Maschinelles Lernen auf der Intensivstation: Vorhersage der Mortalität bei Blutkreislaufinfektionen (Intensivstation) (ICU)
Maschinelles Lernen auf der Intensivstation: Vorhersage der Mortalität bei Patienten mit Blutkreislaufinfektionen durch Carbapenem-resistente gramnegative Bakterien
Unter Verwendung unserer eigenen Patientendaten zielte unsere Studie darauf ab, mithilfe eines auf maschinellem Lernen basierenden Modells die Mortalität vorherzusagen, die sich bei Blutbahninfektionen mit Carbapenem-resistenten gramnegativen Bazillen entwickeln kann.
Auf der Intensivstation werden Patienten mit Blutkreislaufinfektionen, sowohl mit als auch ohne Mortalität, retrospektiv in zwei Untergruppen zum Vergleich untersucht.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Carbapeneme gehören zu den Antibiotika der letzten Wahl zur Behandlung schwerer Infektionen, die durch multiresistente gramnegative Erreger verursacht werden. Infektionen mit Carbapenem-resistenten gramnegativen Bakterien (CR-GNB) sind im letzten Jahrzehnt weit verbreitet und stellen eine ernsthafte Bedrohung für die öffentliche Gesundheit dar. Carbapenem-resistente Enterobacteriaceae (CRE), Carbapenem-resistente Acinetobacter baumannii (CRAB) und Carbapenem-resistente Pseudomonas aeruginosa (CRPA) stehen weltweit ganz oben auf der Prioritätenliste antibiotikaresistenter Bakterien. CR-GNB verursacht ein breites Spektrum an Infektionen, darunter Bakteriämie, Harnwegsinfektionen, Lungenentzündung und intraabdominale Infektionen. Carbapenem-resistente Blutkreislaufinfektionen sind eine erhebliche Ursache für Morbidität und Mortalität, und die therapeutischen Möglichkeiten bei der Behandlung sind äußerst begrenzt. Durch die Bewertung von Risikofaktoren bei Patienten, die auf der Intensivstation überwacht werden, verringern Scoring-Systeme, die die Prognose vorhersagen können, das Mortalitätsrisiko, indem sie die frühzeitige Anwendung wirksamer Antibiotika und die rechtzeitige hämodynamische Unterstützung, die derzeit eingesetzt werden, sicherstellen.
Mit der Anhäufung großer Datenmengen und Fortschritten bei Datenspeichertechniken zeigen innovative und pragmatische Methoden des maschinellen Lernens, die Einzug in unser Leben gehalten haben, eine gute Vorhersageleistung im medizinischen Bereich. Auf maschinellem Lernen basierende Modelle, die zur Vorhersage der Mortalität bei Patienten entwickelt wurden, die auf der Intensivstation überwacht werden, sind in der Literatur verfügbar und bieten die Möglichkeit für eine frühere Intervention bei Patienten.
Anhand unserer eigenen Patientendaten werden auf der Intensivstation Patienten mit Blutkreislaufinfektionen, sowohl mit als auch ohne Mortalität, retrospektiv in zwei Untergruppen zum Vergleich untersucht. Unser Ziel ist es, mithilfe eines auf maschinellem Lernen basierenden Modells die Sterblichkeit vorherzusagen, die sich bei Blutbahninfektionen mit Carbapenem-resistenten gramnegativen Bazillen entwickeln kann.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Kocaeli, Türkei (türkiye)
- Kocaeli University
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- In unsere Studie werden nachträglich Patienten einbezogen, die zwischen Juni 2017 und Juni 2023 auf der tertiären Intensivstation unseres Krankenhauses überwacht wurden und Blutkreislaufinfektionen mit Carbapenem-resistenten Enterobacteriaceae, Carbapenem-resistenten Acinetobacter baumannii und Carbapenem-resistenten Pseudomonas aeruginosa entwickelten.
Ausschlusskriterien:
- Patienten unter 18 Jahren und solche mit anderen Infektionen als Blutkreislaufinfektionen werden nicht berücksichtigt.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Verstorbene Patienten
Carbapenem-resistente gramnegative Bakterien. Blutbahninfektion mit Mortalität
|
Mithilfe von Deep Learning versuchen wir, einen Algorithmus zu entwickeln und die Sterblichkeit vorherzusagen
|
|
Überlebende Patienten
Carbapenem-resistente gramnegative Bakterien. Blutbahninfektion ohne Mortalität
|
Mithilfe von Deep Learning versuchen wir, einen Algorithmus zu entwickeln und die Sterblichkeit vorherzusagen
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Sterblichkeitsrisiko
Zeitfenster: 3 Monate
|
Die Sensitivität und Spezifität werden mithilfe der AUC-ROC-Kurve (Fläche unter der Betriebscharakteristikkurve des Empfängers) unter Verwendung eines Algorithmus für maschinelles Lernen definiert
|
3 Monate
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Hauptermittler: özlem güler, Kocaeli University
Publikationen und hilfreiche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
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
- GOKAEK-2023/12.31
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
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 Maschinelles Lernen zur Schätzung der Sterblichkeit
-
Radboud University Medical CenterZonMw: The Netherlands Organisation for Health Research and Development; Brain... und andere MitarbeiterRekrutierungProbleme verinnerlichenNiederlande