- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04771429
Sepsiksen koneoppimisen ennustava malli
Sepsis-lasten riskin koneoppimismalli
Sepsiksen esiintymisen oikea-aikainen ja tarkka ennustaminen ja aktiivinen hoitoon puuttuminen voivat parantaa tehokkaasti sepsispotilaiden eloonjäämis- ja paranemisastetta.
Koneoppimisen ja luonnollisen kielen prosessoinnin avulla haluamme kehittää malleja, joilla 1) tunnistetaan kaikki sairaalaan joutuneet sepsislapset ja 2) kerrotaan ne, joilla voidaan erottaa ne, joilla on suuri kuolemanriski b) Miten teet työsi? Kehitämme Shanghain sairaaloista ja MIMIC III:sta erittäin laajan tietojoukon potilaiden vastaanotoista kaikista sairauksista, mukaan lukien sepsis, sähköisestä sairauskertomuksesta. Nämä tiedot sisältävät sekä jäsenneltyä dataa, kuten ikä, sukupuoli, lääkkeet, laboratorioarvot, rinnakkaissairaudet sekä jäsentämätöntä tietoa, kuten kotiutusyhteenvedot ja lääkärin muistiinpanot. Aineiston avulla koulutamme mallin luonnollisen kielen käsittelyn ja koneoppimisen avulla, jotta voimme tunnistaa sepsispotilaat ja tunnistaa potilaat, joilla on korkea kuolemanriski. Testaamme näiden mallien kykyä määrittää ennustetarkkuuttamme. Sitten testaamme näitä malleja muissa laitoksissa.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Johdanto: Sepsiksen esiintymisen oikea-aikainen ja tarkka ennustaminen ja aktiivinen hoitoon puuttuminen voivat parantaa tehokkaasti sepsispotilaiden eloonjäämistä ja paranemisastetta. Sepsiksen ennustamisesta on tehty suuri määrä tutkimustuloksia kahdella menetelmällä: kliinisiin pisteytysmekanismeihin perustuvalla sepsiksen havaitsemis- ja arviointimenetelmällä sekä koneoppimismalliin perustuvalla sepsiksen havaitsemismenetelmällä.
Tavoite: Kohtuullinen ja tehokas tietojen esikäsittely voi parantaa merkittävästi sepsiksen varhaisvaroitusmallien oikea-aikaisuutta ja tarkkuutta. Ottaen huomioon suuren aikahajonnan, epätasaisen jakautumisen ja yleisten sepsiksen ennustemallinnusindikaattoreiden suuret erot, tutkimuksessa ehdotettiin hybridiinterpolaatiomenetelmää, joka perustuu aikaikkunaan liittyviin sepsisindikaattoreihin.
Menetelmät: Tutkimuksessa suunniteltiin kokeellista vertailua varten perinteinen datainterpolointimenetelmä, joka perustuu lineaariseen, MGP-, keskiarvoon, lähimpään naapuriin ja hybridiinterpolointimenetelmä (CTWH), joka perustuu korrelaatioaikaikkunaan (CTW). Kokeet suoritettiin vastaavasti näytesarjoissa ilman kokeellisen datan poistoa ja näytesarjoissa, joista 90 % puuttui arvoista. Vertaamalla olemassa olevien sepsisindikaattoreiden interpolointimenetelmien suorituskykyyn samalla perusmallilla, menetelmän tehokkuus todistettiin ennustetulosten tarkkuudella ja oikea-aikaisuudella. Lopuksi kokeellisen menetelmän tulokset analysoitiin ja selitettiin kliinisestä näkökulmasta.
Merkitys:
Ottaen huomioon sepsiksen ennustemalleissa yleisesti käytettyjen indikaattoreiden suuren dispersion, epätasaisen jakautumisen ja suuret erot ominaisuuksien välillä, tämä tutkimus ehdotti tehokasta tiedon interpolointistrategiaa. Kun puuttuvat tiedot 90 % ja 0 % oli poistettu, tässä tutkimuksessa ehdotettu interpolointimenetelmä toimi paremmin kuin olemassa olevat menetelmät, kuten keskiarvointerpolointi ja lineaarinen interpolointi, KNN, MGP staattisilla perusviiva- ja aikasarjamalleilla. Samalla tämä menetelmä antoi myös idean tutkia interpolointiikkunan pituutta ja tuki puuttuvien arvojen interpoloinnin ja tietojen esikäsittelyn prospektiivista tutkimusta.
Opintotyyppi
Ilmoittautuminen (Odotettu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
Yangpu
-
Shanghai, Yangpu, Kiina, 200092
- Rekrytointi
- Xinhua Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China
-
Ottaa yhteyttä:
- Xin Sun, PhD
- Puhelinnumero: 18902268716
- Sähköposti: Doctorsunxin@hotmail.com
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- diagnosoitu "infektio", "septinen sokki" tai "sepsis" tai "septikemia"
Poissulkemiskriteerit:
- Akuutti ylempien hengitysteiden tulehdus
- Vastasyntyneet
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Sepsiksen tunnistaminen
Aikaikkuna: Perustaso
|
Sepsispotilaat seulottiin Sepsis-III-standardin perusteella
|
Perustaso
|
Yhteistyökumppanit ja tutkijat
Tutkijat
- Päätutkija: Xin Sun, MD, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Odotettu)
Opintojen valmistuminen (Odotettu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- XHEC-C-2021-104-1
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
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 .
Kliiniset tutkimukset Sepsis
-
University of Kansas Medical CenterUniversity of KansasRekrytointiSepsis | Septinen shokki | Sepsis-oireyhtymä | Sepsis, vakava | Sepsis bakteeri | Sepsis BakteremiaYhdysvallat
-
Jip GroenInBiomeRekrytointiMikrobien kolonisaatio | Vastasyntyneen infektio | Vastasyntyneen sepsis, varhain alkava | Mikrobien sairaus | Kliininen sepsis | Kulttuurinegatiivinen vastasyntyneiden sepsis | Vastasyntyneen sepsis, myöhään alkava | Kulttuuripositiivinen vastasyntyneiden sepsisAlankomaat
-
The University of QueenslandRoyal Brisbane and Women's HospitalTuntematon
-
Karolinska InstitutetÖrebro University, SwedenValmisSepsis | Sepsis-oireyhtymä | Sepsis, vakavaRuotsi
-
Ohio State UniversityValmisSepsis, vaikea sepsis ja septinen shokkiYhdysvallat
-
University of LeicesterUniversity Hospitals, Leicester; The Royal College of AnaesthetistsValmisSepsis | Septinen shokki | Vaikea sepsis | Sepsis-oireyhtymäYhdistynyt kuningaskunta
-
Indonesia UniversityValmisVaikea sepsis ja septinen shokki | Vaikea sepsis ilman septistä shokkiaIndonesia
-
Beckman Coulter, Inc.Biomedical Advanced Research and Development AuthorityRekrytointiVaikea sepsis | Vaikea sepsis ilman septistä shokkiaYhdysvallat
-
Weill Medical College of Cornell UniversityNational Heart, Lung, and Blood Institute (NHLBI); New York Presbyterian... ja muut yhteistyökumppanitValmisSepsis | Septinen shokki | Vaikea sepsis | Infektio | Sepsis-oireyhtymäYhdysvallat
-
Inverness Medical InnovationsValmisSepsis | Systeeminen tulehdusvasteen oireyhtymä | Vaikea sepsis | Sepsis-oireyhtymäYhdysvallat