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

SENSING-AI-kohortti: Retrospektiivinen tutkimus (SENSING-AI)

perjantai 14. helmikuuta 2025 päivittänyt: Adhera Health, Inc.

Retrospektiivinen tiedonkeruu SENSING-AI:lle: puettava alusta emotionaalisten häiriöiden ja pahenemisvaiheiden varhaiseen diagnosointiin tekoälyn avulla potilailla, joilla on pitkä COVID-tauti

Retrospektiivisen tutkimuksen avulla kehitetään tekoälymalli sähköisen sairauskertomuksen ja ensimmäisen konsultaatioraportin tiedoista syntyvien fysiologisten ja psykologisten komplikaatioiden riskikerroitukselle, jotta voidaan tukea potilaita ja terveydenhuollon ammattilaisia ​​paremman hoitoprosessin hallinnassa potilaille, joilla on diagnosoitu sairaus. pitkä COVID.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Jatkuvaan COVID-tautiin liittyvien komplikaatioiden riskin jakaminen yksilöllisesti sekä fysiologisesti että psyykkisesti optimoiisi näiden potilaiden hoidon kustannustehokkuusmallin. Samoin jatkuvaan COVID-tautiin liittyvien komplikaatioiden varhainen havaitseminen haavoittuviin ryhmiin kuuluvilla potilailla parantaisi hoitoaikoja ja siten potilaan ennustetta.

Tämän tutkimuksen ensisijaisena tavoitteena on kerätä anonymisoituja retrospektiivisiä tietoja pitkästä COVID-taudista kärsivistä potilaista SENSING-AI-kohortin luomiseksi.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

103

Yhteystiedot ja paikat

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

Opiskelupaikat

      • Seville, Espanja, 41009
        • Virgen Macarena University 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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Retrospektiivisen tutkimuksen otoskoko, joka riittää ensimmäisen version luomiseksi riskiositusmalleista, on noin 100 tapausta. Kohdepopulaatio tulee olemaan mahdollisimman tasapainoinen pitkien COVID-19-komplikaatioiden vuoksi erikoishoitoa (joko erikoishoitokonsultaatioita tai ei-suunniteltua sairaalahoitoa) tarvitsevien koehenkilöiden välillä 1 kuukauden, 3 kuukauden, 6 kuukauden ja 1 vuoden kuluttua pitkästä. COVID-19-diagnoosi ja ne, jotka eivät tarvinneet tällaista erikoishoitoa.

Kuvaus

Sisällyttämiskriteerit:

  • Laillinen aikuinen
  • Diagnosoitu pitkä COVID-19 viimeisen vuoden aikana
  • Jos sinulla on jokin näistä oireista:
  • Astenia (väsymys)
  • Hengenahdistus
  • Hengenahdistus
  • Ahdistus
  • Stressi
  • Masennus
  • Nukkumishäiriö

Poissulkemiskriteerit:

  • Osallistui erikoishoidon konsultaatioon
  • Otettiin sairaalaan viime vuonna COVID-komplikaatioihin liittymättömän ongelman vuoksi

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
Retrospektiiviset pitkät COVID-tapaukset
Kohdepopulaatio tulee olemaan mahdollisimman tasapainoinen pitkien COVID-19-komplikaatioiden vuoksi erikoishoitoa (joko erikoishoitokonsultaatioita tai ei-suunniteltua sairaalahoitoa) tarvitsevien koehenkilöiden välillä 1 kuukauden, 3 kuukauden, 6 kuukauden ja 1 vuoden kuluttua pitkästä. COVID-19-diagnoosi ja ne, jotka eivät tarvinneet tällaista erikoishoitoa.
Käytettävissä olevat käyttötapauksiin liittyvät kliiniset tietolähteet käydään läpi. Lisäksi näitä tietoja täydennetään 100 tapauksen anonymisoitujen retrospektiivisten tietojen kohortilla, jotka on saatu kliinisistä tiedoista, jotka ovat seurausta Sevilla Norten perusterveydenhuoltopiirin ja Virgenin tartuntatautiosaston hallinnoimasta COVID-19-potilaiden avustamisesta. Macarenan yliopistollinen sairaala

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Retrospektiivinen SENSING-AI-kohortti
Aikaikkuna: 1 kuukausi
Retrospektiivinen SENSING-AI-kohortti syötetään kliinisistä tiedoista 100 pitkään COVID-19-potilaan tapauksesta.
1 kuukausi

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)

Tiistai 18. tammikuuta 2022

Ensisijainen valmistuminen (Todellinen)

Perjantai 25. helmikuuta 2022

Opintojen valmistuminen (Todellinen)

Perjantai 25. helmikuuta 2022

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 31. tammikuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 31. tammikuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 7. helmikuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 25. maaliskuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 14. helmikuuta 2025

Viimeksi vahvistettu

Torstai 1. helmikuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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