AI-ohjattu ennustaminen sairaalassa hankituista infektioista EHR: llä
keskiviikko 16. huhtikuuta 2025 päivittänyt: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Sairaalassa saatujen infektioiden ennustaminen sähköisten terveyskertomusten avulla: tekoälyn tukema lähestymistapa
Tämä on monikeskus, retrospektiivinen kliininen tutkimus, joka on suunniteltu arvioimaan AI-avusteisen ennustemallin soveltamista ja tehokkuutta tartunnan tunnistamiseksi ja diagnosoimiseksi, hyödyntämällä multimodaalisia terveystietoja.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Interventio / Hoito
Yksityiskohtainen kuvaus
Sairaalassa hankitut infektiot (HAI) ovat merkittävä syy sairastuvuuteen ja kuolleisuuteen terveydenhuollon olosuhteissa.
HAI: n varhainen tunnistaminen ja ehkäisy ovat ratkaisevan tärkeitä potilaan tulosten parantamiseksi, terveydenhuollon kustannusten vähentämiseksi ja infektioiden leviämisen estämiseksi.
Kliinisessä käytännössä terveydenhuollon tarjoajien on usein integroitava laaja valikoima potilastietoja, mukaan lukien sairaushistoria, laboratoriotestitulokset, lääkityksen käyttö, kirurgiset toimenpiteet ja kliiniset havainnot, tartunnan riskien arvioimiseksi ja HAI: n estämiseksi.
Kun infektioiden hallinta ja tarkkuuslääketiede muuttuu yhä tärkeämmäksi, haaste on edelleen ennustaa ja estää infektioita, etenkin potilailla, joilla on hienovaraisia tai oireettomia riskitekijöitä.
Viimeaikaiset edistykset tekoälyn ja tietojen analysointitekniikoissa ovat osoittaneet suurta lupausta parantaa tartunnan ennustamisen ja ehkäisyn tarkkuutta ja tehokkuutta.
Tämän tutkimuksen tavoitteena on kehittää AI-avusteinen päätöksentekojärjestelmä integroimalla multimodaaliset tiedot sähköisistä terveystiedoista, laboratoriotuloksista, kliinisistä havainnoista ja potilaan väestötiedoista.
Tavoitteena on parantaa HAI: n riskipotilaiden varhaista tunnistamista, kliinisten työnkulkujen virtaviivaistaminen ja tartunnanhallintatoimenpiteiden optimointi.
Viime kädessä tämä järjestelmä pyrkii vähentämään sairaalassa hankittujen infektioiden esiintyvyyttä, parantamaan potilasturvallisuutta ja parantamaan terveydenhuollon yleistä laatua.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
1000000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Fei Liu, MD
- Puhelinnumero: +86 13810512704
- Sähköposti: liufei_2359@163.com
Opiskelupaikat
-
-
Zhejiang
-
Wenzhou, Zhejiang, Kiina
- Rekrytointi
- First Affiliated Hospital of Wenzhou Medical University
-
Ottaa yhteyttä:
- Cheng Tang
- Sähköposti: c249325687@163.com
-
Wenzhou, Zhejiang, Kiina
- Rekrytointi
- Second Affiliated Hospital of Wenzhou Medical University
-
Ottaa yhteyttä:
- Sian Liu
- Puhelinnumero: +86-0577-88002888
- Sähköposti: liusan@mail3.sysu.edu.cn
-
-
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
Joo
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Tutkimuspopulaatio koostuu henkilöistä, jotka ovat saaneet hoitoa osallistuvissa opintokeskuksissa.
Osallistujilla on oltava saatavilla kattavat sähköiset terveystiedot (EHR), mukaan lukien sairaushistoria, laboratoriotestien tulokset, hoitotiedot ja kliiniset havainnot.
Sekä henkilöt, joille on kehittynyt sairaalainfektioita (HAI), että ne, joilla ei ole, otetaan mukaan tutkimukseen arvioidakseen tekoälyavusteisen mallin ennustekykyä infektioriskin suhteen.
Tutkimus keskittyy potilaisiin, joilla on täydelliset ja dokumentoidut hoitotiedot osallistuvista keskuksista, mikä varmistaa monipuolisen kohortin analysointia varten eri ikäryhmien ja infektiotyyppien välillä.
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, joilla on täydelliset ja saavutettavissa olevat EHR -tiedot, mukaan lukien sairaushistoria, laboratoriotestitulokset, hoito -ohjelmat, kliiniset havainnot ja infektiohistoria.
- Potilaat, jotka on otettu osallistuvaan sairaalaan tai terveydenhuoltolaitokseen tutkimusjakson aikana.
- Kaikkien osallistujien on annettava tietoinen suostumus terveystietojensa käyttämiseen tutkimustarkoituksiin.
Poissulkemiskriteerit:
- Potilaat, joilla on epätäydellisiä tai puuttuvia kriittisiä EHR-tietoja, kuten laboratoriotuloksia, sairaushistoriaa tai hoitotietoja, jotka ovat tarpeen infektion ennustamiseksi.
- Potilaat, joilla on vaikeita kognitiivisia häiriöitä, dementiaa tai sairauksia, jotka estävät heitä antamasta tietoista suostumusta tai osallistumasta tutkimukseen.
- Potilaat, jotka eivät ole olleet sairaalahoidossa tutkimusjakson aikana tai jotka saavat vain avohoitoa.
- Potilaat, joilla on terminaaliolosuhteet, joissa infektioennusteet eivät välttämättä sovelleta tutkimuksen kliinisiin tavoitteisiin.
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 |
|---|---|
|
Sairaalan hankkima infektiokohortti
Tämä ryhmä koostuu potilaista, joille on kehittynyt sairaalainfektio (HAI) sairaalahoidon aikana.
Tämän kohortin osallistujia käytetään arvioimaan tekoälyavusteisen ennustusmallin tehokkuutta sairaalainfektioihin johtavien riskitekijöiden tunnistamisessa.
Mallia arvioidaan sairaalapotilaiden infektioriskien ennusteen tarkkuuden perusteella.
Mitään erityisiä interventioita ei tarjota osana tätä kohorttia olemassa olevien sairaalainfektioiden valvontakäytäntöjen lisäksi.
|
Tämä toimenpide sisältää tekoälyjärjestelmän, joka integroi multimodaalisia tietoja, mukaan lukien potilaan sairaushistorian, laboratoriotestien tulokset, kliiniset havainnot ja hoitotiedot, ennustamaan sairaalainfektioiden (HAI) riskiä.
Järjestelmä käyttää syväoppimisalgoritmeja tarjotakseen reaaliaikaisia, tarkkoja ennusteita, mikä mahdollistaa infektioriskissä olevien potilaiden varhaisen tunnistamisen.
Analysoimalla historiallisia terveystietoja mallin tavoitteena on ennustaa mahdollisia infektioiden kehitystä, parantaa varhaista havaitsemista, ehkäisystrategioita ja potilaiden tuloksia sairaalaympäristössä.
|
|
Terveellinen kohortti (ei Hai)
Tämä ryhmä koostuu potilaista, joille ei ole kehittynyt sairaalainfektioita sairaalassa olonsa aikana.
Tämän kohortin osallistujat toimivat vertailuryhmänä koeryhmään verrattuna.
Tekoälyavusteisen mallin kyky erottaa potilaat, joilla on riski saada infektioita, ja ne, jotka pysyvät infektiovapaina sairaalahoidon aikana, arvioidaan.
Interventioita ei tarjota osana tätä kohorttia, koska ne edustavat potilaita, joilla ei ole infektioon liittyviä komplikaatioita.
|
Tämä toimenpide sisältää tekoälyjärjestelmän, joka integroi multimodaalisia tietoja, mukaan lukien potilaan sairaushistorian, laboratoriotestien tulokset, kliiniset havainnot ja hoitotiedot, ennustamaan sairaalainfektioiden (HAI) riskiä.
Järjestelmä käyttää syväoppimisalgoritmeja tarjotakseen reaaliaikaisia, tarkkoja ennusteita, mikä mahdollistaa infektioriskissä olevien potilaiden varhaisen tunnistamisen.
Analysoimalla historiallisia terveystietoja mallin tavoitteena on ennustaa mahdollisia infektioiden kehitystä, parantaa varhaista havaitsemista, ehkäisystrategioita ja potilaiden tuloksia sairaalaympäristössä.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Alue käyrän alla (AUC)
Aikaikkuna: Yksi vuosi
|
ROC-käyrän AUC, jota käytetään diagnostisen tarkkuuden määrittämiseen.
Ei yksikköä (suhde tai prosenttiosuus, joka ilmaistaan tyypillisesti numerona 0–1).
|
Yksi vuosi
|
|
F1 -pisteet
Aikaikkuna: 1 vuosi
|
F1-pistemäärä on tarkkuuden ja herkkyyden harmoninen keskiarvo (palauttaminen).
Se on hyvä mittari mallin kyvylle tunnistaa sekä todellisia positiivisia että minimoida vääriä positiivisia, erityisesti tapauksissa, joissa luokat ovat epätasapainossa (esim. kun terveiden tapausten määrä on paljon suurempi kuin sairaustapausten määrä).
F1-pisteet vaihtelevat 0–1, ja 1 ilmaisee täydellistä tarkkuutta ja muistamista.
|
1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys (todellinen positiivinen nopeus)
Aikaikkuna: Yksi vuosi
|
Herkkyys mittaa, kuinka hyvin AI -malli tunnistaa todelliset positiiviset tapaukset, kuten diagnosoida raskaana olevat naiset oikein komplikaatioilla tai vastasyntyneen häiriöiden tunnistaminen.
|
Yksi vuosi
|
|
Spesifisyys (tosi negatiivinen osuus)
Aikaikkuna: 1 vuosi
|
Spesifisyys mittaa tekoälymallin kykyä tunnistaa oikein tapaukset ilman sairauksia ja varmistaa, että terveet äidit ja vauvat tunnistetaan oikein negatiivisiksi.
|
1 vuosi
|
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)
Keskiviikko 1. helmikuuta 2023
Ensisijainen valmistuminen (Arvioitu)
Torstai 1. toukokuuta 2025
Opintojen valmistuminen (Arvioitu)
Torstai 1. toukokuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 19. tammikuuta 2025
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Sunnuntai 19. tammikuuta 2025
Ensimmäinen Lähetetty (Todellinen)
Perjantai 24. tammikuuta 2025
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 17. huhtikuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Keskiviikko 16. huhtikuuta 2025
Viimeksi vahvistettu
Tiistai 1. huhtikuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- Hospital-Acquired Infections
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 .