Koneoppimismalli mekaanisen ilmanvaihdon tuloksen ja keston ennustamiseksi akuutissa hypokseemisessa hengitysvajauksessa (MEMORIAL)
Optimaalisen koneoppimismallin kehittäminen teho-osaston tulosten ja mekaanisen ventilaation keston ennustamiseksi potilailla, joilla on akuutti hypokseminen hengitysvajaus
Tutkimuksen yleiskatsaus
Tila
Tila
Ehdot
Ehdot
Interventio / Hoito
Interventio / Hoito
Yksityiskohtainen kuvaus
Akuutti hypokseminen hengitysvajaus (AHRF) on yleisin syy tehohoitoyksiköille (UCI) ottamista varten maailmanlaajuisesti. Arvioimme koneoppimistekniikoiden (ML) arvon teho-osaston kuoleman ja mekaanisen ventilaation (MV) pitkittyneen keston (> 7 päivää) varhaisessa ennustamisessa MV-potilailla AHRF-potilailla. Harvat tutkimukset ovat tutkineet MV:n kuolleisuuden ja keston ennustamista potilailla, joilla on AHRF.
Mallin kehittämistä varten tutkijat poimivat tiedot ensimmäisten 3 päivän ajalta AHRF-diagnoosin jälkeen potilailta, jotka sisältyvät PANDORA-kohortin tunnistamattomaan tietokantaan. Meillä oli tietokanta, joka sisälsi 2 000 000 anonymisoitua ja eriytettyä demografista ja kliinistä tietoa 1 241 AHRF-potilaasta, jotka oli rekisteröity PANDORA-kohorttiimme (akuutin hengitysvajauksen esiintyvyys ja lopputulos) 22 espanjalaisesta sairaalasta ja päätutkijan (JV) koordinoima. Tutkijat noudattavat monimuuttujaisen ennustemallin läpinäkyvää raportointia yksilöllisen ennusteen tai diagnoosin (TRIPOD) mallien ennustamiseen. Seulomme kerätyt muuttujat käyttämällä geneettisen algoritmin muuttujien valintamenetelmää säästäväisyyden saavuttamiseksi. Arvioimme muuttujamallien vähimmäismäärän käyttämällä logistista regressiota ja neljää valvottua ML-algoritmia: Random Forest, Extreme Gradient Boosting, Support Vector Machine ja Multilayer Perceptron. Käytämme 5-kertaista ristiinvalidointia 1 000 potilaan tietojoukossa, jotka on valittu satunnaisesti harjoitustiedoista (80 %) ja testitiedoista (20 %). Ulkoiseen validointiin käytämme loput 241 potilasta.
Opintotyyppi
Opintotyyppi
Ilmoittautuminen (Todellinen)
Ilmoittautuminen
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Ciudad Real, Espanja, 13005
- Hospital General Universitario de Ciudad Real
-
Cuenca, Espanja, 16002
- Hospital Virgen de La Luz
-
Madrid, Espanja, 28046
- Hospital Universitario La Paz
-
Madrid, Espanja, 28222
- Hospital Universitario Puerta De Hierro
-
Murcia, Espanja, 3012
- Hospital Universitario Virgen de Arrixaca
-
Santa Cruz de Tenerife, Espanja, 38010
- Hospital Universitario NS de Candelaria
-
Valencia, Espanja, 46010
- Hospital Cinico de Valencia
-
Valladolid, Espanja, 47012
- Hospital Universitario Río Hortega
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- endotrakeaalinen intubaatio plus mekaaninen ventilaatio (MV)
- PaO2/FiO2-suhde ≤300 mmHg MV:ssä positiivisella uloshengityspaineella (PEEP) ≥5 cmH2O ja FiO2 ≥0,3.
Poissulkemiskriteerit:
- Leikkauksen jälkeisiä potilaita ventiloidaan alle 24 tuntia
- Aivokuoleman potilaat.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Ryhmien/kohorttien lukumäärä
Kohortit ja interventiot
Ryhmä/KohorttiRyhmä/Kohortti |
Interventio / HoitoInterventio / Hoito |
|---|---|
|
Vahvistuskohortti
Se sisältää 200 satunnaisesti valittua potilasta (20 % 1000 potilaasta, joilla on AHRF
|
Käytämme vankkoja koneoppimismenetelmiä, kuten Random Forest, Extreme Gradient Boosting, Support Vector Machine ja Multilayer Perceptron.
Muut nimet:
|
|
Vahvistava kohortti
Se sisältää loput 241 potilasta satunnaisesti valittuna (ulkoisen validoinnin perusteella)
|
Käytämme vankkoja koneoppimismenetelmiä, kuten Random Forest, Extreme Gradient Boosting, Support Vector Machine ja Multilayer Perceptron.
Muut nimet:
|
|
Johdannaisryhmä
Se sisältää 800 potilasta, jotka on valittu satunnaisesti (1 000 potilasta, joilla on AHRF)
|
Käytämme vankkoja koneoppimismenetelmiä, kuten Random Forest, Extreme Gradient Boosting, Support Vector Machine ja Multilayer Perceptron.
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tehohoitokuolleisuus
Aikaikkuna: jopa 100 viikkoa (sisältöstä kuolemaan tai teho-osastolta kotiuttamiseen).
|
kuolema teho-osastolla
|
jopa 100 viikkoa (sisältöstä kuolemaan tai teho-osastolta kotiuttamiseen).
|
Toissijaiset tulostoimenpiteet
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
MV kesto
Aikaikkuna: jopa 100 viikkoa (inkluusiosta ekstubaatioon)
|
koneellisen ilmanvaihdon kesto
|
jopa 100 viikkoa (inkluusiosta ekstubaatioon)
|
Yhteistyökumppanit ja tutkijat
Sponsori
Sponsori
Tutkijat
Tutkijat
- Päätutkija: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Opiskelun aloitus
Ensisijainen valmistuminen (Todellinen)
Ensisijainen valmistuminen
Opintojen valmistuminen (Todellinen)
Opintojen valmistuminen
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Ensimmäinen Lähetetty
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin päivitys julkaistu
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
- Hengityselinten sairaudet
- Hengityshäiriöt
- Hengityksen vajaatoiminta
- Terveydenhuollon laatu, saatavuus ja arviointi
- Tutkintatekniikat
- Epidemiologiset menetelmät
- Terveydenhuollon arviointimekanismit
- Terveydenhuollon laatu
- Kansanterveys
- Ympäristö ja kansanterveys
- Tilastot aiheena
- Mallit, teoreettinen
- Riski
- Todennäköisyys
- Models, Statistical
- Regression Analysis
- Logistic Models
Muut tutkimustunnusnumerot
Muut tutkimustunnusnumerot
- PI24/00325
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .