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

Auf maschinellem Lernen basierende Längsschnittstudie zum Entwicklungsverlauf des Post-ICU-Syndroms bei kritisch kranken Patienten und Konstruktion klinischer Frühwarnmodelle: ein Forschungsprotokoll für Längsschnittstudien

Ziel dieses Projekts ist es, zu verfolgen und zu bewerten, ob das Post-ICU-Syndrom 7 Tage, 1 Monat, 3 Monate und 6 Monate nach der Verlegung von Intensivpatienten von der Intensivstation durch eine Längsschnittstudie auftritt. Dabei wird das Latent-Category-Wachstumsmodell angewendet, um verschiedene Verlaufsmuster zu identifizieren des Post-ICU-Syndroms bei kritisch kranken Patienten und nutzen moderne Modelle des maschinellen Lernens, um ein Frühwarnmodell der Verlaufsmuster des Post-ICU-Syndroms zu erstellen.

Studienübersicht

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

840

Kontakte und Standorte

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

Studienkontakt

Studienorte

    • Guizhou
      • GuiYang, Guizhou, China, 550004
        • Rekrutierung
        • Affiliated Hospital of Guizhou Medical University
        • Kontakt:

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

Ja

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Einschlusskriterien für Familienmitglieder waren wie folgt: 1 Familienmitglied jedes Patienten im Alter von ≥ 18 Jahren wurde ausgewählt; (2) die Hauptaufgabe der Patientenversorgung und der medizinischen Entscheidungsfindung übernehmen; ③ keine Vorgeschichte von psychischen Erkrankungen oder anderen schweren organischen Erkrankungen; ④ Einverständniserklärung, freiwillige Teilnahme an dieser Studie. Ausschlusskriterien für Familienmitglieder: ① Familienmitglieder lehnten die Teilnahme an der Studie aus eigenen Gründen ab; ② Schwere Hör- und Sprachbehinderungen konnten mit den Forschern nicht kooperieren.

Beschreibung

Einschlusskriterien:

  • Aufenthaltsdauer auf der Intensivstation ≥24 Stunden; ②Alter ≥18 Jahre; ③ Bewusst beim Verlassen der Intensivstation, barrierefreie Kommunikation mit den Untersuchern; ④ Einverständniserklärung.

Ausschlusskriterien:

  • ① war innerhalb von 3 Monaten vor dieser Aufnahme für mehr als 24 Stunden auf der Intensivstation stationiert; ② Auf eine andere Intensivstation verlegt; ③ Vor der Aufnahme auf die Intensivstation bestand eine kognitive Beeinträchtigung (BDRS > 4); (4) Schwere Hörstörungen, Dysarthrie usw. können nicht weiterverfolgt werden; ⑤ Eine schwere Krankheit kann nicht zum Ausfüllen des Fragebogens beitragen.

Studienplan

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

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Korrelationsskala -Score
Zeitfenster: 2024-2026

Geduldig:

  1. Bewertung der Überlebenden der Intensivstation nach dem ICU-Syndrom: HABC Monitor-Score für gesunde Alterung von Gehirnversorgung;
  2. ICU Related Memory: Intensive Pflegereinheitspeicher -Tool (ICUMT);
  3. Schlafqualität: Richards-Campbell-Fragebogen (RCSQ);
  4. Wahrgenommene soziale Unterstützungsskala (PSSS).

Familienmitglieder:

  1. Schlafqualität von Familienmitgliedern: Richards-Campbell Sleep-Fragebogen (RCSQ);
  2. Angstzustände und Depressionen von Familienmitgliedern: Score für Angst- und Depressionen im Krankenhaus;
  3. Familienermüdung: Scores der Ermüdungsbewertungskala;
  4. PTBS von Familienmitgliedern: Event Impact Scale Score;
2024-2026

Mitarbeiter und Ermittler

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

Ermittler

  • Studienstuhl: Li Yao, Affiliated Hospital of Guizhou Medical University

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. Dezember 2023

Primärer Abschluss (Geschätzt)

1. Juni 2025

Studienabschluss (Geschätzt)

1. Juni 2026

Studienanmeldedaten

Zuerst eingereicht

19. Mai 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

19. Mai 2024

Zuerst gepostet (Tatsächlich)

23. Mai 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

31. Mai 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

26. Mai 2025

Zuletzt verifiziert

1. Juni 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • ZHKYQ202316
  • No. ZHKYQ202316 (Andere Zuschuss-/Finanzierungsnummer: Chinese Nursing Association)
  • No. Gyfynsfc[2023]35 (Andere Zuschuss-/Finanzierungsnummer: The Affiliated Hospital of Guizhou Medical University)

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