Ilman saastuminen ja raskaus (PTB)
Ilmansaasteiden vaikutukset raskauteen ja haitallisiin synnytystuloksiin
Olemme poikkitieteellinen ryhmä brittiläisiä tutkijoita, joilla on asiantuntemusta synnytyksestä, naisten ja lasten terveydestä, epidemiologiasta, ilmastotieteestä, tulehduksista, laskennallisesta mallintamisesta, koneoppimisesta ja tekoälystä. Yhdessä meillä on pitkä historia olemassa olevien vahvuuksien taustalla ennenaikaisen synnytyksen tutkimuksessa, joka ylittää useita tieteenaloja, sekä erinomaiset julkaisut ja palkinnot johtavasta ennenaikaisen synnytyksen tutkimuksesta.
Pyrimme kehittämään ja validoimaan syvän oppimismallin ennenaikaisten synnytysten ja muiden haitallisten raskauden tulosten riskin ennustamiseksi käyttämällä University College London Hospital Trustin (UCLH) sähköisten terveystietojen EPIC-tietoja 18 000 potilaan kohortille. Hankimme vastaavat tiedot altistumisesta ilmansaasteille käyttämällä postinumeron (alue) ja toimituspäivän (kuukausi) ei-tunnisteita. Malli tarkastelee potilaan sairaushistorian ja nykyisen raskauden tapahtumien ajallista järjestystä, tunnistaa merkittäviä vuorovaikutuksia ja ennustaa ennenaikaisen synnytyksen riskiä. Se määrittää myös kynnyksen ja raskauden, jolloin saastealtistumisella on suurin vaikutus.
Tutkimuksen yleiskatsaus
Yksityiskohtainen kuvaus
Ennenaikainen synnytys on johtava vastasyntyneiden sairastuvuuden ja kuolleisuuden syy maailmanlaajuisesti. Ennenaikaisesti syntyneillä lapsilla on yleisempi aivovamma, aistivamma, oppimisvaikeuksia ja hengityselinsairauksia. Isossa-Britanniassa noin 60 000 vauvaa syntyy ennenaikaisesti vuosittain. Tämä vastaa yhtä yhdeksästä raskaudesta Englannissa ja luvut kasvavat yhteen jokaista seitsemää raskautta kohti Lontoossa. Noin 40 prosentissa tapauksista ennenaikaisen synnytyksen syy on tuntematon. Nykyiset ennenaikaisen synnytyksen ennustamisalgoritmit eivät pysty tunnistamaan naisia, joilla on suurin riski synnyttää ennenaikaisesti, eivätkä ne ota huomioon geneettisiä, elämäntapa- tai ympäristöolosuhteita ennusteessaan. Koneoppimisen ja syväoppimisen nopean kehityksen myötä on nyt mahdollista kehittää malleja, jotka voivat ottaa huomioon suuremman määrän muuttujia ennustusalgoritmissaan muodostaakseen potilaskohtaisen riskiennusteen. On yhä enemmän todisteita siitä, että äidin altistuminen ilmansaasteille raskauden aikana liittyy lisääntyneeseen ennenaikaisen synnytyksen riskiin. Altistuminen ilmansaasteille voi liittyä huonoon istukan toimintaan, pre-eklampsiaan ja huonoon sikiön kasvuun, vaikka näistä haitallisista raskauden tuloksista on vain vähän tietoa, jotka kaikki voivat johtaa ennenaikaiseen synnytykseen. Tällä hetkellä monista tämän alan viimeaikaisista epidemiologisista tutkimuksista puuttuu yksityiskohtaisia ja vastaavia kliinisiä tietokokonaisuuksia ilman aukkoja sähköisissä tietueissa.
Tämän tutkimuksen tavoitteena on:
- Yhdistä ilmansaastealtistustiedot erittäin yksityiskohtaisiin kliinisiin tietokokonaisuuksiin, jotka on otettu University College London Hospital NHS Trustin (UCLH) sähköisistä terveyskertomuksista.
- Kehitä laskennallinen malli, joka voi ennustaa tarkasti raskauden, jolloin potilas synnyttää viikkoina ja päivinä
- Tunnista mallin avulla ne raskauden ajankohdat, jolloin ilmansaasteet vaikuttavat eniten raskauden tuloksiin
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
London, Yhdistynyt kuningaskunta, E14NS
- Rekrytointi
- Tina Chowdhury
-
Ottaa yhteyttä:
- Tina Chowdhury
- Puhelinnumero: 7560 0207882
- Sähköposti: t.t.chowdhury@qmul.ac.uk
-
Ottaa yhteyttä:
- Rhona Atkins
- Puhelinnumero: 7272 0207882
- Sähköposti: rhona.atkin@nhs.net
-
London, Yhdistynyt kuningaskunta, NW1 2PG
- Rekrytointi
- Anna David
-
Ottaa yhteyttä:
- Yaa Acheampong
- Puhelinnumero: 6164 020 3447
- Sähköposti: y.acheampong@nhs.net
-
Ottaa yhteyttä:
- Anna David
- Puhelinnumero: 9400 0203 447
- Sähköposti: a.david@nhs.net
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Pyrimme sisällyttämään tiedot raskaana olevista naisista, jotka ovat synnyttäneet University College London -sairaaloissa vuodesta 2019 eteenpäin EPIC-potilasrekisterin alkamisen jälkeen. Tälle tutkimukselle ei ole määritelty ikärajaa inklusiivisuuden parantamiseksi. Pyrimme myös edustamaan aineistossamme etnisiä vähemmistöryhmiä ja sosiaalisesta puutteesta kärsiviä potilaita.
Poissulkemiskriteerit:
- Jätämme pois tiedot potilailta, joiden seuranta ei ole täydellinen, koska synnytystä edeltävä hoito on siirretty toimitettavaksi toiseen luottamushenkilöön. Potilaat, joilla on puutteelliset synnytyshistoriatiedot, epätarkkoja raskausiän arvioita (esim. myöhäisen raskauden varauksen vuoksi) ja puuttuvat tiedot "tavanomaisen osoitteen postinumerosta" jätetään myös pois. Potilaat, jotka ovat alle 18-vuotiaita, suljetaan pois.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Koneoppimismalli ennustaa ennenaikaisen synnytyksen riskiä ja haitallisia synnytystuloksia
Aikaikkuna: 36 kuukautta
|
Pyrimme kehittämään syvän oppimisalgoritmin ennenaikaisen synnytyksen ja muiden haitallisten raskauden tulosten riskin ennustamiseksi käyttämällä sähköisten terveyskertomusten tietoja ja spatiotemporaalista mallia ympäristön saastetasoille Lontoossa.
Mallissa otetaan huomioon henkilökohtaiset, elämäntapa- ja ympäristötekijät perinteisten riskitekijöiden rinnalla ennakoidakseen synnytyksen todennäköisimmän raskauden alkamista.
Tämä voidaan luokitella "aikaiseksi", "myöhään keskoseksi", "keskoseksi ennenaikaiseksi", "erittäin ennenaikaiseksi" ja "erittäin ennenaikaiseksi".
|
36 kuukautta
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Koneoppimismalli ennustaa, kuinka ilmanlaatu lisää ennenaikaisen synnytyksen ja haitallisten synnytystulosten riskiä
Aikaikkuna: 42 kuukautta
|
Tämä malli tarkastelee myös potilaan sairaushistorian ja nykyisen raskauden tapahtumien ajallista järjestystä ja tunnistaa merkittäviä vuorovaikutuksia.
Myös muita haitallisia raskauden tuloksia, kuten syntymäpaino, syntymäpainon senttiili, pre-eklampsia, raskausikään nähden pieni, sikiön kasvun rajoittuminen, tutkitaan.
|
42 kuukautta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Yhteistyökumppanit
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 (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 331247
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
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 .