- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06431412
Un modelo para la predicción de la concentración de fármacos de vancomicina
Un modelo clínico basado en datos para la predicción de la concentración de fármaco de vancomicina en pacientes críticos
Objetivo: Este estudio tiene como objetivo utilizar métodos de aprendizaje automático para establecer un modelo óptimo para predecir las concentraciones mínimas de vancomicina sérica en pacientes críticos.
Métodos: Se trata de un estudio retrospectivo unicéntrico. Los datos sobre la concentración sérica de vancomicina en la base de datos de cuidados críticos del Peking Union Medical College Hospital se examinaron y extrajeron para construir un modelo de predicción utilizando métodos de aprendizaje automático. La base de datos MIMIC-IV (Medical Information Mart for Intensive Care) se utilizará además para la verificación externa del modelo construido.
El estudio ha sido aprobado por el Comité de Ética Médica del Peking Union Medical College Hospital (K24C1161).
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Antecedentes: la vancomicina es un antibiótico glicopéptido que se utiliza principalmente para tratar infecciones causadas por Staphylococcus aureus resistente a la meticilina (MRSA). Como antibiótico dependiente del tiempo, la concentración sérica de vancomicina está estrechamente relacionada con la eficacia clínica, la toxicidad y la aparición de resistencia a los medicamentos. Por lo tanto, la monitorización terapéutica de fármacos (TDM) se considera un componente importante del manejo del tratamiento con vancomicina. Según las directrices de vigilancia de la vancomicina, se recomienda mantener una concentración sérica de vancomicina de 15 a 20 mg/l en pacientes con infecciones graves para mejorar los resultados clínicos y prevenir la resistencia a los medicamentos. Sin embargo, las pruebas de concentración sérica de vancomicina no se utilizan ampliamente en las prácticas clínicas, especialmente en áreas e instituciones médicas con recursos limitados, por lo que el seguimiento individualizado sigue siendo un desafío. Actualmente, los estudios sobre la predicción de la concentración de vancomicina generalmente utilizan el modelo farmacocinético poblacional (PPK). Sin embargo, este modelo se ve afectado por muchos factores como la edad, el peso y la tasa de aclaramiento de creatinina. Sin embargo, dado que los pacientes en estado crítico tienen enfermedades complejas acompañadas de disfunción orgánica múltiple, la farmacocinética de vancomicina puede verse alterada. En estos pacientes, la evidencia para la predicción de la concentración mediante modelos PPK es insuficiente.
Actualmente, los métodos de aprendizaje automático en rápido desarrollo pueden ayudar a capturar relaciones de variables no lineales mientras se realizan predicciones a través de múltiples variables para lograr un alto grado de precisión en los resultados de predicción. Este estudio tiene como objetivo utilizar métodos de aprendizaje automático para establecer un modelo óptimo para predecir las concentraciones mínimas de vancomicina sérica en pacientes críticos.
Objetivo: Este estudio tiene como objetivo extraer los datos de concentración sérica de vancomicina de la base de datos de cuidados críticos del Peking Union Medical College Hospital desde enero de 2014 hasta diciembre de 2023 y utilizar métodos de aprendizaje automático para establecer el modelo óptimo para predecir las concentraciones de vancomicina en pacientes críticos.
Métodos: (1) Este es un estudio retrospectivo unicéntrico. Se examinaron los datos sobre la concentración sérica de vancomicina en la base de datos de cuidados críticos del Peking Union Medical College Hospital. Después de cumplir con los criterios de elegibilidad, los datos clínicos de los pacientes incluidos se recopilan a través del sistema de registros médicos para pacientes hospitalizados, incluidas las características demográficas, las puntuaciones de gravedad, la información de las pruebas de laboratorio y la información del tratamiento. (2) Después de extraer los datos disponibles, se utilizan cinco modelos de aprendizaje automático, incluidos regresión lineal, regresión de lazo, regresión de cresta, bosque aleatorio y LightGBM, para construir modelos de predicción. El modelo con la mejor precisión de predicción se selecciona en función del error porcentual (PE), el error porcentual medio (MPE) y el error porcentual absoluto medio (MAPE). (3) La base de datos MIMIC-IV (Medical Information Mart for Intensive Care) se utiliza para realizar la validación externa del modelo construido mediante aprendizaje automático. Además, los investigadores compararán el rendimiento predictivo del modelo PPK con el modelo construido.
Control de calidad: Se incluyen pacientes que cumplen con los criterios de inclusión. Los pacientes a los que les falta información no se inscriben para reducir el sesgo. La información de los pacientes incluidos es registrada y registrada por una persona de investigación dedicada.
Ética y protección de la privacidad del paciente: la información personal del estudio se utilizará únicamente para los fines descritos en el protocolo de este estudio. La información médica obtenida se mantendrá confidencial. Los resultados también se publicarán en revistas académicas sin revelar ninguna información identificable del paciente. El estudio ha sido aprobado por el Comité de Ética Médica del Peking Union Medical College Hospital (K24C1161).
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Beijing
-
Beijing, Beijing, Porcelana, 100730
- Peking Union Medical College Hospita
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- Edad ≥18 años;
- Pacientes ingresados en UCI;
- A los pacientes se les administró vancomicina intravenosa;
- La TDM con vancomicina se realizó al menos dos veces.
Criterio de exclusión:
- La TDM con vancomicina se realizó en una sala en lugar de en una UCI;
- Pacientes con datos faltantes.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
La concentración sérica prevista de vancomicina
Periodo de tiempo: 1 día
|
La concentración sérica de vancomicina predicha por el modelo construido.
|
1 día
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Silla de estudio: Li Weng, MD, Peking Union Medical College Hospital
Publicaciones y enlaces útiles
Publicaciones Generales
- Obermeyer Z, Emanuel EJ. Predicting the Future - Big Data, Machine Learning, and Clinical Medicine. N Engl J Med. 2016 Sep 29;375(13):1216-9. doi: 10.1056/NEJMp1606181. No abstract available.
- Ye ZK, Li C, Zhai SD. Guidelines for therapeutic drug monitoring of vancomycin: a systematic review. PLoS One. 2014 Jun 16;9(6):e99044. doi: 10.1371/journal.pone.0099044. eCollection 2014.
- Ingram PR, Lye DC, Tambyah PA, Goh WP, Tam VH, Fisher DA. Risk factors for nephrotoxicity associated with continuous vancomycin infusion in outpatient parenteral antibiotic therapy. J Antimicrob Chemother. 2008 Jul;62(1):168-71. doi: 10.1093/jac/dkn080. Epub 2008 Mar 10.
- Rybak MJ, Le J, Lodise TP, Levine DP, Bradley JS, Liu C, Mueller BA, Pai MP, Wong-Beringer A, Rotschafer JC, Rodvold KA, Maples HD, Lomaestro B. Therapeutic Monitoring of Vancomycin for Serious Methicillin-resistant Staphylococcus aureus Infections: A Revised Consensus Guideline and Review by the American Society of Health-system Pharmacists, the Infectious Diseases Society of America, the Pediatric Infectious Diseases Society, and the Society of Infectious Diseases Pharmacists. Clin Infect Dis. 2020 Sep 12;71(6):1361-1364. doi: 10.1093/cid/ciaa303.
- Yasuhara M, Iga T, Zenda H, Okumura K, Oguma T, Yano Y, Hori R. Population pharmacokinetics of vancomycin in Japanese adult patients. Ther Drug Monit. 1998 Apr;20(2):139-48. doi: 10.1097/00007691-199804000-00003.
- Doupe P, Faghmous J, Basu S. Machine Learning for Health Services Researchers. Value Health. 2019 Jul;22(7):808-815. doi: 10.1016/j.jval.2019.02.012.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- K5927
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. .
Ensayos clínicos sobre Sin intervención
-
University of OxfordOxford University Hospitals NHS TrustDesconocidoSíntomas de comportamientoReino Unido
-
Munich Municipal HospitalTechnical University of Munich; University of RegensburgDesconocido
-
Ottawa Heart Institute Research CorporationCanadian Institutes of Health Research (CIHR)Activo, no reclutandoDependencia a la nicotina, cigarrillos | Abstinencia de nicotinaCanadá
-
Shiraz University of Medical SciencesTerminado
-
Heidelberg UniversityDesconocidoRetraso de idioma | Trastornos del desarrollo del lenguajeAlemania
-
IWK Health CentreCanadian Institutes of Health Research (CIHR)TerminadoTrastorno de oposición desafiante | Trastorno de conductaCanadá
-
The Hospital for Sick ChildrenTerminadoObesidad infantilCanadá
-
IWK Health CentreMcGill University; Canadian Institutes of Health Research (CIHR); University of... y otros colaboradoresActivo, no reclutandoTrastornos del neurodesarrollo | Trastornos del ComportamientoCanadá
-
VA Office of Research and DevelopmentTerminadoTrastornos de Estrés PostraumáticoEstados Unidos
-
Sahlgrenska University Hospital, SwedenKarolinska University Hospital; Skane University Hospital; Karlstad Central Hospital y otros colaboradoresActivo, no reclutandoClaudicación intermitenteSuecia