- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT04951973
Deep Learning Based Early Warning Score Rapid Response Team Aktivointi
Syväoppimiseen perustuvan varhaisvaroituspistemäärän ja tavanomaisen seulontajärjestelmän vertailu nopean toiminnan tiimin aktivoinnissa yleisillä osastopotilailla
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
SPTTS on edustava laukaisujen seurantajärjestelmä. Perinteisen SPTTS:n lisäksi DEWS lasketaan joka ajankohtana aiemmin kehitetyn algoritmin avulla. SPTTS ja DEWS näkyvät samanaikaisesti näyttötaululla. Pikavalvontaryhmä suorittaa pelastustoimet kuten ennenkin, käyttäen samanaikaisesti sekä SPTTS:ää että DEWS:ää.
DEWS:n hälytysraja-asetukseksi muutetaan 70 pistettä, 75 pistettä ja 80 pistettä joka kuukausi.
Ensisijaiset ja toissijaiset tulokset arvioidaan SPTTS:n ja DEWS:n vertaamiseksi (kunkin kynnyksen perusteella).
Opintotyyppi
Ilmoittautuminen (Odotettu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Yeon Joo Lee, MD
- Puhelinnumero: 82-31-787-7082
- Sähköposti: yjlee1117@snubh.org
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Sukupuolet, jotka voivat opiskella
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Potilaat otettiin yleisosastolle, ja niitä seurataan sairaalan nopean toiminnan järjestelmän avulla
Poissulkemiskriteerit:
- lastenosastolle otettuja potilaita
- potilaat ensiapuun, teho-osastolla ja leikkaussalissa
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Sydänpysähdys sairaalassa
Aikaikkuna: 3 kuukautta
|
Vertaa sairaalassa tapahtuvan sydämenpysähdyksen ennustettavuutta DEWS:n ja SPTTS:n välillä.
|
3 kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Hälytys sattuma
Aikaikkuna: 3 kuukautta
|
Arvioi DEWS:n ja SPTTS:n hälytysyhteensopivuus.
|
3 kuukautta
|
|
Hälytysten kokonaismäärä.
Aikaikkuna: 3 kuukautta
|
Vertaa kokonaishälytysten määrää DEWS:n ja SPTTS:n välillä.
|
3 kuukautta
|
Yhteistyökumppanit ja tutkijat
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Kwon JM, Lee Y, Lee Y, Lee S, Park J. An Algorithm Based on Deep Learning for Predicting In-Hospital Cardiac Arrest. J Am Heart Assoc. 2018 Jun 26;7(13):e008678. doi: 10.1161/JAHA.118.008678.
- Cho KJ, Kwon O, Kwon JM, Lee Y, Park H, Jeon KH, Kim KH, Park J, Oh BH. Detecting Patient Deterioration Using Artificial Intelligence in a Rapid Response System. Crit Care Med. 2020 Apr;48(4):e285-e289. doi: 10.1097/CCM.0000000000004236.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (ODOTETTU)
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
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- DEWS_2021
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 .