Vorhersage der Dauer der mechanischen Beatmung bei akutem hypoxämischen Atemwegsversagen (PREMIER)
Vorhersage der Dauer der mechanischen Venylierung bei Patienten mit akutem hypoxämischen Atemversagen usinf maschinelles Lernen Ansätze
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Akutes hypoxämisches Atemversagen (AHRF) ist die häufigste Ursache für die Aufnahme in Intensivstationen (Intensivstationen) weltweit. Die Ermittler bewerten den Wert der maschinellen Lerntechniken (maschinelles Lernen) für die Vorhersage einer längeren Dauer (> oder gleiche bis 7 Tage) der mechanischen Beatmung (MV) bei 1.241 Patienten, die in die Pandora -Studie in Spanien aufgenommen wurden. Nur wenige Studien haben die Vorhersage eines verlängerten MV bei Patienten mit AHRF untersucht.
Für das Modelltraining und Tests extrahieren die Forscher Daten aus zufälligen PateInten aus den ersten 2 Tagen nach der Diagnose von AHRF. Die Ermittler hatten eine Datenbank mit 2.000.000 anonymisierten und dissoziierten demografischen Daten und klinisch relevanten Daten von 1.241 Patienten mit AHRF aus 22 Krankenhäusern in Spanien. Die Ermittler werden die Tripod -Richtlinien für Vorhersagemodelle befolgen. Die Forscher werden relevante gesammelte Variablen unter Verwendung einer genetischen Algorithmusvariablenauswahl untersuchen, um Parsimony zu erreichen. Wir werden eine 5-fache CORSS-Validation im Datensatz von Patienten mit Daten unter T0, T24 und T48 verwenden. Wir werden 25% der Patienten verwenden, die zufällig zur Bewertung des Modells ausgewählt wurden.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Madrid, Spanien
- Hospital Universitario La Paz
-
-
Las Palmas
-
Las Palmas de Gran Canaria, Las Palmas, Spanien, 35019
- Hospital Dr. Negrín
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Enotracheale Intubation Puls Mechanische Belüftung
- PAO2/FIO2 -Verhältnis <oder = 300 mmHg unter MV mit Peep> OR = 5 und FIO2> OR = 0,3
Ausschlusskriterien:
- Patienten mit Gehirntod
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Ableitung/Testkohorte
Die Forscher werden nach der Diagnose eines akuten hypoxämischen Atemversagens (AHRF) einen Anfall von 75% der Patienten mit Daten unter T0, T24 und T48 verwenden.
Wir werden Ansätze für maschinelles Lernen anwenden.
|
Maschinelles Lernen und logistische Regression für die Validierungskohorte
|
|
Validierung Hohort
Wir werden 25% der unsichtbaren Patienten, die zufällig ausgewählt wurden, mit Daten bei T0, T24 und T48 nach der Diagnose von AHRF verwenden.
|
Maschinelles Lernen und logistische Regression für die Validierungskohorte
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
MV -Dauer
Zeitfenster: bis zu 100 Wochen
|
Dauer der mechanischen Belüftung
|
bis zu 100 Wochen
|
Mitarbeiter und Ermittler
Sponsor
Ermittler
- Studienleiter: Jesus Villar, Fundación Canaria Instituto de Investigación Sanitaria de Canarias
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
- Erkrankungen der Atemwege
- Atemstörungen
- Ateminsuffizienz
- Qualität, Zugang und Bewertung im Gesundheitswesen
- Untersuchungstechniken
- Epidemiologische Methoden
- Gesundheitsbewertungsmechanismen
- Qualität der Gesundheitsversorgung
- Öffentliche Gesundheit
- Umwelt und öffentliche Gesundheit
- Künstliche Intelligenz
- Algorithmen
- Mathematische Konzepte
- Statistik als Thema
- Modelle, theoretisch
- Risiko
- Wahrscheinlichkeit
- Models, Statistical
- Regression Analysis
- Machine Learning
- Logistic Models
Andere Studien-ID-Nummern
- PIFIISC24
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
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 .