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

Elin vikaantumisriskien ennusteiden arviointi ICU: ssa (AI4ICU-Obs)

keskiviikko 27. elokuuta 2025 päivittänyt: ETH Zurich

Tulevaisuuden arviointi elinten vajaatoiminnan riskiennusteista tehohoitoyksikössä - ihmisen ja AI -riskin ennusteiden tarkkuuden vertaaminen

Tämän havainnollisen tutkimuksen aikana tutkijoiden tavoitteena on arvioida ICU -lääkäreiden kykyä ennustaa tulevan elinten vajaatoiminnan riski ja vertailla sitä takautuvasti aiemmin julkaistujen koneoppimismallien suorituskykyyn. Tämän tutkimuksen keskeinen hypoteesi on, että hoitava lääkäri voi ennustaa tulevan elinten vajaatoiminnan aikuisilla ICU -potilailla, joilla on samanlainen tarkkuus kuin parhaat aikaisemmin julkaisee koneoppimista.

Tutkimuksen yleiskatsaus

Tila

Aktiivinen, ei rekrytointi

Yksityiskohtainen kuvaus

Tässä havainnollisessa tutkimuksessa Kliinikon (lääkärit ja sairaanhoitajat) arvioitu arvioitu elinten vajaatoiminta riski ICU -ympäristössä kerätään tulevaisuudennäkymiä. Verenkierron vajaatoiminta tutkitaan ensisijaisessa tavoitteessa, ja hengitysvaje, munuaisten vajaatoiminta ja kuolleisuus tutkitaan toissijaisissa tavoitteissa. Nämä arviot tutkivat ennustavia suorituskykyä ja vaikuttavia tekijöitä kliinikon ennustamiseen. Arvioinnit kerätään kyselylomakkeissa, ja ne suoritetaan suoraan potilaan hoitoon osallistuvien lääkäreiden ja kliinisten lääkäreiden, jotka eivät ole aktiivisesti vastuussa potilaan hoidosta. Lisäksi tämän tutkimuksen tavoitteena on vertailla näitä terveydenhuollon ammattilaisten tekemiä riskinarviointeja takautuvasti aiheuttaneiden AI -riskipisteiden vastaisesti samoille potilaille ja aikapisteille. AI -riskipisteet lasketaan takautuvasti malleista nykyisen kirjallisuuden systemaattisesta hausta. Tätä analyysiä varten käytettävät AI -mallit tunnistetaan systemaattisen tarkistusprotokollan osoittamalla, ja niiden on täytettävä seuraavat kaksi kriteeriä: ne eivät vaadi mitään tietoja, jotka ovat rutiininomaisesti kerättyjä ICU -oleskelun aikana, ja niitä voidaan käyttää avoimen lähdekoodin aikana . Tällainen vertailu on elintärkeää AI-pohjaisten ennusteiden suhteellisen tarkkuuden ja luotettavuuden ymmärtämiselle elinten vajaatoiminnassa ihmisen suorituskykyyn verrattuna. Tämän tutkimuksen tietojen ja havaintojen odotetaan tarjoavan todisteita AI-pohjaisten riskipisteiden kliinisestä hyödyllisyydestä ja tasoittavan tietä tulevaa tutkimusta AI-järjestelmien optimoinnista terveydenhuollon sovelluksiin.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

499

Yhteystiedot ja paikat

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

Opiskelupaikat

    • Canton of Bern
      • Bern, Canton of Bern, Sveitsi, 3010
        • University Hospital Inselspital, Berne

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

Todennäköisyysnäyte

Tutkimusväestö

Aikuisten tehohoitoyksikkö yliopistosairaalassa Bern

Kuvaus

Sisällyttämiskriteerit:

  • potilaan vähimmäisikä 18 vuotta
  • Hätäpääsy ICU: hon
  • valtimoviiva paikallaan

Poissulkemiskriteerit:

  • Dokumentoitu kieltäytyminen (yleisessä suostumuslomakkeessa) osallistumasta kliiniseen tutkimukseen
  • Potilaat, joilla on neurologisia olosuhteita, jotka heikentävät potilaan tietoisuuden tasoa (mukaan lukien, mutta rajoittumatta, aivohalvaus, traumaattinen aivovaurio, kallonsisäinen verenvuoto, keskushermostoinfektiot; paitsi polytrauma)
  • Potilaat, jotka koskevat mekaanisia verenkiertojärjestelmiä (IABP, VA-ECMO, IMPella, VAD) tai kehon ulkopuolisen kalvon hapettuminen (VV-ECMO) milloin tahansa ICU-oleskelun aikana;
  • Potilaat, jotka saavat elämän loppua tai otetaan käyttöön ainoana tarkoituksena arvioida elinluovutusta

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
Aikuisten ICU -potilaat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Verenkierron vajaatoiminnan ennustaminen 8 tunnin sisällä verrattuna julkaistuihin ML -malleihin
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Tätä tulosta vertaa vastaanottimen toimintaominaisuuskäyrän (AUROC) aluetta kahdelle menetelmälle verenkiertovaurion ennustamiseksi 8 tunnin kuluessa jokaisesta arviointiajasta: (1) ICU -lääkäreiden riski -arviot ja (2) aiemmin julkaistu koneoppiminen (ML) Mallit sovellettiin takautuvasti. Jokaista arviointia varten laskemme AUROC: n erikseen lääkäreille ja ML -mallille samoille ajankohdille ja potilaille. Ero AUROC: ssa (kliinikko miinus ML) on tärkein mielenkiintoinen mitta, joka arvioidaan ei-ala-arvoisuuden puitteissa, joiden marginaali on 0,025.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Kliinikon ennustaminen hengitysvajeista 24 tunnin sisällä verrattuna julkaistuihin ML -malleihin
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Tätä tulosta vertaa vastaanottimen toimintaominaisuuskäyrän (AUROC) aluetta kahdelle menetelmälle, jotka ennustavat hengitysvaurioita 24 tunnin kuluessa jokaisesta arviointiajasta: (1) ICU -lääkärien riski -arviot ja (2) aiemmin julkaistu koneoppiminen (ML) Mallit sovellettiin takautuvasti. Jokaista arviointia varten laskemme AUROC: n erikseen lääkäreille ja ML -mallille. Ero aurocsissa (kliinikko miinus ML) on tärkein kiinnostava mitta, arvioitu käyttämällä samaa metodologista kehystä kuin ensisijainen tulos.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Munuaisten vajaatoiminnan ennustamisen tutkimusanalyysi 48 tunnin kuluessa julkaistuihin ML -malleihin verrattuna
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Tässä tutkittavassa tuloksessa verrataan vastaanottimen toimintaominaisuuskäyrän (AUROC) alueita kahdelle menetelmään munuaisten vajaatoiminnan ennustamiseksi 48 tunnin kuluessa jokaisesta arviointiajasta: (1) ICU -kliinisten riski -arviot ja (2) aiemmin julkaistu koneoppiminen (ML ) Mallit sovellettiin takautuvasti. Jokaista arviointia varten laskemme AUROC: n erikseen lääkäreille ja ML -mallille. AUROCS: n ero arvioidaan käyttämällä samaa metodologista kehystä kuin ensisijainen tulos.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Kliinisten kuolleisuuden ennustamisen tutkimusanalyysi verrattuna julkaistuihin ML -malleihin
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Kaiken syyn kuolleisuusennuste McNemarin testillä. Arvioidaan ja testattu kliinisten kliinisten (binaaristen vasteiden) ja vastaavien (parillisten) ennusteiden vastaavien arviointien suorituskykyyn koneoppimismallin (todennäköisyysennuste, joka on pelkissä binaariseksi vastaukseksi), joka on koulutettu historiallisiin tietoihin Kolme-syyllisyyden kolmen yksittäisen binaarisen tuloksen suhteen <28 päivän <6 kuukautta, <12 kuukautta. Jokaiselle horisontille erikseen konepohjaiset todennäköisyydet on kärjessä vastaamaan lääkäreiden herkkyyttä, suoritetaan McNemarin testi, jolla voidaan testata merkittävä ero ennusteominaisuuksissa ja p-arvot säädetään tarvittaessa useita testauksia.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Lääkäreiden hoidon ennustavan tarkkuuden tutkittava analyysi verrattuna sairaanhoitajien hoitoon
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Arvioitiin ja testattu samoille kuin ensisijaiset, toissijaiset ja ensimmäiset tutkittavat tulokset (ts. Veneilyhuoneisto-, hengitys- ja munuaisten vajaatoimintariskejä) käyttämällä vastaavia arviointeja hoitamalla lääkäreitä ja hoitamalla sairaanhoitajia, joilla on parillinen aikapistearviointi.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Hoitoa koskevan ennakoivan tarkkuuden vertailu verrattuna kohteliaisiin lääkäreihin
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Arvioitiin ja testattu samoille kuin ensisijaiset, toissijaiset ja ensimmäiset tutkittavat tulokset (ts. Vene-, hengitys- ja munuaisten vajaatoimintariskejä) käyttämällä kliinisten kliinisten (hoito) vastaavia arviointeja ja luottaen yksinomaan EHR-tietoihin (ei-hoidossa) pariksi pariksi aikaa pariksi -Pointiarvioinnit.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Kliinisten ennustepisteiden kalibrointianalyysi
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Kliinisten ennustepisteiden kalibrointianalyysi. Tutkimuksessa arvioidaan lääkäreiden kollektiivin ennusteominaisuuksia. Ihmiset saattavat kuitenkin olla huonosti kalibroitu toistensa keskuudessa todennäköisyysarvioiden tarjoamisen suhteen. Kollektiivin suorituskyvyn arviointi ilman yksilöiden kalibrointia keskenään saattaa aliarvioida lääkäreiden todelliset ennusteominaisuudet, jos ne olisivat hyvin kalibroituja. Ehdotamme ensisijaisten ja toissijaisten tulosten uudelleenarviointia, mutta myös lääkäreiden riskipisteiden kalibroinnin.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
Ennustavan suorituskyvyn kuvioiden (esim. Systemaattiset virheet/puolueellisuudet) tutkimusanalyysi ihmisen ja koneen arvioijissa
Aikaikkuna: Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.
  1. Vaikuttavat tekijöitä kliinikoiden, kuten kliinikon ikä, kliinikon roolin ennusteominaisuuksille (sis. Sairaanhoitaja vs. lääkäri), päiväaika, arkipäivä, työmäärä, nähtyjen potilaiden järjestys ja muut kerätyt tiedot osallistuvista lääkäreistä.
  2. Sekä ihmisen asiantuntija-arviointien että koneoppimispohjaisten ennusteiden systemaattiset virheet ja puolueellisuudet potilaan ikään, diagnostiseen ryhmään tai mihin tahansa kerättyyn potilaskohtaiseen tai lääkäriin liittyviin kerättyihin muuttujiin.
Arvioinnit kerätään ensimmäisen 72 tunnin kuluessa pääsyn jälkeen.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Tutkijat

  • Päätutkija: Martin Faltys, Dr. med., Insel Gruppe AG, University Hospital Bern

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)

Maanantai 18. marraskuuta 2024

Ensisijainen valmistuminen (Todellinen)

Torstai 15. toukokuuta 2025

Opintojen valmistuminen (Arvioitu)

Perjantai 15. toukokuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 18. marraskuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 3. helmikuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Perjantai 7. helmikuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Arvioitu)

Torstai 28. elokuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 27. elokuuta 2025

Viimeksi vahvistettu

Perjantai 1. marraskuuta 2024

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

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