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

Lonkan tekonivelleikkauksen multimodaalisen monitavoitteeisen integroidun konealgoritmin tutkimus

keskiviikko 13. marraskuuta 2024 päivittänyt: Jingkun Liu

HoPreM-alusta: Tehokas multimodaalinen monitehtävä ennuste perioperatiivisista tapahtumista lonkan tekoleikkauksen jälkeen

Tarkoitus:

Tämän tutkimuksen tavoitteena on kehittää holistinen ennakoiva monitoimialusta kliinisten tietojen analysointiin (HoPreM), joka ennustaa tarkasti lonkan tekonivelleikkauksen jälkeiset perioperatiiviset tapahtumat yhdistämällä erityyppisiä tietoja, mukaan lukien demografiset, kirurgiset, sairaushistorian ja laboratoriotiedot. Tapahtumat, joita pyrimme ennustamaan, ovat akuutti munuaisvaurio (AKI), verensiirtotarpeet, 48 tunnin leikkauksen jälkeinen kotiuttaminen (48hPOD), tehohoitoyksikön (ICU) siirto ja sairaalahoidon pituus (LOS).

Keskeiset kysymykset:

Voiko HoPreM-alusta vähentää komplikaatioiden riskiä lonkan tekonivelleikkauksen jälkeen? Kuinka tarkka alusta on edellä mainittujen perioperatiivisten tapahtumien ennustamisessa?

Osallistujat:

Ole 18-vuotiaat ja sitä vanhemmat potilaat, joille tehdään lonkan tekonivelleikkaus ja joiden lääketieteellisistä tiedoista puuttuu alle 10 % arvoja.

Käytä heidän tietojaan HoPreM-alustan ennakoivien mallien kouluttamiseen ja testaamiseen.

Opiskelumenettelyt:

Potilastiedot kerätään Xi'an Honghuin sairaalasta, mukaan lukien kreatiniiniarvot ennen ja jälkeen leikkausta.

Tutkijat käyttävät HoPreM-alustaa käsitelläkseen multimodaalista tietoa, mukaan lukien demografiset, kirurgiset, sairaushistorian ja laboratoriotestitiedot.

Alusta käyttää erilaisia ​​kokonaisoppimisalgoritmeja (mukaan lukien XGBoost, random forest, LightGBM ja CatBoost) erilaisten perioperatiivisten tulosten ennustamiseen.

Odotetut tulokset:

HoPreM-alusta osoittaa kykynsä ennustaa lonkan tekonivelleikkauksen jälkeisiä komplikaatioita, erityisesti akuutteja munuaisvaurioita ja verensiirtotarpeita.

SHAP-arvoanalyysin avulla tutkimus paljastaa edelleen ominaisuuksien ja kliinisten tulosten väliset suhteet, mikä parantaa mallin tulkittavuutta ja kliinistä käyttökelpoisuutta.

Yhteystiedot:

Jos sinulla on kysyttävää tästä tutkimuksesta tai haluat lisätietoja, ota yhteyttä tutkimusryhmään.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

Tämän tutkimuksen tavoitteena on kehittää holistinen ennakoiva monitoimialusta kliinisten tietojen analysointiin (HoPreM), joka ennustaa tarkasti lonkan tekonivelleikkauksen jälkeiset perioperatiiviset tapahtumat. HoPreM-alusta yhdistää erityyppisiä potilastietoja, mukaan lukien demografiset, kirurgiset, sairaushistoria- ja laboratoriotiedot. Useita tehtäviä sisältävää oppimiskehystä hyödyntäen alusta on suunniteltu ennustamaan useita perioperatiivisia komplikaatioita, kuten akuuttia munuaisvauriota (AKI), verensiirtotarpeita, 48 tunnin leikkauksen jälkeistä kotiutusta (48hPOD), tehohoitoyksikön (ICU) siirtoa ja pituutta. sairaalahoidon aikana (LOS). Ennusteen tarkkuuden parantamiseksi käytetään ominaisuuksien valintatekniikoita, kuten Lasso-regressiota ja satunnaisia ​​metsämalleja, joita seuraa ensemble-oppimisalgoritmeja, mukaan lukien CatBoost. Tämän ennakoivan alustan odotetaan tukevan yksilöllistä postoperatiivista hoitoa, vähentävän komplikaatioiden määrää ja parantavan kliinisiä tuloksia lonkkaproteesipotilailla.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

6271

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

Tämä tutkimus sisältää aikuispotilaita, joille on tehty lonkan tekonivelleikkaus Xi'an Honghuin sairaalassa. Tutkimuspopulaatiolle on tyypillistä monipuolinen sukupuoli, ikä ja sairaushistoria, mukaan lukien potilaat, joilla on verenpainetauti, diabetes ja muut samanaikaiset sairaudet. Osallistumiskriteerit ovat:

Ikä 18 vuotta tai vanhempi Puuttuvat arvot lääketieteellisistä tiedoista alle 10 % Loogisesti johdonmukaiset potilastiedot Sekä leikkauksen edeltävien että postoperatiivisten kreatiniiniarvojen saatavuus Tavoitteena on luoda kattava tietojoukko, joka edustaa kliinisessä käytännössä lonkan tekonivelleikkauksen yhteydessä havaittujen potilaiden tyypillistä väestörakennetta.

Kuvaus

Sisällön kriteerit:

Potilaat, joille on tehty lonkan tekonivelleikkaus Ikä 18 vuotta tai vanhemmat Puuttuvat arvot lääketieteellisistä tiedoista alle 10 % Loogisesti johdonmukaiset potilastiedot Sekä preoperatiivisten että postoperatiivisten kreatiniiniarvojen saatavuus

Poissulkemiskriteerit:

Ei-lonkan tekonivelleikkauspotilaat (potilaat, joille ei tehty lonkan tekonivelleikkausta) Ikä alle 18 vuotta Puuttuvat arvot yli 10 % lääketieteellisistä tiedoista. Loogisia epäjohdonmukaisuuksia sairauskertomuksessa Ei saatavilla preoperatiivisia tai postoperatiivisia kreatiniiniarvoja

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
Lonkan tekonivelen kohortti
Tämä kohortti sisältää potilaita, joille tehdään lonkan tekonivelleikkaus. HoPreM-alustaa käytetään usean tehtävän ennakoivaan analyysiin perioperatiivisista komplikaatioista, mukaan lukien AKI, verensiirtovaatimukset, leikkauksen jälkeinen kotiuttaminen 48 tunnin sisällä, teho-osaston siirto ja sairaalahoidon pituus (LOS).
Tässä tutkimuksessa hyödynnetään multimodaalista tietojen integrointia ja moniajo-oppimislähestymistapaa lonkan tekonivelleikkauksen jälkeisten perioperatiivisten tapahtumien ennustamiseen. Yhdistämällä erilaisia ​​tietotyyppejä, mukaan lukien demografiset tiedot, kirurgiset tiedot, sairaushistoria ja laboratoriotulokset, malli parantaa tulosten, kuten AKI:n, verensiirtotarpeiden ja teho-osaston siirtojen ennustetarkkuutta. Ensemble-oppimisalgoritmien, kuten CatBoostin, käyttö optimoi alustan suorituskyvyn ja tarjoaa ainutlaatuisen menetelmän kliinisen päätöksenteon tukemiseen.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Verensiirtovaatimukset
Aikaikkuna: Leikkauksen jälkeisestä päivästä 1 kotiuttamiseen saakka, enintään 40 päivään, arvioituna sen perusteella, onko sairaalassa käynnin aikana tallennettu verensiirto.
Arvioida verensiirron tarvetta leikkauksen jälkeen.
Leikkauksen jälkeisestä päivästä 1 kotiuttamiseen saakka, enintään 40 päivään, arvioituna sen perusteella, onko sairaalassa käynnin aikana tallennettu verensiirto.
48 tunnin leikkauksen jälkeinen kotiutus
Aikaikkuna: 48 tunnin sisällä leikkauksesta, arvioitiin sen perusteella, onko potilas kotiutettu sairaalasta tämän 48 tunnin aikana.
Tämä tulosmittaus arvioi, onko potilas kotiutettu sairaalasta 48 tunnin sisällä leikkauksesta.
48 tunnin sisällä leikkauksesta, arvioitiin sen perusteella, onko potilas kotiutettu sairaalasta tämän 48 tunnin aikana.
ICU siirto
Aikaikkuna: Leikkauksen jälkeisestä päivästä 1 kotiutumiseen saakka, enintään 40 päivään, arvioituna sen perusteella, onko sairaalahoidon aikana tapahtunut teho-osaston siirto.
Tämä tulosmittaus tallentaa, onko potilas siirretty tehohoitoyksikköön (ICU) missä tahansa vaiheessa sairaalassa olonsa aikana leikkauksen jälkeisestä päivästä 1 kotiutumiseen saakka. Tarkkailujakso on enintään 40 päivää.
Leikkauksen jälkeisestä päivästä 1 kotiutumiseen saakka, enintään 40 päivään, arvioituna sen perusteella, onko sairaalahoidon aikana tapahtunut teho-osaston siirto.
Sairaalassa oleskelun pituus
Aikaikkuna: Sairaalassa oleskelun kokonaiskesto saapumisesta kotiutukseen, enintään 40 päivää.
Tämä tulosmitta laskee, kuinka monta päivää potilas viettää sairaalassa vastaanottohetkestä kotiuttamiseen saakka, enintään 40 päivään.
Sairaalassa oleskelun kokonaiskesto saapumisesta kotiutukseen, enintään 40 päivää.
Akuutin munuaisvaurion (AKI) ilmaantuvuus
Aikaikkuna: Päivästä 1 päivään 7 leikkauksen jälkeen.
AKI:n ilmaantuvuus arvioidaan päivittäin vertaamalla seerumin kreatiniinitasoja leikkausta edeltävään lähtötasoon. AKI:n ilmaantuvuus määräytyy kreatiniinin ≥0,3 mg/dl nousuna 48 tunnin sisällä tai ≥50 %:n nousuna 7 päivän kuluessa lähtötasosta.
Päivästä 1 päivään 7 leikkauksen jälkeen.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Päätutkija: Jingkun Liu, Honghui hospital, Xi'an Jiaotong University

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)

Torstai 24. lokakuuta 2024

Ensisijainen valmistuminen (Todellinen)

Torstai 31. lokakuuta 2024

Opintojen valmistuminen (Arvioitu)

Keskiviikko 31. joulukuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 6. marraskuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 12. marraskuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Torstai 14. marraskuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvioitu)

Maanantai 18. marraskuuta 2024

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 13. marraskuuta 2024

Viimeksi vahvistettu

Perjantai 1. marraskuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • Xi'anHongHuiH

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

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