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

Modell des maschinellen Lernens zur Vorhersage des Ergebnisses und der Dauer der mechanischen Beatmung bei akutem hypoxämischem Atemversagen (MEMORIAL)

7. Februar 2025 aktualisiert von: Jesus Villar, Dr. Negrin University Hospital

Entwicklung eines optimalen Modells für maschinelles Lernen zur Vorhersage des Ergebnisses auf der Intensivstation und der Dauer der mechanischen Beatmung bei Patienten mit akutem hypoxämischem Atemversagen

Akutes hypoxämisches Atemversagen (AHRF) ist weltweit die häufigste Ursache für die Aufnahme auf Intensivstationen (UCIs). Wir werden den Wert von Techniken des maschinellen Lernens (ML) für die frühzeitige Vorhersage von Todesfällen auf der Intensivstation und für eine längere Dauer (>7 Tage) der mechanischen Beatmung (MV) bei 1.241 Patienten bewerten, die an der PANDORA-Studie (Prävalenz und Ergebnis von akutem Atemversagen) teilnehmen Spanien. Die Studie wurde bei ClinicalTrials.gov registriert (NCT03145974). Unser Ziel ist es, die minimale Anzahl von Variablenmodellen mithilfe der logistischen Regression und vier überwachten ML-Algorithmen zu bewerten: Random Forest, Extreme Gradient Boosting, Support Vector Machine und Multilayer Perceptron.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Akutes hypoxämisches Atemversagen (AHRF) ist weltweit die häufigste Ursache für die Aufnahme auf Intensivstationen (UCIs). Wir werden den Wert von Techniken des maschinellen Lernens (ML) für die frühzeitige Vorhersage des Todes auf der Intensivstation und einer längeren Dauer (>7 Tage) der mechanischen Beatmung (MV) bei AHRF-Patienten unter Beatmung bewerten. Nur wenige Studien haben die Vorhersage der Mortalität und Dauer der MV bei Patienten mit AHRF untersucht.

Für die Modellentwicklung werden die Forscher Daten für die ersten drei Tage nach der Diagnose von AHRF von Patienten extrahieren, die in der anonymisierten Datenbank der PANDORA-Kohorte enthalten sind. Wir verfügten über eine Datenbank mit 2.000.000 anonymisierten und dissoziierten demografischen und klinischen Daten von 1.241 Patienten mit AHRF, die in unserer PANDORA-Kohorte (Prävalenz UND Ergebnis von akutem Atemversagen) aus 22 spanischen Krankenhäusern aufgenommen und vom Hauptprüfer (JV) koordiniert wurden. Die Forscher folgen der transparenten Berichterstattung eines multivariablen Vorhersagemodells für die individuelle Prognose oder Diagnose (TRIPOD)-Richtlinien für die Modellvorhersage. Wir werden gesammelte Variablen mithilfe einer genetischen Algorithmus-Variablenauswahlmethode überprüfen, um Sparsamkeit zu erreichen. Wir haben die Modelle mit der minimalen Anzahl an Variablen mithilfe der logistischen Regression und vier überwachten ML-Algorithmen bewertet: Random Forest, Extreme Gradient Boosting, Support Vector Machine und Multilayer Perceptron. Wir werden eine 5-fache Kreuzvalidierung im Datensatz von 1.000 Patienten verwenden, die zufällig aus Trainingsdaten (80 %) und Testdaten (20 %) ausgewählt wurden. Zur externen Validierung werden wir die restlichen 241 Patienten heranziehen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

1241

Kontakte und Standorte

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

Studienorte

  • Spanien
      • Ciudad Real, Spanien, 13005
        • Hospital General Universitario de Ciudad Real
      • Cuenca, Spanien, 16002
        • Hospital Virgen de la Luz
      • Madrid, Spanien, 28046
        • Hospital Universitario La Paz
      • Madrid, Spanien, 28222
        • Hospital Universitario Puerta de Hierro
      • Murcia, Spanien, 3012
        • Hospital Universitario Virgen de Arrixaca
      • Santa Cruz De Tenerife, Spanien, 38010
        • Hospital Universitario NS de Candelaria
      • Valencia, Spanien, 46010
        • Hospital Cinico de Valencia
      • Valladolid, Spanien, 47012
        • Hospital Universitario Rio Hortega

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Nicht identifizierter Datensatz mit 1.241 beatmeten Patienten mit akutem hypoxämischem Atemversagen, die nacheinander in einem Netzwerk spanischer Intensivstationen aufgenommen wurden.

Beschreibung

Einschlusskriterien:

  • endotracheale Intubation plus mechanische Beatmung (MV)
  • PaO2/FiO2-Verhältnis ≤300 mmHg unter AMV mit positivem endexspiratorischem Druck (PEEP) ≥5 cmH2O und FiO2 ≥0,3.

Ausschlusskriterien:

  • Postoperative Patienten wurden <24 Stunden beatmet
  • Patienten mit Hirntod.

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
Validierungskohorte
Es wird 200 zufällig ausgewählte Patienten umfassen (20 % von 1000 Patienten mit AHRF).
Sonstiges: Analyse des maschinellen Lernens
Wir werden robuste Ansätze des maschinellen Lernens verwenden, wie Random Forest, Extreme Gradient Boosting, Support Vector Machine und Multilayer Perceptron.
Andere Namen:
  • Logistische Regression, Kreuzvalidierung und Fläche unter den ROC-Kurven
Bestätigungskohorte
Es enthält die verbleibenden 241 zufällig ausgewählten Patienten (für externe Validierung).
Sonstiges: Analyse des maschinellen Lernens
Wir werden robuste Ansätze des maschinellen Lernens verwenden, wie Random Forest, Extreme Gradient Boosting, Support Vector Machine und Multilayer Perceptron.
Andere Namen:
  • Logistische Regression, Kreuzvalidierung und Fläche unter den ROC-Kurven
Ableitung Kohorte
Es enthält 800 Patienten zufällig ausgewählt (1.000 Patienten mit AHRF)
Sonstiges: Analyse des maschinellen Lernens
Wir werden robuste Ansätze des maschinellen Lernens verwenden, wie Random Forest, Extreme Gradient Boosting, Support Vector Machine und Multilayer Perceptron.
Andere Namen:
  • Logistische Regression, Kreuzvalidierung und Fläche unter den ROC-Kurven

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Sterblichkeit auf der Intensivstation
Zeitfenster: bis zu 100 Wochen (von der Aufnahme bis zum Tod oder der Entlassung aus der Intensivstation).
Tod auf der Intensivstation
bis zu 100 Wochen (von der Aufnahme bis zum Tod oder der Entlassung aus der Intensivstation).

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
MV-Dauer
Zeitfenster: bis zu 100 Wochen (vom Einschluss bis zur Extubation)
Dauer der mechanischen Beatmung
bis zu 100 Wochen (vom Einschluss bis zur Extubation)

Mitarbeiter und Ermittler

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

Sponsor

Dr. Negrin University Hospital

Ermittler

  • Hauptermittler: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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)

19. März 2024

Primärer Abschluss (Geschätzt)

30. Mai 2026

Studienabschluss (Geschätzt)

30. Mai 2026

Studienanmeldedaten

Zuerst eingereicht

19. März 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

26. März 2024

Zuerst gepostet (Tatsächlich)

27. März 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. März 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

7. Februar 2025

Zuletzt verifiziert

1. Februar 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • PI24/00325

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 Analyse des maschinellen Lernens

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Burkina Faso

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

Abonnieren