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

Vorhersage der Verschlechterung des Patientenzustands durch maschinelles Lernen

16. März 2026 aktualisiert von: David Levine, Brigham and Women's Hospital
Hierbei handelt es sich um eine retrospektive Beobachtungsstudie, die auf Daten aus der Datenbank des Brigham and Women's Home Hospital basiert. Soziodemografische und klinische Daten einer Trainingskohorte wurden verwendet, um einen Algorithmus für maschinelles Lernen zu trainieren, um eine Verschlechterung des Zustands des Patienten während der Aufnahme eines Patienten vorherzusagen. Dieser Algorithmus wurde dann in einer Validierungskohorte validiert.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

526

Kontakte und Standorte

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

Studienorte

  • Vereinigte Staaten
    • Massachusetts
      • Boston, Massachusetts, Vereinigte Staaten, 02115
        • Brigham and Women's Hospital
      • Boston, Massachusetts, Vereinigte Staaten, 02130
        • Brigham and Women's Faulkner Hospital

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Probanden, die im Brigham and Women's Hospital und im Brigham and Women's Faulkner Hospital aufgenommen wurden und die Anforderungen an Primärdiagnose, Alter und geografischen Wohnsitz erfüllen und im Heimatkrankenhaus eingeschrieben sind.

Beschreibung

Einschlusskriterien:

Im Rahmen der Studie des Brigham and Women's Home Hospital betreut

Ausschlusskriterien:

Unvollständige kontinuierliche Überwachungsdaten

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
Ausbildung
Eine Untergruppe von Patienten, die zum Trainieren des Algorithmus für maschinelles Lernen verwendet werden.
Sonstiges: Traditionelle Vitalzeichenalarme im Vergleich zum BioVitals Index im Vergleich zum National Early Warning Score 2
Wir werden retrospektiv die Alarme vergleichen, die aus herkömmlichen Vitalzeichenalarmen (von Ärzten festgelegte Schwellenwerte) mit dem BioVitals Index und dem National Early Warning Score 2 erzeugt werden
Validierung
Eine Untergruppe von Patienten, die „zurückgehalten“ und zur Validierung der Genauigkeit des Algorithmus verwendet wird.
Sonstiges: Traditionelle Vitalzeichenalarme im Vergleich zum BioVitals Index im Vergleich zum National Early Warning Score 2
Wir werden retrospektiv die Alarme vergleichen, die aus herkömmlichen Vitalzeichenalarmen (von Ärzten festgelegte Schwellenwerte) mit dem BioVitals Index und dem National Early Warning Score 2 erzeugt werden

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Alarmbelastung
Zeitfenster: Von der Aufnahme bis zur Entlassung, gemessen in Stunden, durchschnittlich 5 Tage
Die Anzahl der pro Patient und Stunde ausgelösten Alarme
Von der Aufnahme bis zur Entlassung, gemessen in Stunden, durchschnittlich 5 Tage

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit für die Erkennung eines Sicherheitskomposits
Zeitfenster: Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Die Sensitivität (richtig positive Ergebnisse dividiert durch positive Zustandsergebnisse) für die Erkennung eines Sicherheitskomposits (Übernachtungsbesuch, zusätzlicher ungeplanter Besuch, Rückverlegung ins Krankenhaus, Tod während der Aufnahme, Delirium, Bewusstlosigkeit oder anderes schwerwiegendes Ereignis).
Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Spezifität für die Erkennung eines Sicherheitskomposits
Zeitfenster: Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Die Spezifität (echte Negative dividiert durch Bedingungsnegative) zur Erkennung eines Sicherheitskomposits (Übernachtungsbesuch, zusätzlicher ungeplanter Besuch, Rückverlegung ins Krankenhaus, Tod während der Aufnahme, Delirium, Bewusstlosigkeit oder anderes schwerwiegendes Ereignis).
Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Positiver Vorhersagewert für die Erkennung eines Sicherheitskomposits
Zeitfenster: Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Der positive Vorhersagewert (wahre positive Ergebnisse dividiert durch die Summe der echten positiven Ergebnisse plus falsch positiven Ergebnisse) für die Erkennung eines Sicherheitskomposits (Übernachtungsbesuch, zusätzlicher ungeplanter Besuch, Rückverlegung ins Krankenhaus, Tod während der Aufnahme, Delirium, Bewusstlosigkeit usw.). großes Ereignis).
Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Negativer Vorhersagewert für die Erkennung eines Sicherheitskomposits
Zeitfenster: Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Der negative Vorhersagewert (wahre negative Ergebnisse dividiert durch die Summe der echten negativen Ergebnisse plus falsch negativen Ergebnisse) für die Erkennung eines Sicherheitskomposits (Übernachtungsbesuch, zusätzlicher ungeplanter Besuch, Rückverlegung ins Krankenhaus, Tod während der Aufnahme, Delirium, Bewusstlosigkeit usw.). großes Ereignis).
Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Alarmrate mit klinischem Nutzen
Zeitfenster: Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage
Wir werden allgemeine Schätzgleichungen (GEE) mit drei Ergebnissen pro Patient verwenden (die Anzahl klinisch wichtiger Alarme für BioVitals, NEWS2 und traditionelle Vitalfunktionen); Der GEE berücksichtigt die Häufung zwischen den drei Ergebnissen bei einem Patienten. Das GEE verwendet ein negatives binomiales Randmodell mit einer Protokollverknüpfung für die Anzahl der Alarme mit klinischem Nutzen und einem Offset für die Protokollverweildauer (in Stunden); Mit diesem Modell modellieren wir die Anzahl der Alarme pro Stunde mit klinischem Nutzen mit BI, NEWS2 und traditionellen Vitalfunktionen. Die Hauptkovariate im negativen Binomialmodell wird eine dreistufige Kovariate für die Methode sein: BI vs. NEWS2 vs. traditionelle Vitalfunktionen, und die Exponentiellwirkung dieser Kovariate wird ein paarweises Ratenverhältnis für BI vs. NEWS2 vs. traditionelle Vitalfunktionen sein Zeichen.
Von der Aufnahme bis zur Entlassung vergehen durchschnittlich 5 Tage

Mitarbeiter und Ermittler

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

Sponsor

Brigham and Women's Hospital

Mitarbeiter

Biofourmis Inc.

Ermittler

  • Hauptermittler: David Levine, MD MPH MA, Associate Physician

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)

20. März 2021

Primärer Abschluss (Tatsächlich)

20. März 2025

Studienabschluss (Tatsächlich)

16. Februar 2026

Studienanmeldedaten

Zuerst eingereicht

14. April 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

15. September 2021

Zuerst gepostet (Tatsächlich)

16. September 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

17. März 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

16. März 2026

Zuletzt verifiziert

1. März 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 2017P002583d

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 .

Abonnieren