Predicción de Potasio Sérico mediante Aprendizaje Automático y ECG de Derivación Única
Predicción del Potasio Sérico Mediante Aprendizaje Automático y ECG de una Derivación
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Tipo de estudio
Tipo de estudio
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Massachusetts
-
Boston, Massachusetts, Estados Unidos, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Estados Unidos, 02130
- Brigham and Women's Faulkner Hospital
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
Capacitación
Un subconjunto de pacientes que se utilizan para entrenar el algoritmo de aprendizaje automático.
|
Aplicar un algoritmo de aprendizaje automático para estimar el potasio de un paciente.
|
|
Validación
Un subconjunto de pacientes que son "retenidos" y utilizados para validar la precisión del algoritmo.
|
Aplicar un algoritmo de aprendizaje automático para estimar el potasio de un paciente.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Concentración sérica de potasio
Periodo de tiempo: Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio, en promedio 7 días.
|
Potasio sérico, medido en milimol por litro
|
Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio, en promedio 7 días.
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Hiperpotasemia
Periodo de tiempo: Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
Potasio sérico superior a 5,1 milimoles por litro
|
Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
|
Hipopotasemia
Periodo de tiempo: Desde la fecha de ingreso hasta la fecha de alta, hasta la finalización del estudio, en promedio 7 días.
|
Potasio sérico inferior a 3,4 milimoles por litro
|
Desde la fecha de ingreso hasta la fecha de alta, hasta la finalización del estudio, en promedio 7 días.
|
|
Normokalemia
Periodo de tiempo: Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
Potasio sérico entre 3,4 y 5,1 milimol por litro
|
Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
|
Potasio sérico menor de frente a mayor o igual a 4 milimoles por litro
Periodo de tiempo: Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
Potasio sérico descendiendo a menos de versus mayor o igual a 4 milimoles por litro
|
Desde la fecha de ingreso hasta la fecha de alta, a través de la finalización del estudio en promedio 7 días.
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Investigadores
Investigadores
- Investigador principal: David Levine, MD MPH MA, Associate Physician
Publicaciones y enlaces útiles
Publicaciones Generales
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Estimado)
Finalización primaria
Finalización del estudio (Estimado)
Finalización del estudio
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 (Actual)
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
Términos MeSH relevantes adicionales
- Enfermedades urogenitales
- Enfermedades Vasculares
- Enfermedades cardiovasculares
- Procesos Patológicos
- Enfermedades urogenitales masculinas
- Enfermedades Renales
- Enfermedades urológicas
- Enfermedades urogenitales femeninas
- Enfermedades urogenitales femeninas y complicaciones del embarazo
- Enfermedades cardíacas
- Enfermedad crónica
- Atributos de la enfermedad
- Enfermedades del sistema inmunológico
- Enfermedades de las vías respiratorias
- Enfermedades pulmonares
- Enfermedades bronquiales
- Enfermedades Pulmonares Obstructivas
- Hipersensibilidad Respiratoria
- Hipersensibilidad, Inmediata
- Hipersensibilidad
- Insuficiencia renal
- Hipertensión
- Condiciones Patológicas, Signos y Síntomas
- Crisis hipertensiva
- Insuficiencia cardiaca
- Enfermedad Pulmonar Obstructiva Crónica
- Asma
- Infecciones
- Insuficiencia Renal Crónica
Otros números de identificación del estudio
Otros números de identificación del estudio
- 2017P002583c
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
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. .