Un biomarcador de predicción de sepsis basado en algoritmos
Un ensayo clínico controlado aleatorizado de un biomarcador de predicción de sepsis basado en algoritmos
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Tipo de estudio
Tipo de estudio
Inscripción (Actual)
Inscripción
Fase
Fase
- No aplica
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
California
-
San Francisco, California, Estados Unidos, 94143
- UCSF Moffit-Long Hospital
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Descripción
Criterios de inclusión:
- Serán elegibles todos los pacientes adultos ingresados en las unidades participantes.
Criterio de exclusión:
- Se excluirán todos los pacientes menores de 18 años.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Poner en pantalla
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación factorial
- Enmascaramiento: Ninguno (etiqueta abierta)
Número de brazos
Armas e Intervenciones
Grupo de participantes/brazoGrupo de participantes/brazo |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
Experimental: A la vista
El proveedor de atención médica recibe una alerta de InSight para pacientes con tendencia a sepsis grave.
El proveedor de atención médica también recibe información del detector de sepsis grave en el registro de salud electrónico de UCSF.
|
Al recibir una alerta de InSight, el proveedor de atención médica sigue las prácticas estándar para evaluar una posible sepsis (grave) e intervenir en consecuencia.
Al recibir información del detector de sepsis grave en el registro de salud electrónico de la UCSF, el proveedor de atención médica sigue las prácticas estándar para evaluar la posible sepsis (grave) e intervenir en consecuencia.
|
|
Comparador activo: Sin Insight
El proveedor de atención médica no recibe ninguna alerta de InSight.
El proveedor de atención médica recibe información del detector de sepsis grave en el registro de salud electrónico de UCSF.
|
Al recibir información del detector de sepsis grave en el registro de salud electrónico de la UCSF, el proveedor de atención médica sigue las prácticas estándar para evaluar la posible sepsis (grave) e intervenir en consecuencia.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Duración de la estancia hospitalaria
Periodo de tiempo: A través de la finalización del estudio, un promedio de 45 días
|
A través de la finalización del estudio, un promedio de 45 días
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Mortalidad intrahospitalaria
Periodo de tiempo: A través de la finalización del estudio, un promedio de 45 días
|
A través de la finalización del estudio, un promedio de 45 días
|
Otras medidas de resultado
Otras medidas de resultado
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Duración de la estancia en la UCI
Periodo de tiempo: A través de la finalización del estudio, un promedio de 45 días
|
A través de la finalización del estudio, un promedio de 45 días
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Investigadores
Investigadores
- Investigador principal: Ritankar Das, Dascena
Publicaciones y enlaces útiles
Publicaciones Generales
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio
Inicio del estudio
Finalización primaria (Actual)
Finalización primaria
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Estimar)
Publicado por primera vez
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- 16-19647
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Septicemia
-
NCT06809868ReclutamientoSepticemia | Sepsis, Severa | Sepsis y Choque Séptico | Sepsis en Unidad de Cuidados Intensivos | Sepsis, Choque Séptico | Sepsis, Sepsis Severa y Shock Séptico | Sepsis con disfunción orgánica múltiple (MOD) | Sepsis con disfunción orgánica aguda
-
NCT07497139Aún no reclutandoDisfunción miocárdica inducida por sepsis | Miocardiopatía inducida por sepsis
-
NCT04979767ReclutamientoSepticemia | Shock séptico | Síndrome de sepsis | Sepsis, Severa | Sepsis bacteriana | Sepsis Bacteriemia
-
NCT05763680ReclutamientoColonización Microbiana | Infeccion Neonatal | Sepsis Neonatal, Inicio Temprano | Enfermedad microbiana | Sepsis clínica | Sepsis neonatal con cultivo negativo | Sepsis Neonatal, Inicio Tardío | Sepsis neonatal con cultivo positivo
-
NCT02135770TerminadoImpacto del tratamiento con heparina no fraccionada en dosis bajas sobre la inflamación en la sepsisSepsis severa con shock séptico | Sepsis severa sin shock séptico
-
NCT07460349Aún no reclutandoSepsis de Inicio Temprano
-
NCT07442552ReclutamientoSepsis Abdominal
-
NCT07271329Aún no reclutandoSepsis en Pacientes de Urgencias
-
NCT07356739TerminadoSepsis - para Reducir la Mortalidad en la Unidad de Cuidados Intensivos | Biomarcador de Sepsis | Regulación Molecular a la Baja de Fenixina-14
-
NCT07375862Aún no reclutando
Ensayos clínicos sobre Predicción de sepsis grave
-
NCT03235193TerminadoSepticemia | Shock séptico | Sepsis severa
-
NCT03372330DesconocidoSepticemia | Enfermedad Arterial Periférica | Diagnóstico | Oclusión de la arteria periférica
-
NCT02281890Terminado
-
NCT06307509Aún no reclutandoSepticemia | Obesidad
-
NCT03655626TerminadoSepticemia | Shock séptico | Sepsis severa
-
NCT05246969TerminadoSepticemia | Hemorragia subaracnoidea | Hemorragia Subaracnoidea, Aneurismática | Síndrome de sepsis | Sepsis, Severa | Sepsis bacteriana
-
NCT05274776ReclutamientoEOS | Sepsis de inicio temprano, neonatal