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

Covid-19, SARS-CoV-2-infektion jälkeiset jälkiseuraukset (PASC) ja influenssan hoitojärjestelmä koneoppimisen avulla

maanantai 25. joulukuuta 2023 päivittänyt: Lizora LLC

Autonominen Covid-19, SARS-CoV-2-infektion jälkeiset jälkiseuraukset (PASC) ja influenssan hoitojärjestelmä, jossa koneoppiminen avohoidossa

Tämä on avoin yhden käden observatoriotutkimus, jolla arvioidaan koneoppimiseen perustuvan autonomisen hoitojärjestelmän tehokkuutta ja turvallisuutta potilailla, joilla on COVID-19, SARS-CoV-2-infektion ja influenssan jälkeiset jälkiseuraukset.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Tähän tutkimukseen on otettu mukaan 27 potilasta, joilla on diagnosoitu Covid-19, SARS-CoV-2-infektion jälkeiset jälkiseuraukset ja influenssa. Näistä 26 on avohoidossa ja 1 sairaalahoidossa. Sisällytys- ja poissulkemiskriteerien perusteella tehdyn seulonnan jälkeen kelpoiset potilaat saavat koneoppimiseen perustuvan autonomisen hoitojärjestelmän suosittelemia reseptejä tässä havainnointitutkimuksessa. Tämän tutkimuksen tavoitteena on selvittää, vastaako koneoppimisen reseptisuositusjärjestelmän suorituskyky perinteisen kiinalaisen lääketieteen toimijoiden suorituskykyä ja arvioida suositeltua reseptiä käyttävien potilaiden kliinisiä tuloksia. Tämän tutkimuksen tavoitteet ovat:

  1. Vertaa koneoppimisjärjestelmämme luokituksia lääkäreiden tekemiin luokitteluihin, arvioiden mallin luotettavuutta ja tarkkuutta;
  2. Arvioimaan Covid-19-virukseen liittyviä sairaalahoitoja tai kuolemantapauksia mistä tahansa syystä päivään 28 asti;
  3. Sen selvittämiseksi, lievittääkö koneoppimisjärjestelmän suosittelema resepti Covid-19:ää, SARS-CoV-2-infektion jälkeisiä jälkitauteja ja influenssan oireita;
  4. Tarkkaile osallistujia, joiden Covid-19-antigeenitesti oli positiivinen 28 päivän ajan hoidon aloittamisen jälkeen mahdollisten rebound-tapausten varalta.

Osallistujat käyttävät online-sovellusta saadakseen suositellut reseptitulokset ja lähettävät tulokset sitten lääkärille tarkistettavaksi. Potilaita pyydetään suorittamaan online-analyysi kolmen päivän välein tai aina, kun oireet muuttuvat sen mukaan, kumpi tapahtuu ensin. Osallistujia myös opastetaan ottamaan määrätyt lääkkeet. Tutkimuslääkärit seuraavat potilaita puhelimitse kolmen päivän välein. Mahdollisia hoitoja, joita potilaat voivat saada, ovat mikä tahansa seuraavista perinteisen kiinalaisen lääketieteen kaavoista: LizCovidCure-1, LizCovidCure-2, LizCovidCure-3, LizCovidCure-4 ja LizCovid-5.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

27

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

    • Yunnan
      • Kunming, Yunnan, Kiina, 650000
        • Sheng'Ai Traditional Medicine Hospital

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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Potilaat, joilla on aktiivinen SARS-Cov-2-infektio 30 päivän sisällä potilaat, joilla on SARS-CoV-2-infektion jälkeisiä jälkiä, ja potilaat, joilla on influenssa.

Kuvaus

Sisällyttämiskriteerit:

  • Joko mies tai nainen (15 vuotta tai vanhempi), ja heidän COVID-19-rokotuksensa ei ollut tekijä sisällyttämisessä.
  • Kohteet, joilla on suuri riski
  • Koehenkilöillä oli positiiviset sars-cov-2 nopeat antigeenitulokset 30 päivässä
  • Koehenkilöt, joilla on post COVID-19 -oireyhtymä

Poissulkemiskriteerit:

  • raskaana olevat yksilöt
  • henkilöt, joilla on tunnettuja allergisia reaktioita perinteisessä kiinalaisessa lääketieteessä (TCM) yleisesti käytettyihin lääkekasveihin

Opintosuunnitelma

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

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Influenssa
Potilaille, joilla on negatiivinen SARS-CoV-2-pikaantigeenitesti ja joilla on diagnosoitu influenssa, määrätään ennalta määritellyt TCM-reseptit, joita Autonomous Treatment System suosittelee koneoppimisen perusteella.
Koneoppimiseen perustuva uusi hoitosuositusjärjestelmä COVID-19:n, SARS-CoV-2-infektion ja influenssan jälkeisten jälkiseurausten hoitoon
Aktiivinen Covid-19-infektio
Potilaille, joilla on positiiviset SARS-CoV-2-pikaantigeenitestitulokset 60 päivän sisällä ennen tutkimuksen alkamista, määrätään ennalta määritellyt TCM-reseptit, joita Autonomous Treatment System suosittelee koneoppimisen perusteella.
Koneoppimiseen perustuva uusi hoitosuositusjärjestelmä COVID-19:n, SARS-CoV-2-infektion ja influenssan jälkeisten jälkiseurausten hoitoon
Post-Covid-19 oireyhtymä
Potilaille, joilla on positiiviset Covid-19-antigeenitestitulokset yli 60 päivää ennen tutkimuksen alkamista, annetaan Autonomous Treatment Systemin koneoppimiseen perustuvat ennalta määrätyt TCM-reseptit.
Koneoppimiseen perustuva uusi hoitosuositusjärjestelmä COVID-19:n, SARS-CoV-2-infektion ja influenssan jälkeisten jälkiseurausten hoitoon

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Luokituksen tarkkuus
Aikaikkuna: 1 päivä
vertaa koneoppimisjärjestelmämme luokituksia lääkäreiden luokitteluihin mallin luotettavuuden arvioimiseksi
1 päivä

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Sairaalahoitoaste ja kuolleisuus
Aikaikkuna: 28 päivää
arvioimme Covid-19:ään liittyvän sairaalahoidon tai kuoleman mistä tahansa syystä päivään 28 asti
28 päivää

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Oireiden lievitys
Aikaikkuna: 28 päivää
Oireiden häviämisen päivät
28 päivää
Uudelleentartuntatapaukset
Aikaikkuna: 28 päivää
Tapausten määrä, joissa infektio uusiutuu hoidon jälkeen
28 päivää

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Opintojen puheenjohtaja: jiale xian, MHA, Lizora LLC

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 16. kesäkuuta 2023

Ensisijainen valmistuminen (Todellinen)

Lauantai 30. syyskuuta 2023

Opintojen valmistuminen (Todellinen)

Sunnuntai 1. lokakuuta 2023

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Torstai 21. syyskuuta 2023

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Torstai 21. syyskuuta 2023

Ensimmäinen Lähetetty (Todellinen)

Maanantai 25. syyskuuta 2023

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 29. joulukuuta 2023

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Maanantai 25. joulukuuta 2023

Viimeksi vahvistettu

Perjantai 1. joulukuuta 2023

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Ei aio jakaa yksittäisiä osallistujia (IPD).

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 .

Tilaa