- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04206098
Diagrammüberprüfung von Patienten mit COPD unter Verwendung elektronischer Krankenakten und künstlicher Intelligenz (BigCOPData)
Diagrammüberprüfung von Patienten mit COPD unter Verwendung elektronischer Krankenakten und künstlicher Intelligenz: BigCOPData
Die chronisch obstruktive Lungenerkrankung (COPD) ist seit 2003 die dritthäufigste Todesursache weltweit. Viele Menschen leiden jahrelang an dieser Krankheit oder ihren Komplikationen und sterben vorzeitig. In der Europäischen Union werden die gesamten direkten Kosten von Atemwegserkrankungen auf etwa 6 % des gesamten Gesundheitsbudgets geschätzt, wobei COPD 56 % (38,6 Milliarden Euro) der Kosten von Atemwegserkrankungen ausmacht.
Im natürlichen Verlauf der COPD können bei vielen Patienten akute Exazerbationen (AECOPD) auftreten, die als Episoden einer anhaltenden Verschlechterung der respiratorischen Symptome beschrieben werden, die zu einer zusätzlichen Therapie führen. Diese Exazerbationsepisoden, die häufig in der Notaufnahme und/oder im Krankenhaus behandelt werden müssen, sind mit erheblicher Morbidität und Mortalität verbunden; Sie sind auch für einen erheblichen Teil der wirtschaftlichen Belastung durch die Krankheit verantwortlich. Der pharmakologische Ansatz zur Behandlung von AECOPD (inhalative Bronchodilatatoren, Kortikosteroide und Antibiotika) hat das Ziel, die negativen Auswirkungen der aktuellen Exazerbation zu minimieren und nachfolgende Ereignisse zu verhindern.
Trotz der Zusammenarbeit zwischen der European Respiratory Society, der American Thoracic Society und anderen, um klinische Empfehlungen zur Prävention von AECOPD zu geben, gibt es immer noch eine beträchtliche Anzahl von Patienten, die anfällig für wiederkehrende Exazerbationen und schwerere Beeinträchtigungen sind im Gesundheitszustand.
Auf der Grundlage all dessen besteht das Ziel darin, die Faktoren zu identifizieren, die möglicherweise mit einer Krankenhauseinweisung bei Patienten mit AECOPD in englisch-, französisch-, deutsch- und spanischsprachigen Ländern verbunden sind, und ein Vorhersagemodell zu entwickeln, das das Risiko einer Krankenhauseinweisung in dieser Gruppe vorhersagt von Patienten durch den Einsatz künstlicher Intelligenz. In dieser Studie wird vorgeschlagen, SAVANA, eine neue klinische Plattform, die im Kontext der Ära der elektronischen Krankenakten (EMRs) geschaffen wurde, zu nutzen, um die in den elektronischen Krankenakten enthaltenen Informationen (d. h. Big Data) zu analysieren. Diese klinische Plattform ist eine leistungsstarke Freitextanalyse-Engine, die in der Lage ist, den Inhalt der EMRs sinnvoll zu interpretieren, unabhängig vom Managementsystem, in dem sie betrieben werden. In diesem Zusammenhang kann diese Analysemethode des maschinellen Lernens verwendet werden, um ein flexibles, angepasstes und automatisiertes Vorhersagemodell unter Verwendung der in EMRs verfügbaren Informationen zu erstellen.
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Die Studie wird in Übereinstimmung mit gesetzlichen und behördlichen Anforderungen sowie mit wissenschaftlichem Zweck, Wert und Strenge durchgeführt und folgt allgemein anerkannten Forschungspraktiken, die in der International Conference Harmonization (ICH) Guideline for Good Clinical Practice, der Deklaration von Helsinki in ihrer neuesten Fassung, beschrieben sind Edition, Good Pharmacoepidemiology Practices und geltende lokale Vorschriften.
Um die Vertraulichkeit der Patienten zu wahren, werden keine demografischen und personenbezogenen Daten (z. B. Initialen, Geburtsdatum usw.) erfasst; Es wird nur das Alter erhoben. In keinem Fall werden die Mitarbeiter von Savana eine Korrespondenztabelle zwischen den anonymisierten Patientencodes und ihren EMRs handhaben. Nur das Gesundheitszentrum kann Patienten identifizieren. In jedem Fall werden SEPAR, der Studiensponsor oder seine Partner keine gto EMRs haben. Es wird nur auf einen Bericht zugegriffen, der aggregierte Informationen zu den wie in diesem Protokoll beschriebenen erhaltenen Daten enthält. Die endgültigen Ergebnisse werden veröffentlicht.
Nach Angaben der Europäischen Datenschutzbehörde wird eine anonyme Krankenakte von ihrem Status als personenbezogene Daten befreit, sodass die Datenschutz-Grundverordnung nicht mehr gilt. Die Anonymisierung wird auf jeder Seite vom Eigentümer der Informationen durchgeführt (damit niemand sonst Zugriff auf diese Informationen hat und sie nicht nachverfolgt werden können).
Alle Maßnahmen werden in Übereinstimmung mit dem Code of Good Data Protection Practices for Big Data Projects der Europäischen Datenschutzbehörde, der Europäischen Datenschutz-Grundverordnung oder einer anderen, die diese ersetzen kann, ergriffen.
Darüber hinaus werden klinische Aufzeichnungen niemals an einem anderen Ort als der Einrichtung gespeichert, in der sie implementiert werden. Savana verwendet keine EMRs von einzelnen Patienten, sondern aggregierte klinische Informationen, die ebenfalls verschlüsselt und gesichert sind. Die Aggregation der Daten stellt sicher, dass Patienten oder einzelne Zentren nicht identifiziert werden können. Das System basiert auf der Verarbeitung einer großen Menge an Informationen (Big Data), sodass die Auswirkungen zufälliger Fehler minimiert werden. Die Verwendung dieser Software ist heutzutage möglich, da es eine bemerkenswerte Verbesserung bei der Implementierung von EMRs gegeben hat, was bei der Verwendung dieser Software zu erheblichen Investitionen für die Nutzung und bessere Kenntnis des Gesundheitssystems führen kann.
Zusammenfassend ermöglicht diese neue Technologie eine vollständige Trennung zwischen den für die aktuelle Studie gewonnenen Daten und den persönlichen Daten des Patienten, da diese Informationen in aggregierter und vollständig anonymisierter Form gewonnen werden. Dies stellt im Kontext klassischer epidemiologischer Beobachtungsstudien einen klaren Fortschritt im Datenschutz dar.
Daher werden nur aggregierte und vollständig anonymisierte Daten erhoben, die vollständig von den personenbezogenen Daten jedes Patienten und Zentrums getrennt sind. Die Vertraulichkeit der Patientenakten wird jederzeit gewahrt. Alle Studienberichte werden nur aggregierte Daten enthalten und Patienten, Ärzte oder einzelne Zentren nicht identifizieren. Zu keinem Zeitpunkt während der Studie erhält der Sponsor Informationen, die die Identifizierung eines Patienten oder eines einzelnen Zentrums ermöglichen könnten.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienkontakt
- Name: JB Soriano, MD
- Telefonnummer: +34915202200
- E-Mail: jbsoriano2@gmail.com
Studieren Sie die Kontaktsicherung
- Name: Anna Gibernau, PhD
- Telefonnummer: +34663363039 +34663363039
- E-Mail: anna.gibernau@clementine.global
Studienorte
-
-
-
Geneva, Schweiz
- Noch keine Rekrutierung
- HUG
-
Kontakt:
- Salim G Chucri
- Telefonnummer: +41765677688
- E-Mail: scuc@hcuge.ch
-
Hauptermittler:
- Salim G Chucri, MD
-
-
-
-
-
Alcalá De Henares, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario de Guadalajara
-
Alcalá De Henares, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario Príncipe de Asturias
-
Barcelona, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario Vall d'Hebron
-
Madrid, Spanien
- Rekrutierung
- Hospital Universitario La Princesa
-
Kontakt:
- JB Soriano, MD
- Telefonnummer: +34915202200
- E-Mail: jbsoriano2@gmail.com
-
Hauptermittler:
- JB Soriano, MD
-
Hauptermittler:
- Julio Ancochea, MD
-
Palma De Mallorca, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario Son Espases
-
Santiago De Compostela, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario Santiago de Compostela
-
Sevilla, Spanien
- Aktiv, nicht rekrutierend
- Hospital Universitario Virgen Del Rocio
-
Valencia, Spanien
- Aktiv, nicht rekrutierend
- Hospital Arnau de Vilanova
-
-
-
-
-
Birmingham, Vereinigtes Königreich, B9 5SS
- Noch keine Rekrutierung
- Queen Elizabeth Hospital University
-
Kontakt:
- Robert A Stockley, MA
- Telefonnummer: +441213716808
- E-Mail: rob.stockley@uhb.nhs.uk
-
Hauptermittler:
- Robert A Stockley
-
-
-
-
-
Linz, Österreich
- Noch keine Rekrutierung
- Kepler Universitäts Klinikum
-
Kontakt:
- Bernd Lamprecht, MD
- Telefonnummer: +43 (0) 5 7680 83 6910
- E-Mail: bernd.lamprecht@kepleruniklinikum.at
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Probanden im Alter von ≥ 35 Jahren, Raucher oder ehemalige Raucher mit mehr als 10 Packungsjahren.
- Hatte eine COPD-Diagnose (ein Post-Bronchodilator-Verhältnis forciertes Exspirationsvolumen in der ersten Sekunde (FEV1) / forcierte Vitalkapazität (FVC) < 0,70 und das Vorhandensein von respiratorischen Symptomen wie Husten, Auswurf und Dyspnoe).
- Zugelassen wegen „Atemwegserkrankung“ [Atemwegsinfektion oder Pleuraerguss (OR) Ateminsuffizienz (OR) Rechts-/Linksherzversagen (OR) chronische Bronchitis (OR) Bronchospasmen (AND) [historische Diagnose COPD (OR) ein dokumentierter FEV1 /FVC < 0,70 in Abwesenheit anderer obstruktiver Erkrankungen wie Asthma oder Bronchiolitis].
Ausschlusskriterien:
- Patienten mit einer spezifischen Diagnose bei der Aufnahme von Lungenödem, Pneumonie, radiologischer Infiltration, Lungenembolie, Pneumothorax, Rippenfrakturen, Aspiration oder einer anderen damit verbundenen respiratorischen oder nicht-respiratorischen Erkrankung, wie schwere Kardiopathie mit chronischer Herzinsuffizienz, erweiterter Neoplasie, Leber- oder Nierenversagen.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
---|---|
Sex
Männlich weiblich
|
Entwickeln Sie ein deskriptives Vorhersagemodell für Faktoren, die die klinischen Merkmale von Patienten beeinflussen, die eine Krankenhauseinweisung benötigen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Anzahl der Faktoren im Zusammenhang mit der Krankenhauseinweisung von Patienten mit AECOPD
Zeitfenster: 5 Jahre
|
Anzahl der Faktoren im Zusammenhang mit der Krankenhauseinweisung von Patienten mit AECOPD unter Verwendung von EMRs und Lernwerkzeugen für künstliche Intelligenz
|
5 Jahre
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Anzahl der klinischen Merkmale von COPD-Krankenhauspatienten
Zeitfenster: 5 Jahre
|
Anzahl der klinischen Merkmale von COPD-Patienten, die eine Krankenhauseinweisung erfordern
|
5 Jahre
|
Anzahl der Komorbiditäten der hospitalisierten COPD-Patienten nach Geschlecht
Zeitfenster: 5 Jahre
|
Anzahl und Beschreibung von Komorbiditäten im Zusammenhang mit COPD-Patienten im Krankenhaus, dargestellt nach Geschlecht, wie z. B. Herz-Kreislauf-Erkrankungen, Angstzustände, Depressionen, gastroösophagealer Reflux.
|
5 Jahre
|
Anzahl der Patienten mit erhöhten eosinophilen Blutwerten
Zeitfenster: 5 Jahre
|
Anzahl der Patienten mit COPD, die mit erhöhten eosinophilen Blutwerten ins Krankenhaus eingeliefert wurden.
|
5 Jahre
|
Anzahl der Patienten mit COPD, die mit erhöhten Entzündungsparametern ins Krankenhaus eingeliefert wurden
Zeitfenster: 5 Jahre
|
Anzahl der COPD-Patienten, die mit erhöhten Entzündungsparametern wie Leukozytenzahl, Neutrophilenzahl und C-reaktivem Protein ins Krankenhaus eingeliefert wurden, dargestellt in einem beschreibenden Modell
|
5 Jahre
|
Anzahl der klinischen Phänotypen, die bei hospitalisierten COPD-Patienten identifiziert wurden
Zeitfenster: 5 Jahre
|
Anzahl klinischer Phänotypen von Patienten mit COPD, die sich verschlimmern und Krankenhauseinweisungen erfordern
|
5 Jahre
|
Zahl der hospitalisierten COPD-Patienten befolgt Behandlungsempfehlungen nicht
Zeitfenster: 5 Jahre
|
Anzahl der hospitalisierten COPD-Patienten, die die Behandlungsempfehlungen in den letzten 6 Wochen nicht zu 100 % befolgt haben
|
5 Jahre
|
Zahl der Risiken bei COPD-Patienten im Krankenhaus
Zeitfenster: 5 Jahre
|
Anzahl der identifizierten Risiken pro hospitalisiertem COPD-Patienten, wie z. B. der spanische COPD-Leitfaden (GesEPOC), der Score für Dyspnoe, Eosinopenie, Konsolidierung, Azidämie und Vorhofflimmern [DECAF] oder ein anderer Mehrkomponentenindex.
|
5 Jahre
|
Anzahl der biologischen Biomarker, die sich von der Eosinophilenzahl unterscheiden
Zeitfenster: 5 Jahre
|
Anzahl der biologischen Biomarker (anders als die Zahl der Eosinophilen), die mit Krankenhausaufenthalten und/oder erneuten Krankenhausaufenthalten aufgrund von COPD-Exazerbationen assoziiert sind
|
5 Jahre
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: JB Soriano, MD, Sociedad Española de Neumología y Cirugía Torácica
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
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
- H2020
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
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 .