- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06245694
ENNAKOIVA JA KEVYTTÄVÄ ANALYTIIKKA PÄIVÄLÄÄKETÖSSÄ - NEUROLOGIAS PUITTEET (PAN-EM-NEURO)
Tulevaisuuden ennakoiva mallinnus ensiapulääketieteessä yhdistää todennäköisesti useiden tietopisteiden käytön, kuten jatkuvan dokumentoinnin, puettavien laitteiden seurannan, kuvantamisen, biomarkkereita ja reaaliaikaisen hallinnollisen tiedon kaikilta terveydenhuollon tarjoajilta. Myöhemmät laajat tietojoukot voisivat ruokkia kehittyneitä syväoppimis- ja hermoverkkoalgoritmeja, jotka ennustavat tarkasti tiettyjen terveystilojen riskin. Lisäksi ennustava analytiikka ohjaa kehittämään kliinisiä polkuja, jotka ovat mukautuvia ja jatkuvasti päivittyviä ja joissa terveydenhuollon päätöksentekoa tukevat kehittyneet algoritmit parhaan toimintatavan tarjoamiseksi tehokkaasti ja turvallisesti. Ennakoivan analytiikan mahdollisuus mullistaa monia terveydenhuollon näkökohtia näyttää selvältä horisontissa. Tietoa käytöstä ensilääketieteessä on niukasti.
Pyrimme arvioimaan rutiinitietojen käytön tehokkuutta ennustaaksemme resurssien käyttöä ensiapulääketieteessä käyttämällä yleisesti havaittua akuutin neurologisen vajaatoiminnan oiretta. Näkymänä tämä voisi toimia prototyyppinä muille samankaltaisille projekteille, jotka käyttävät rutiininomaista lääketieteellistä dataa ennakoivaa analytiikkaa varten hätälääketieteessä.
Tutkimuksen yleiskatsaus
Tila
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Jan Niederdöckl, MD
- Puhelinnumero: 0042 40 400 19640
- Sähköposti: jan.niederdoeckl@meduniwien.ac.at
Opiskelupaikat
-
-
-
Vienna, Itävalta, 1090
- Rekrytointi
- Emergency Department, Medical University Vienna
-
Ottaa yhteyttä:
- Jan Niederdöckl, Dr.
- Sähköposti: jan.niederdoeckl@medunwien.ac.at
-
Ottaa yhteyttä:
- Alexander Simon, Dr.
- Sähköposti: alexander.simon@medunwien.ac.at
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Rutiininomaisesti kerätyn tiedon retrospektiivinen analyysi. Pyrimme löytämään tietomalleja, jotka liittyvät sairaalan resurssien käyttöön potilailla, jotka ovat joutuneet ensiapuun epäillyn akuutin neurologisen vajaatoiminnan vuoksi.
Käytämme tässä tutkimuksessa vain rutiininomaisen sähköisen lääketieteellisen dokumentaatiojärjestelmän tietoja. Linkitystä muihin tietokokonaisuuksiin ei tehdä. Järjestelmään sisältyvät tiedot sisältävät potilaiden demografiset tiedot, alkuoireet, sairaalaa edeltävät elintoiminnot ja pisteet, ensiapupalvelujen epäillyt diagnoosit, sairaalan elintoiminnot ja -pisteet, sairaaladiagnostiikka (tietokonetomografia CT, magneettikuvaus MRI) ja terapeuttiset (katetriinterventio) toimenpiteet ja lopullinen diagnoosi. Katso 'muuttujat' saadaksesi täydellisen joukon muuttujia.
Tässä tutkimuksessa käytetään vain täysin pseudonomysoitua tietojoukkoa.
Kuvaus
Sisällyttämiskriteerit:
- Nais- ja mieskohteet
- Ikä ≥ 18 vuotta
Poissulkemiskriteerit:
- ei mitään
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Ennuste malli
Aikaikkuna: 1.1.2025
|
kehitettäväksi
|
1.1.2025
|
Yhteistyökumppanit ja tutkijat
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Arvioitu)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- EK- Nr. 1738/2022
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 .