in dieses Studiendesign.
Nach der Entlassung des letzten aufgenommenen Patienten werden wir bewerten, ob der primäre Endpunkt der SIRS-basierten Mortalität im Krankenhaus und die sekundären Endpunkte der schweren Sepsis/schockcodierten Mortalität im Krankenhaus, der SIRS-basierten Krankenhausaufenthaltsdauer und der schweren Sepsis /schockcodierte Krankenhausaufenthaltsdauer eingehalten werden. Zusätzliche Ergebnismessungen von Interesse für jede SIRS-basierte und schwere Sepsis/Schock-codierte Patientengruppe umfassen: Zeit bis zum Abschluss jedes Elements des Surviving Sepsis Campaign (SSC)-Pakets; beatmungsfreie Tage; Tage auf der Intensivstation; und 30-Tage-Krankenhaus-Wiederaufnahmerate. Das 1-stündige SSC-Paket besteht aus der Entnahme von Blutkulturen, der Messung des Laktatspiegels, der Verabreichung von Breitbandantibiotika, der Verabreichung von 30 ml/kg kristalloider Flüssigkeit bei Bluthochdruck oder Laktat >4 mmol/l und der Anwendung von Vasopressoren, wenn der Patient während oder nach der Behandlung hypotonisch ist Flüssigkeitsreanimation.
Patienten werden als „SIRS-basiert“ betrachtet und in die primäre Endpunktanalyse eingeschlossen, wenn sie zu irgendeinem Zeitpunkt während ihres Aufenthalts zwei oder mehr SIRS-Kriterien erfüllen. Der Grund für dieses Einschlusskriterium besteht darin, dass der Algorithmus eine schwere Sepsis erkennen kann, bevor sie in der Tabelle ersichtlich ist, und dass die Sepsis daher durch frühzeitiges Eingreifen behoben werden kann, bevor eine schwere Sepsis in der Krankenakte dokumentiert wird. Wenn zum Beispiel eine CDS-Warnung zu einem Behandlungsbeginn führt, bevor die auf eine Organfunktionsstörung hinweisenden Labore gezogen werden, kann der Zustand des Patienten einer „schweren Sepsis“ zensiert werden. Eine Beschränkung der Einschlusskriterien auf die Definitionskriterien für schwere Sepsis von 2001 (Sepsis-2) oder die Sepsis-3-Kriterien würde solche Patienten von der Analyse ausschließen; Eine solche Zensur wird jedoch durch unsere Verwendung von SIRS-basierten Einschlusskriterien vermieden.
Wir planen, auf EHR-basierte klinische Daten für die primäre Endpunktanalyse zurückzugreifen, im Gegensatz zu anspruchsbasierten Daten, da sie objektivere Messungen der Patientenergebnisse liefern können. Um jedoch mit anderen Studien zu vergleichen, die eine kodierungsbasierte Einbeziehung verwenden, werden Anspruchsdaten in den Einschlusskriterien für sekundäre Endpunkte verwendet. Patienten gelten als dokumentiert „schwere Sepsis/septischer Schock codiert“ und werden in die sekundäre Endpunktanalyse aufgenommen, wenn sie entweder die Angus-Implementierungskriterien oder einen der folgenden Diagnosecodes erfüllen: R6520 und/oder R6521 mit den Sepsis-Codes A400, A401, A403 , A408, A4101, A4102, A411, A412, A413, A414, A4150, A4151, A4152, A4153, A4159, A4181, A4189, A427, A021, A227, A267, A327, A5486, B377. Es ist bekannt, dass die Verwendung von expliziten ICD-Codes allein zum Verfolgen von Sepsis eine hohe Spezifität, aber eine geringe Sensitivität aufweist.
Am Ende der Studie werden wesentliche Ergebnisse als wissenschaftliche Arbeiten veröffentlicht.
Studientyp
Phase
- Phase 2
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: DIAGNOSE
- Zuteilung: ZUFÄLLIG
- Interventionsmodell: PARALLEL
- Maskierung: VERDREIFACHEN
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
EXPERIMENTAL: Subpopulationsspezifischer Algorithmus
|
Subpopulationsspezifisches klinisches Entscheidungsunterstützungssystem (CDS) zur Erkennung schwerer Sepsis
|
KEIN_EINGRIFF: Steueralgorithmus
|
Was misst die Studie?
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
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Schwere Sepsis/Schock-codierte Mortalität im Krankenhaus
Zeitfenster: Bis zum Studienabschluss durchschnittlich 8 Monate
|
Mortalität, die Patienten zugeschrieben wird, die als schwere Sepsis oder septischer Schock kodiert wurden
|
Bis zum Studienabschluss durchschnittlich 8 Monate
|
SIRS-basierte Krankenhausaufenthaltsdauer
Zeitfenster: Bis zum Studienabschluss durchschnittlich 8 Monate
|
Dauer des Krankenhausaufenthalts, die Patienten zugeschrieben wird, die zu irgendeinem Zeitpunkt während ihres Aufenthalts zwei oder mehr SIRS-Kriterien erfüllen
|
Bis zum Studienabschluss durchschnittlich 8 Monate
|
Schwere Sepsis/Schock-codierte Krankenhausaufenthaltsdauer
Zeitfenster: Bis zum Studienabschluss durchschnittlich 8 Monate
|
Krankenhausaufenthaltsdauer, die Patienten zugeschrieben wird, die als schwere Sepsis oder septischer Schock kodiert wurden
|
Bis zum Studienabschluss durchschnittlich 8 Monate
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Desautels T, Calvert J, Hoffman J, Mao Q, Jay M, Fletcher G, Barton C, Chettipally U, Kerem Y, Das R. Using Transfer Learning for Improved Mortality Prediction in a Data-Scarce Hospital Setting. Biomed Inform Insights. 2017 Jun 12;9:1178222617712994. doi: 10.1177/1178222617712994. eCollection 2017.
- Calvert J, Mao Q, Rogers AJ, Barton C, Jay M, Desautels T, Mohamadlou H, Jan J, Das R. A computational approach to mortality prediction of alcohol use disorder inpatients. Comput Biol Med. 2016 Aug 1;75:74-9. doi: 10.1016/j.compbiomed.2016.05.015. Epub 2016 May 24.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- 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.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (ERWARTET)
Primärer Abschluss (ERWARTET)
Studienabschluss (ERWARTET)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 18-347718
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 .
Klinische Studien zur Sepsis
-
University of Kansas Medical CenterUniversity of KansasRekrutierungSepsis | Septischer Schock | Sepsis-Syndrom | Sepsis, schwer | Bakterielle Sepsis | Sepsis-BakterämieVereinigte Staaten
-
Jip GroenInBiomeRekrutierungMikrobielle Besiedlung | Neonatale Infektion | Neonatale Sepsis, früher Beginn | Mikrobielle Krankheit | Klinische Sepsis | Kultur-negative neonatale Sepsis | Neonatale Sepsis, später Beginn | Kulturpositive neonatale SepsisNiederlande
-
The University of QueenslandRoyal Brisbane and Women's HospitalUnbekannt
-
Karolinska InstitutetÖrebro University, SwedenAbgeschlossenSepsis | Sepsis-Syndrom | Sepsis, schwerSchweden
-
Ohio State UniversityAbgeschlossenSepsis, schwere Sepsis und septischer SchockVereinigte Staaten
-
University of LeicesterUniversity Hospitals, Leicester; The Royal College of AnaesthetistsAbgeschlossenSepsis | Septischer Schock | Schwere Sepsis | Sepsis-SyndromVereinigtes Königreich
-
Beckman Coulter, Inc.Biomedical Advanced Research and Development AuthorityRekrutierungSchwere Sepsis | Schwere Sepsis ohne septischen SchockVereinigte Staaten
-
Indonesia UniversityAbgeschlossenSchwere Sepsis mit septischem Schock | Schwere Sepsis ohne septischen SchockIndonesien
-
Weill Medical College of Cornell UniversityNational Heart, Lung, and Blood Institute (NHLBI); New York Presbyterian Hospital und andere MitarbeiterAbgeschlossenSepsis | Septischer Schock | Schwere Sepsis | Infektion | Sepsis-SyndromVereinigte Staaten
-
Inverness Medical InnovationsAbgeschlossenSepsis | Systemisches Entzündungsreaktionssyndrom | Schwere Sepsis | Sepsis-SyndromVereinigte Staaten