Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Early Detection of Clinical Deterioration in Patients With COVID-19 Using Machine Learning (COVID-19)

30. März 2021 aktualisiert von: University Hospital Tuebingen
The aim of this study is to use artificial intelligence in the form of machine learning analysing vital signs as well as symptoms of patients suffering from Covid19 to identify predictors of disease progression and severe course of disease.

Studienübersicht

Status

Unbekannt

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

1000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Deutschland
      • Tuebingen, Deutschland, 72076
        • Rekrutierung
        • University Hospital of Tuebingen
        • Kontakt:
        • Kontakt:
        • Unterermittler:
          • Bijoy N Atique, M.D.
        • Hauptermittler:
          • Juergen Hetzel, M.D.
        • Unterermittler:
          • Maik Haentschel, M.D.

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

N/A

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patients with detection of SARS-CoV2

Beschreibung

Inclusion Criteria:

  • Written informed consent
  • Age >= 18 years
  • Detection of SARS-CoV2 within the past 5 days

Exclusion Criteria:

  • Inability to measure vital parameters and document symptoms

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Training cohort
Randomly selection of 80% of the study population. The machine learning algorithm is trained on this dataset
Sonstiges: Machine learning
Machine learning on vital parameters, clinical symptoms and underlying diseases
Validation cohort
Randomly selection of 20% of the study population. The machine learning algorithm which was trained on the basis of the training data cohort is validated on the validation cohort.
Sonstiges: Machine based evaluation
Quantification of the prediction power and identification of the most relevant predictive parameters

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Probability of Participants for Hospitalisation or Fatal Outcome
Zeitfenster: Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Zeitfenster
Probability of Participants for Intensive Care Unit Admission
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for Fatal Outcome
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Prediction of persisting health impairment by using standardized questionnaires
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of symptoms, vital parameters and comorbidities predicting clinical course
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of size of training data set
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of viral load on the course of disease/ clinical outcome
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different virus variants on the course of disease/ clinical outcome
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of SARS-CoV2 vaccination (yes/no) on the course of disease/ clinical outcome
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Evaluation of parameters (symptoms, vital parameters, comorbidities) according to their potential of clinical course predictions
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for hospitalisation
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different SARS-CoV2 vaccines on the course of disease/ clinical outcome
Zeitfenster: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

University Hospital Tuebingen

Mitarbeiter

Max-Planck-Institute Tuebingen

Ermittler

  • Studienstuhl: Bernhard Schoelkopf, PhD, Max-Planck-Institute, Tuebingen, Germany
  • Hauptermittler: Juergen Hetzel, MD, University Hospital of Tuebingen, Tuebingen, Germany

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Februar 2021

Primärer Abschluss (Voraussichtlich)

31. Juli 2021

Studienabschluss (Voraussichtlich)

31. Dezember 2021

Studienanmeldedaten

Zuerst eingereicht

24. März 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

30. März 2021

Zuerst gepostet (Tatsächlich)

2. April 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

2. April 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

30. März 2021

Zuletzt verifiziert

1. Januar 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • TEDDI

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

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 Covid19

Klinische Studien zur Machine learning

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Lithuania

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren