AI-ohjattu dialyysituloksen ennustaminen EHR: llä
keskiviikko 16. huhtikuuta 2025 päivittänyt: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Kliinisten tulosten ennustaminen dialyysipotilailla, jotka käyttävät elektronisia terveysrekistereitä: AI-pohjainen lähestymistapa
Tämä on monikeskusinen, retrospektiivinen kliininen tutkimus, joka on suunniteltu arvioimaan tekoälyavusteisen ennustusmallin soveltamista ja tehokkuutta dialyysipotilaiden tuloksiin, hyödyntäen multimodaalista terveystietoa.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tämän tutkimuksen tavoitteena on kehittää tekoälyavusteinen malli kliinisten tulosten ennustamiseksi dialyysipotilailla keskittyen sekä ensisijaisiin tuloksiin (esim. kuolleisuus) että välituloksiin (esim. anemia, verenpaine, ravitsemustila ja kalsiumfosfaattiaineenvaihdunta).
Tutkimuksessa hyödynnetään potilaiden EHR-tietoja, kuten laboratoriotutkimustuloksia, sairaushistoriaa, dialyysihoitotietoja ja kliinisiä havaintoja, ennustaakseen näitä terveysvaikutuksia.
Tavoitteena on parantaa riskipotilaiden varhaista tunnistamista, mikä mahdollistaa paremman kliinisen päätöksenteon ja yksilölliset hoitostrategiat.
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
-
-
Beijing
-
Beijing, Beijing, Kiina
- Rekrytointi
- General Hospital of PLA
-
Ottaa yhteyttä:
- Delong Zhao
- Puhelinnumero: +86 13810512704
- Sähköposti: feiliu0108@gmail.com
-
-
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
Tutkimuspopulaatio koostuu dialyysipotilaista Kiinan hemodialyysistä National Network Centeristä, joka sisältää laajan valikoiman potilaita, joille tehdään hemodialyysihoitoa osallistuvissa sairaaloissa ympäri Kiinaa.
Osallistujat valitaan kattavien sähköisten terveystietojen (EHR) saatavuuden perusteella, mukaan lukien sairaushistoria, laboratoriotestitulokset, dialyysihoidon yksityiskohdat ja kliiniset havainnot.
Kohorttiin sisältyy sekä mies- että naaraspotilaita, joilla on vaihteleva terveydentila, mukaan lukien potilaat, joilla on liitetiedot, jotka yleensä liittyvät dialyysiin.
Tutkimuksen tavoitteena on hyödyntää tätä monimuotoista ryhmää arvioimaan ja ennustamaan dialyysipotilaiden kuolleisuuteen ja komplikaatioihin liittyviä tuloksia.
Kuvaus
Sisällön kriteerit:
- Potilaat, joilla on ollut dialyysi (joko hemodialyysi tai vatsakalvon dialyysi) vähintään 3 kuukauden ajan.
- Täydelliset ja saavutettavissa olevat EHR -tiedot, mukaan lukien sairaushistoria, laboratoriotestitulokset, dialyysihoitotiedot ja kliiniset havainnot.
- Osallistujien on annettava tietoinen suostumus terveystietojensa käyttämiseen tutkimustarkoituksiin.
Poissulkemiskriteerit:
- Potilaat, joilla on epätäydellisiä tai puuttuvia kriittisiä EHR-tietoja, mukaan lukien sairaushistoria, laboratoriotulokset, dialyysitiedot tai tutkimukseen tarvittavat hoitotiedot.
- Potilaat, jotka ovat olleet dialyysissä alle 3 kuukautta, varmistaakseen vakaiden tietojen tuloksen ennustamista varten.
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 |
|---|---|
|
Korkean riskin ryhmä
Osallistujilla ennustettiin olevan korkea kuolleisuusriski tekoälyavusteisten ennustemallien perusteella, jotka käyttivät heidän EHR-tietojaan, mukaan lukien sairaushistoria, laboratoriotulokset, dialyysihoidon yksityiskohdat ja kliiniset havainnot.
|
Tässä tutkimuksessa käytetään tekoälyavusteista ennustemallia, joka analysoi multimodaalista dataa sähköisistä terveyskertomuksista, mukaan lukien sairaushistoria, laboratoriotulokset, dialyysihoidon yksityiskohdat ja kliiniset havainnot, ennustaakseen dialyysipotilaiden tuloksia.
Malli käyttää syväoppimisalgoritmeja ennustamaan kuolleisuusriskiä, välituloksia, kuten anemiaa, verenpaineen hallintaa, ravitsemusta ja kalsiumfosfaattiaineenvaihduntaa, ja auttaa tunnistamaan varhaisia merkkejä huononemisesta.
Interventio ei ole suora hoito tai toimenpide, vaan sen tavoitteena on kehittää työkalu potilaiden tulosten ennustamiseen ja hoitostrategioiden optimointiin dialyysipotilaiden yleisen terveyden ja eloonjäämisasteen parantamiseksi.
|
|
Matalan riskin ryhmä
Tekoälyavusteisen ennustemallin perusteella osallistujilla ennustettiin olevan pieni kuolleisuusriski, ja heitä verrataan korkean riskin ryhmään arvioitaessa varhaisen puuttumisen strategioiden tehokkuutta.
|
Tässä tutkimuksessa käytetään tekoälyavusteista ennustemallia, joka analysoi multimodaalista dataa sähköisistä terveyskertomuksista, mukaan lukien sairaushistoria, laboratoriotulokset, dialyysihoidon yksityiskohdat ja kliiniset havainnot, ennustaakseen dialyysipotilaiden tuloksia.
Malli käyttää syväoppimisalgoritmeja ennustamaan kuolleisuusriskiä, välituloksia, kuten anemiaa, verenpaineen hallintaa, ravitsemusta ja kalsiumfosfaattiaineenvaihduntaa, ja auttaa tunnistamaan varhaisia merkkejä huononemisesta.
Interventio ei ole suora hoito tai toimenpide, vaan sen tavoitteena on kehittää työkalu potilaiden tulosten ennustamiseen ja hoitostrategioiden optimointiin dialyysipotilaiden yleisen terveyden ja eloonjäämisasteen parantamiseksi.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Kuolleisuuden ennusteen tarkkuus
Aikaikkuna: Yksi vuosi
|
Tekoälyavusteisen ennustusmallin kyky ennustaa tarkasti dialyysipotilaiden kuolleisuusriski.
Ennusteen tarkkuus arvioidaan käyrän alla olevan alueen (AUC), F1-pisteen ja herkkyyden/spesifisyyden avulla.
Mallia arvioidaan vertaamalla ennustettua kuolleisuusriskiä todellisiin tuloksiin (eli selvisivätkö potilaat vai kuolivatko potilaat tutkimusjakson aikana).
|
Yksi vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Komplikaatioiden ennustamisen tarkkuus
Aikaikkuna: 1 vuosi
|
AI-avustetun ennustavan mallin tarkkuus dialyysipotilaiden yleisesti kokeneiden komplikaatioiden ennustamisessa, mukaan lukien anemia, hallitsematon verenpaine, huono ravitsemustila ja poikkeavuudet kalsiumfosfaattimetaboliassa.
Mallin suorituskyky arvioidaan käyttämällä mittareita, kuten AUC, F1 -pisteet ja tarkkuus vertaamalla ennustettuja arvoja todellisiin kliinisiin tuloksiin, kuten laboratoriotuloksiin, kliinisiin diagnooseihin ja potilaan terveydentilaan.
|
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)
Sunnuntai 1. tammikuuta 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
Avainsanat
Muut tutkimustunnusnumerot
- Dialysis
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 .