Predicción del deterioro del paciente mediante el aprendizaje automático
16 de marzo de 2026 actualizado por: David Levine, Brigham and Women's Hospital
Este es un estudio observacional retrospectivo basado en datos de la base de datos del Brigham and Women's Home Hospital.
Se usaron datos sociodemográficos y clínicos de una cohorte de entrenamiento para entrenar un algoritmo de aprendizaje automático para predecir el deterioro del paciente a lo largo de la admisión del paciente.
Este algoritmo fue luego validado en una cohorte de validación.
Descripción general del estudio
Estado
Terminado
Condiciones
Tipo de estudio
De observación
Inscripción (Actual)
526
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
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
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
18 años y mayores (Adulto, Adulto Mayor)
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra no probabilística
Población de estudio
Sujetos ingresados en Brigham and Women's Hospital y Brigham and Women's Faulkner Hospital que cumplen con los requisitos de diagnóstico primario, edad y residencia geográfica y están inscritos en el hospital de origen.
Descripción
Criterios de inclusión:
Atención en el estudio Brigham and Women's Home Hospital
Criterio de exclusión:
Datos de monitoreo continuo incompletos
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
Capacitación
Un subconjunto de pacientes que se utilizan para entrenar el algoritmo de aprendizaje automático.
|
Compararemos retrospectivamente las alarmas producidas a partir de las alarmas de signos vitales tradicionales (umbrales establecidos por los médicos) frente al índice BioVitals frente a la puntuación nacional de alerta temprana 2
|
|
Validación
Un subconjunto de pacientes que son "retenidos" y utilizados para validar la precisión del algoritmo.
|
Compararemos retrospectivamente las alarmas producidas a partir de las alarmas de signos vitales tradicionales (umbrales establecidos por los médicos) frente al índice BioVitals frente a la puntuación nacional de alerta temprana 2
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Carga de alarma
Periodo de tiempo: Desde el ingreso hasta el alta, medido en horas, en promedio 5 días
|
El número de alarmas disparadas por paciente por hora
|
Desde el ingreso hasta el alta, medido en horas, en promedio 5 días
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad para el reconocimiento de un compuesto de seguridad
Periodo de tiempo: Desde el ingreso hasta el alta, en promedio 5 días
|
La sensibilidad (verdaderos positivos divididos por condición positiva) para la detección de un compuesto de seguridad (visita nocturna, visita adicional no planificada, transferencia de regreso al hospital, muerte durante el ingreso, delirio, pérdida del conocimiento u otro evento importante).
|
Desde el ingreso hasta el alta, en promedio 5 días
|
|
Especificidad para el reconocimiento de un compuesto de seguridad
Periodo de tiempo: Desde el ingreso hasta el alta, en promedio 5 días
|
La especificidad (verdaderos negativos divididos por condiciones negativas) para la detección de un compuesto de seguridad (visita nocturna, visita adicional no planificada, transferencia de regreso al hospital, muerte durante el ingreso, delirio, pérdida del conocimiento u otro evento importante).
|
Desde el ingreso hasta el alta, en promedio 5 días
|
|
Valor predictivo positivo para el reconocimiento de un compuesto de seguridad
Periodo de tiempo: Desde el ingreso hasta el alta, en promedio 5 días
|
El valor predictivo positivo (positivos verdaderos divididos por la suma de los positivos verdaderos más los positivos falsos) para la detección de un compuesto de seguridad (visita nocturna, visita adicional no planificada, transferencia de regreso al hospital, muerte durante el ingreso, delirio, pérdida del conocimiento u otra importante evento).
|
Desde el ingreso hasta el alta, en promedio 5 días
|
|
Valor predictivo negativo para el reconocimiento de un compuesto de seguridad
Periodo de tiempo: Desde el ingreso hasta el alta, en promedio 5 días
|
El valor predictivo negativo (negativos verdaderos divididos por la suma de los negativos verdaderos más los negativos falsos) para la detección de un compuesto de seguridad (visita nocturna, visita adicional no planificada, transferencia de regreso al hospital, muerte durante el ingreso, delirio, pérdida del conocimiento u otra importante evento).
|
Desde el ingreso hasta el alta, en promedio 5 días
|
|
Tasa de alarmas con utilidad clínica
Periodo de tiempo: Desde el ingreso hasta el alta, en promedio 5 días
|
Usaremos ecuaciones generales de estimación (GEE) con tres resultados por paciente (la cantidad de alarmas clínicamente importantes para BioVitals, NEWS2 y signos vitales tradicionales); el GEE tendrá en cuenta la agrupación entre los tres resultados en un paciente.
El GEE utilizará un modelo marginal binomial negativo con un enlace de registro para el número de alarmas con utilidad clínica y una compensación para la duración de la estadía del registro (en horas); con este modelo modelamos la tasa por hora de número de alarmas con utilidad clínica con BI, NEWS2 y constantes vitales tradicionales.
La covariable principal en el modelo binomial negativo será una covariable de tres niveles para el método: BI frente a NEWS2 frente a signos vitales tradicionales, y la exponencial del efecto de esta covariable será una relación de tasas por pares para BI frente a NEWS2 frente a signos vitales tradicionales señales.
|
Desde el ingreso hasta el alta, en promedio 5 días
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: David Levine, MD MPH MA, Associate Physician
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
20 de marzo de 2021
Finalización primaria (Actual)
20 de marzo de 2025
Finalización del estudio (Actual)
16 de febrero de 2026
Fechas de registro del estudio
Enviado por primera vez
14 de abril de 2021
Primero enviado que cumplió con los criterios de control de calidad
15 de septiembre de 2021
Publicado por primera vez (Actual)
16 de septiembre de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
17 de marzo de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
16 de marzo de 2026
Última verificación
1 de marzo de 2026
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
- 2017P002583d
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
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. .