Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Koneoppimisalgoritmi hauraiden iäkkäiden aikuisten perusterveydenhuollon kliinisten terveystilanteiden ennustamiseen.

torstai 24. elokuuta 2023 päivittänyt: Presage

Koneoppimisalgoritmi kliinisten terveystilanteiden (kaatuminen, aliravitsemusriski, masennuksen riski, sydämen vajaatoiminnan riski) ennustamiseen ja päätöksenteon tukityökalujen parantaminen kotona asuvien iäkkäiden aikuisten perusterveydenhuollossa.

Johdanto: Kehitimme koneoppimisalgoritmin, joka ennustaa hätäsairaalahoidon riskin uuden 7–14 päivän sisällä hyvällä ennustekyvyllä (AUC=0,85). Kotiapulaisten tallentamat tiedot lähetettiin reaaliajassa suojatulle palvelimelle analysoitavaksi koneoppimisalgoritmillamme, joka ennusti riskitason ja näytti sen suojatussa verkkopohjaisessa lääketieteellisessä laitteessa. Tämän tutkimuksen tavoitteena on toteuttaa ja arvioida Presage-järjestelmän herkkyyttä ja spesifisyyttä koskevia ennusteita neljässä kliinisessä tilanteessa, joilla on suuri vaikutus kotona asuvien vanhempien aikuisten suunnittelemattomaan sairaalahoitoon: kaatumiset, masennuksen riski (on surullisempi), aliravitsemuksen riski (syö vähemmän). hyvin) ja sydämen vajaatoiminnan riski (jalan turvotus).

Menetelmät Tämä on retrospektiivinen havainnollinen monikeskustutkimus. Saadaksemme käsityksen sekä lyhyen että keskipitkän aikavälin ennusteista ja siitä, miten riskitekijät kehittyvät eri havaintojaksojen aikana, kehitimme sarjan malleja, jotka ennustavat tulevien kliinisten oireiden riskiä.

Tutkimuksen yleiskatsaus

Tila

Valmis

Interventio / Hoito

Yksityiskohtainen kuvaus

Tämä on retrospektiivinen havainnollinen monikeskustutkimus. Tämä tutkimus tehtiin kahdella erillisellä kohortilla.

Tammikuun 2020 ja helmikuun 2023 välisenä aikana analysoitiin 50 kotihoitolaitoksen tiedot, joissa käytettiin PRESAEGE CARE -lääketieteellistä laitetta päivittäin. 740 853 dataa 27 439 kotiapukäynnistä 1 478 potilaalle. Potilaiden keski-ikä oli 84,89 vuotta (SD = 8,9 vuotta), keski-ikäinen riippuvuusaste ja otokseen kuului 1 038 naista (70 %).

PRESAGE CARE on CE-merkitty lääkintälaite, joka ennakoi hätätilanteita sairaalassa. Tämä sähköinen terveysjärjestelmä perustuu kyselyyn, joka keskittyy toiminnalliseen ja kliiniseen autonomiaan (eli arkielämän toimintaan), mahdollisiin lääketieteellisiin oireisiin (esim. väsymys, kaatumiset ja kipu), käyttäytymisen muutoksiin (esim. tunnistaminen ja aggressiivisuus), ja viestintä HA:n tai heidän ympäristönsä kanssa.

Näiden tietojen perusteella tekoälyalgoritmi arvioi ja ennustaa joitain muita riskejä.

Tämän tutkimuksen tavoitteena on arvioida PRESAGE CARE -järjestelmän herkkyyttä ja spesifisyyttä neljässä kliinisessä tilanteessa, joilla on suuri vaikutus kotona asuvien iäkkäiden aikuisten suunnittelemattomaan sairaalahoitoon: kaatumiset, masennuksen riski (on surullisempi), riski, jos (syö vähemmän hyvin) ja sydämen vajaatoiminnan riski (jalan turvotus).

Päätavoitteena oli neljän tapahtuman ennusteen herkkyys ja spesifisyys: kaatumiset, "on surullisempi", "syö huonommin" ja "jalka turvonnut" ei-tautologisille tapahtumille (kun tapahtumat eivät näy havaintoikkunassa).

Toissijainen tavoite oli neljän tapahtuman ennusteen herkkyys ja spesifisyys: kaatuu, "on surullisempi", "syö huonommin" ja "jalka turvonnut" tautologisille tapahtumille (kun tapahtumat näkyvät havaintoikkunassa).

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

1478

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Hauraat vanhemmat aikuiset saavat kotihoidon avustajan apua PRESAGE CARE -laitteella Ranskassa.

Kuvaus

Sisällyttämiskriteerit:

  • heikkokuntoiset 65-vuotiaat ja sitä vanhemmat aikuiset
  • Ota vastaan ​​kotihoidon apulainen PRESAGE CARE -palvelun avulla
  • Kaikki kelvolliset henkilöt kutsuttiin osallistumaan, ja he otettiin mukaan, jos he antoivat suostumuksensa

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Neljän tapahtuman ennusteen herkkyys ja spesifisyys: kaatuminen, "on surullisempi", "syö huonommin" ja "jalka turvonnut" ei-tautologisille tapahtumille ((kun tapahtumat eivät näy havaintoikkunassa).
Aikaikkuna: yhdestä kuuteen viikkoon
Arvioidaksemme mallien ennakoivaa suorituskykyä tutkimme otoksen ulkopuolisia suorituskykymittareita, mukaan lukien vastaanottimen operaattorin ominaiskäyrän alla oleva pinta-ala (AUC), 5 % ja 15 % AUC, herkkyys, spesifisyys, positiivinen ennustearvo (PPV), negatiivinen ennustava arvo (NPV), joka perustuu sekaannusmatriikkaan, joka luotiin seuraavasti: Jokaisessa ROC-käyrän pisteessä laskettiin painotettu keskiarvo herkkyyden ja spesifisyyden välillä.
yhdestä kuuteen viikkoon

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Neljän tapahtuman ennusteen herkkyys ja spesifisyys: kaatuu, "on surullisempi", "syö huonommin" ja "jalka turvonnut" tautologisille tapahtumille ((kun tapahtumat eivät näy havaintoikkunassa).
Aikaikkuna: yhdestä kuuteen viikkoon
Arvioidaksemme mallien ennakoivaa suorituskykyä tutkimme otoksen ulkopuolisia suorituskykymittareita, mukaan lukien vastaanottimen operaattorin ominaiskäyrän alla oleva pinta-ala (AUC), 5 % ja 15 % AUC, herkkyys, spesifisyys, positiivinen ennustearvo (PPV), negatiivinen ennustava arvo (NPV), joka perustuu sekaannusmatriikkaan, joka luotiin seuraavasti: Jokaisessa ROC-käyrän pisteessä laskettiin painotettu keskiarvo herkkyyden ja spesifisyyden välillä.
yhdestä kuuteen viikkoon

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Perjantai 1. huhtikuuta 2016

Ensisijainen valmistuminen (Todellinen)

Perjantai 1. huhtikuuta 2016

Opintojen valmistuminen (Todellinen)

Torstai 1. joulukuuta 2022

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 21. elokuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 24. elokuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Maanantai 28. elokuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 28. elokuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 24. elokuuta 2023

Viimeksi vahvistettu

Tiistai 1. elokuuta 2023

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

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 Frail Vanhusten oireyhtymä

Kliiniset tutkimukset PRESAE CARE

3
Tilaa