Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Evaluación de las predicciones de riesgo de insuficiencia orgánica en la UCI (AI4ICU-Obs)

27 de agosto de 2025 actualizado por: ETH Zurich

Evaluación prospectiva de las predicciones de riesgo de insuficiencia orgánica en la unidad de cuidados intensivos: comparando la precisión de las predicciones de riesgo humanos y de IA

Durante este estudio de observación, los investigadores tienen como objetivo evaluar la capacidad de los médicos de los UCI para predecir el riesgo de insuficiencia orgánica inminente y compararlo retrospectivamente con el rendimiento de los modelos de aprendizaje automático publicados anteriormente. La hipótesis central de este estudio es que el médico tratante puede predecir una insuficiencia orgánica inminente en pacientes adultos con una precisión similar a la que la mejor publica previamente modelos de aprendizaje automático.

Descripción general del estudio

Descripción detallada

En este estudio observacional, la evaluación del clínico (médicos y enfermeras) del riesgo de falla orgánica inminente estimado en un entorno de la UCI se recolectan prospectivamente. La insuficiencia circulatoria se investiga en el objetivo principal, y la insuficiencia respiratoria, la insuficiencia renal y la mortalidad se investigan en objetivos secundarios. Estas evaluaciones investigan el rendimiento predictivo e influyen en los factores para la predicción clínica. Las evaluaciones serán recolectadas en cuestionarios y serán realizadas por los médicos directamente involucrados en el tratamiento del paciente y por médicos que no son activamente responsables del tratamiento del paciente. Además, este estudio tiene como objetivo comparar estas evaluaciones de riesgos realizadas por los profesionales de la salud contra puntajes de riesgo de IA generados retrospectivamente para los mismos pacientes y puntos de tiempo. Los puntajes de riesgo de IA se calcularán retrospectivamente a partir de un conjunto de modelos de una búsqueda sistemática de la literatura actual. Los modelos de IA que se emplearán para este análisis se identificarán como lo indican un protocolo de revisión sistemática y deben satisfacer los siguientes dos criterios: no requieren ningún dato más allá de lo que se recopila rutinariamente durante una estadía en la UCI y se puede acceder como código abierto . Tal comparación es vital para la comprensión de la precisión relativa y la confiabilidad de las predicciones basadas en IA en el contexto del riesgo de falla orgánica en comparación con el rendimiento humano. Se anticipa que los datos y los hallazgos de este estudio proporcionarán evidencia de la utilidad clínica de los puntajes de riesgo basados ​​en IA y allanan el camino para futuras investigaciones sobre la optimización de los sistemas de IA para aplicaciones de salud.

Tipo de estudio

De observación

Inscripción (Actual)

499

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

    • Canton of Bern
      • Bern, Canton of Bern, Suiza, 3010
        • University Hospital Inselspital, Berne

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 de probabilidad

Población de estudio

Unidad de cuidados intensivos para adultos en el University Hospital Bern

Descripción

Criterios de inclusión:

  • paciente edad mínima de 18 años
  • Admisión de emergencia a la UCI
  • línea arterial en su lugar

Criterios de exclusión:

  • rechazo documentado (en el formulario de consentimiento general) a participar en la investigación clínica
  • pacientes con afecciones neurológicas que perjudican el nivel de conciencia del paciente (incluidos, entre otros, accidente cerebrovascular, lesión cerebral traumática, hemorragia intracraneal, infecciones del SNC; excepto el politrauma)
  • pacientes con sistemas de apoyo circulatorio mecánico (IABP, VA-ECMO, Impella, VAD) o oxigenación de membrana extracorpórea (VV-ECMO) en cualquier momento durante su estadía en la UCI;
  • Los pacientes que reciben atención al final de la vida o son ingresados ​​con el único propósito de evaluar la donación de órganos

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
Pacientes de la UCI para adultos

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Predicción clínica de insuficiencia circulatoria dentro de las 8 horas en comparación con los modelos ML publicados
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Este resultado compara el área bajo la curva característica operativa del receptor (AUROC) para dos métodos para predecir la insuficiencia circulatoria dentro de las 8 horas de cada punto de tiempo de evaluación: (1) Estimaciones de riesgo de los médicos de la UCI y (2) aprendizaje automático publicado anteriormente (ML) publicado (ML) Modelos aplicados retrospectivamente. Para cada evaluación, calculamos el AUROC por separado para los médicos y para el modelo ML para los mismos puntos de tiempo y pacientes. La diferencia en AUROC (clínico menos ml) es la principal medida de interés, evaluada bajo un marco de no inferioridad con un margen de 0.025.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Predicción clínica de insuficiencia respiratoria dentro de las 24 horas en comparación con los modelos ML publicados
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Este resultado compara el área bajo la curva característica operativa del receptor (AUROC) para dos métodos para predecir la insuficiencia respiratoria dentro de las 24 horas posteriores a cada punto de evaluación: (1) Estimaciones de riesgo de los médicos de la UCI, y (2) aprendizaje automático publicado anteriormente (ML) Modelos aplicados retrospectivamente. Para cada evaluación, calculamos el AUROC por separado para los médicos y para el modelo ML. La diferencia en AUROC (clínico menos ML) es la medida principal de interés, evaluada utilizando el mismo marco metodológico que el resultado primario.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.

Otras medidas de resultado

Medida de resultado
Medida Descripción
Periodo de tiempo
Análisis exploratorio de la predicción clínica de la insuficiencia renal dentro de las 48 horas en comparación con los modelos ML publicados
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Este resultado exploratorio compara el área bajo la curva característica de operación del receptor (AUROC) para dos métodos para predecir la insuficiencia renal dentro de las 48 horas posteriores a cada punto de tiempo de evaluación: (1) Estimaciones de riesgo de los médicos de la UCI y (2) aprendizaje automático publicado anteriormente (ML (ML ) modelos aplicados retrospectivamente. Para cada evaluación, calculamos el AUROC por separado para los médicos y para el modelo ML. La diferencia en AUROC se evalúa utilizando el mismo marco metodológico que el resultado primario.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Análisis exploratorio de la predicción de mortalidad clínica en comparación con los modelos ML publicados
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Predicción de mortalidad por todas las causas mediante la prueba de McNemar. Evaluado y probado utilizando el rendimiento de las evaluaciones respectivas por los médicos (respuesta binaria) y las predicciones correspondientes (emparejadas) por un modelo de aprendizaje automático (predicción de probabilidad reducida a una respuesta binaria) capacitados en datos históricos para los tres resultados binarios individuales de mortalidad por todas las causas de mortalidad. <28 días, <6 meses, <12 meses. Para cada horizonte por separado, las probabilidades basadas en máquinas están umbradas para que coincidan con la sensibilidad de los médicos, se realiza una prueba de McNemar para probar una diferencia significativa en las capacidades predictivas y los valores P se ajustarán para tener en cuenta las pruebas múltiples si es necesario.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Análisis exploratorio de la precisión predictiva del tratamiento de médicos versus las enfermeras del tratamiento
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Evaluado y probado para los mismos resultados primarios, secundarios y primeros exploratorios (es decir, riesgos circulatorios, respiratorios y de insuficiencia renal) utilizando las evaluaciones respectivas tratando a los médicos y tratando a las enfermeras con evaluaciones de punto de tiempo emparejadas.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Comparación de la precisión predictiva del tratamiento versus los médicos no tratados
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Evaluado y probado para los mismos que los resultados primarios, secundarios y primeros exploratorios (es decir, los riesgos circulatorios, respiratorios y de insuficiencia renal) utilizando las evaluaciones respectivas por parte de los médicos (tratados) y dependiendo únicamente de los datos de EHR (no tratado) con tiempo emparejado con un tiempo emparejado -Anvalaciones de punto.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Análisis de calibración de puntajes de predicción de clínicos
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Análisis de calibración de puntajes de predicción de clínicos. El estudio evalúa las capacidades de predicción de un colectivo de médicos. Sin embargo, los humanos pueden estar mal calibrados entre sí con respecto a proporcionar estimaciones de probabilidad. Evaluar el rendimiento del colectivo sin la calibración de los individuos entre sí podría subestimar las capacidades predictivas reales de los médicos si estuvieran bien calibrados. Proponemos volver a evaluar los resultados primarios y secundarios, pero además realizamos una calibración de puntaje de riesgo entre los médicos.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
Análisis exploratorio de patrones (por ejemplo, errores/sesgos sistemáticos) de rendimiento predictivo en asesores humanos y de máquinas
Periodo de tiempo: Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.
  1. Factores de influencia para las capacidades de predicción de médicos como la antigüedad clínica, el rol clínico (incl. Enfermera vs Médica), hora del día, día de la semana, carga de trabajo, orden de pacientes atendidos y otras información recopilada sobre médicos participantes.
  2. Errores y sesgos sistemáticos de las evaluaciones de expertos humanos y las predicciones basadas en el aprendizaje automático sobre la edad del paciente, el grupo de diagnóstico o cualquiera de las variables recolectadas específicas del paciente o clínicas recolectadas.
Las evaluaciones se recopilan dentro de las primeras 72 horas posteriores a la admisión.

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Investigadores

  • Investigador principal: Martin Faltys, Dr. med., Insel Gruppe AG, University Hospital Bern

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)

18 de noviembre de 2024

Finalización primaria (Actual)

15 de mayo de 2025

Finalización del estudio (Estimado)

15 de mayo de 2026

Fechas de registro del estudio

Enviado por primera vez

18 de noviembre de 2024

Primero enviado que cumplió con los criterios de control de calidad

3 de febrero de 2025

Publicado por primera vez (Actual)

7 de febrero de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Estimado)

28 de agosto de 2025

Última actualización enviada que cumplió con los criterios de control de calidad

27 de agosto de 2025

Última verificación

1 de noviembre de 2024

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

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. .

Suscribir