Predicción del resultado de la diálisis basada en IA con EHR
16 de abril de 2025 actualizado por: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Predicción de los resultados clínicos en pacientes con diálisis utilizando registros de salud electrónicos: un enfoque basado en IA
Este es un estudio clínico retrospectivo multicéntrico diseñado para evaluar la aplicación y eficacia de un modelo predictivo asistido por IA para los resultados de los pacientes en diálisis, aprovechando datos de salud multimodales.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Intervención / Tratamiento
Descripción detallada
Este estudio tiene como objetivo desarrollar un modelo asistido por IA para predecir resultados clínicos en pacientes en diálisis, centrándose tanto en los resultados primarios (p. ej., mortalidad) como en los resultados intermedios (p. ej., anemia, presión arterial, estado nutricional y metabolismo del fosfato de calcio).
El estudio utilizará los datos de la HCE de los pacientes, incluidos los resultados de las pruebas de laboratorio, el historial médico, la información sobre el tratamiento de diálisis y las observaciones clínicas, para predecir estos resultados de salud.
El objetivo es mejorar la identificación temprana de pacientes en riesgo, permitiendo una mejor toma de decisiones clínicas y estrategias de atención personalizadas.
Tipo de estudio
De observación
Inscripción (Estimado)
1000000
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.
Estudio Contacto
- Nombre: Fei Liu, MD
- Número de teléfono: +86 13810512704
- Correo electrónico: liufei_2359@163.com
Ubicaciones de estudio
-
-
Beijing
-
Beijing, Beijing, Porcelana
- Reclutamiento
- General Hospital of PLA
-
Contacto:
- Delong Zhao
- Número de teléfono: +86 13810512704
- Correo electrónico: feiliu0108@gmail.com
-
-
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
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra no probabilística
Población de estudio
La población del estudio está formada por pacientes en diálisis del Centro de la Red Nacional de Hemodiálisis de China, que incluye una amplia gama de pacientes sometidos a tratamiento de hemodiálisis en hospitales participantes de toda China.
Los participantes serán seleccionados en función de la disponibilidad de registros médicos electrónicos (EHR) completos, incluidos historial médico, resultados de pruebas de laboratorio, detalles del tratamiento de diálisis y observaciones clínicas.
La cohorte incluirá pacientes masculinos y femeninos, con distintos grados de estado de salud, incluidos aquellos con comorbilidades comúnmente asociadas con la diálisis.
El estudio tiene como objetivo utilizar este grupo diverso para evaluar y predecir resultados relacionados con la mortalidad y las complicaciones en pacientes en diálisis.
Descripción
Criterios de inclusión:
- Los pacientes que se han sometido a diálisis (hemodiálisis o diálisis peritoneal) durante al menos 3 meses.
- Datos completos y accesibles de EHR, incluidos historial médico, resultados de pruebas de laboratorio, detalles del tratamiento de diálisis y observaciones clínicas.
- Los participantes deben dar su consentimiento informado para el uso de sus datos de salud para fines de investigación.
Criterios de exclusión:
- Los pacientes con datos críticos de EHR incompletos o faltantes, incluidos el historial médico, los resultados de laboratorio, los datos de diálisis o los detalles del tratamiento necesarios para el estudio.
- Pacientes que han estado en diálisis por menos de 3 meses, para garantizar datos estables para la predicción de resultados.
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 |
|---|---|
|
Grupo de alto riesgo
Los participantes predijeron tener un alto riesgo de mortalidad basado en modelos de predicción asistidos por AI-AI que utilizan sus datos de EHR, incluidos el historial médico, los resultados del laboratorio, los detalles del tratamiento de diálisis y las observaciones clínicas.
|
Este estudio utiliza un modelo predictivo asistido por IA que analiza datos multimodales de registros médicos electrónicos, incluidos antecedentes médicos, resultados de laboratorio, detalles del tratamiento de diálisis y observaciones clínicas, para predecir los resultados de los pacientes en diálisis.
El modelo emplea algoritmos de aprendizaje profundo para predecir el riesgo de mortalidad, resultados intermedios como anemia, control de la presión arterial, nutrición y metabolismo del fosfato de calcio, y ayuda a identificar signos tempranos de deterioro.
La intervención no es un tratamiento o procedimiento directo, pero tiene como objetivo desarrollar una herramienta para predecir los resultados de los pacientes y optimizar las estrategias de tratamiento para mejorar la salud general y las tasas de supervivencia de los pacientes en diálisis.
|
|
Grupo de bajo riesgo
Los participantes predijeron tener un bajo riesgo de mortalidad basado en el modelo de predicción asistido por AII, que se compararán con el grupo de alto riesgo para evaluar la efectividad de las estrategias de intervención temprana.
|
Este estudio utiliza un modelo predictivo asistido por IA que analiza datos multimodales de registros médicos electrónicos, incluidos antecedentes médicos, resultados de laboratorio, detalles del tratamiento de diálisis y observaciones clínicas, para predecir los resultados de los pacientes en diálisis.
El modelo emplea algoritmos de aprendizaje profundo para predecir el riesgo de mortalidad, resultados intermedios como anemia, control de la presión arterial, nutrición y metabolismo del fosfato de calcio, y ayuda a identificar signos tempranos de deterioro.
La intervención no es un tratamiento o procedimiento directo, pero tiene como objetivo desarrollar una herramienta para predecir los resultados de los pacientes y optimizar las estrategias de tratamiento para mejorar la salud general y las tasas de supervivencia de los pacientes en diálisis.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión de la predicción de la mortalidad
Periodo de tiempo: 1 año
|
La capacidad del modelo predictivo asistido por IA para predecir con precisión el riesgo de mortalidad en pacientes en diálisis.
La precisión de la predicción se evaluará mediante el área bajo la curva (AUC), la puntuación F1 y la sensibilidad/especificidad.
El modelo se evaluará comparando el riesgo de mortalidad previsto con los resultados reales (es decir, si los pacientes sobrevivieron o fallecieron durante el período de estudio).
|
1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Precisión de predicción de complicaciones
Periodo de tiempo: 1 año
|
La precisión del modelo predictivo asistido por AI-AI en las complicaciones de pronóstico comúnmente experimentadas por pacientes con diálisis, incluida la anemia, la presión arterial no controlada, el mal estado nutricional y las anormalidades en el metabolismo del fosfato de calcio.
El rendimiento del modelo se evaluará utilizando métricas como AUC, la puntuación F1 y la precisión al comparar los valores predichos con los resultados clínicos reales, como los resultados del laboratorio, los diagnósticos clínicos y el estado de salud del paciente.
|
1 año
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
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)
1 de enero de 2023
Finalización primaria (Estimado)
1 de mayo de 2025
Finalización del estudio (Estimado)
1 de mayo de 2025
Fechas de registro del estudio
Enviado por primera vez
19 de enero de 2025
Primero enviado que cumplió con los criterios de control de calidad
19 de enero de 2025
Publicado por primera vez (Actual)
24 de enero de 2025
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
17 de abril de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
16 de abril de 2025
Última verificación
1 de abril de 2025
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- Dialysis
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
producto fabricado y exportado desde los 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. .