- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04462380
AiCR : Intelligence Artificielle dans l'Arrêt Cardiaque (AiCR)
AiCR : Intelligence Artificielle en Arrêt Cardiaque Application d'un Algorithme au Pronostic des Arrêts Cardiorespiratoires Récupérés
L'incidence globale des arrêts cardiorespiratoires en Europe est estimée entre 350 000 et 700 000 cas par an. Le taux de survie est estimé à 10,7 % tous troubles du rythme confondus.
Plusieurs exemples d'application de l'IA dans le domaine médical existent. Ting et al ont développé un outil informatique capable de diagnostiquer la présence d'une rétinopathie diabétique avec une excellente puissance. En réanimation, Celi et al ont proposé un outil capable de prédire le besoin de remplissage vasculaire cristalloïde lors d'un état inflammatoire systémique. Dans Nature en 2018, Komorowski a démontré l'efficacité de l'IA dans la gestion hémodynamique du sepsis. Dans une étude de la réponse rénale à la provocation liquidienne, Zhang et al. démontrer l'efficacité de la machine d'apprentissage.
Objectifs : Détermination d'un algorithme capable de prédire la mortalité des patients admis en unité de soins intensifs (USI) pour ACR à partir des rapports d'hospitalisation (CRH). Utilisation également de l'algorithme pour prédire le risque de récidive de l'arrêt, la durée de la ventilation mécanique, l'apparition d'un sepsis, le développement d'une défaillance d'organe, la prédiction du CPC (Cerebral Performance Category), le temps d'obtention du sevrage des catécholamines, l'apparition d'insuffisance rénale aiguë avec ou sans nécessité d'épuration extra-rénale (EER) et durée sous EER, la durée moyenne de séjour.
Ce projet fait partie d'un projet national plus vaste et plus puissant, et comprend toutes les données générées lors d'une hospitalisation en soins intensifs.
Méthode : un nombre total estimé de patients inclus dans cette étude se situe entre 300 et 500. La population viendra des services de réanimation de Nice, Antibes, Cannes, Grasse.
L'inclusion sera rétrospective, sur CRH, CR d'imagerie CT (cérébrale et thoraco-abdomino-pelvienne), IRM, EEG, et mots de suivi quotidien, de 2014 à fin 2020.
Après anonymisation, application de la sémantisation à l'aide des méthodes de traitement automatique du langage naturel (TAL). Les données à extraire sont inscrites dans un document rédigé par des médecins réanimateurs. Ces données seront ensuite stockées dans une base de données. Afin d'atteindre l'objectif principal, nous développerons un algorithme informatique capable de prédire la mortalité dans la population étudiée. Cet algorithme, basé sur une grande base de données, peut être conçu à l'aide de techniques de machine learning voire de deep learning selon la quantité de données à traiter.
Aperçu de l'étude
Statut
Les conditions
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Jean DELLAMONICA
- Numéro de téléphone: 33 4 920 35 510
- E-mail: dellamonica.j@chu-nice.fr
Sauvegarde des contacts de l'étude
- Nom: romain LOMBARDI
- E-mail: lombardi.r@chu-nice.fr
Lieux d'étude
-
-
-
Nice, France, 06200
- Recrutement
- Nice Hospital
-
Contact:
- Jean DELLAMONICA
- E-mail: dellamonica.j@chu-nice.fr
-
Contact:
- romain LOMBARDI
- E-mail: lombardi.r@chu-nice.fr
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- OCA guéri de : hypoxique, ischémique, embolie pulmonaire, tamponnade, trouble du rythme ou de la conduction, choquable ou non, intra ou extra-hospitalier.
- CR informatisé, dactylographié au format PDF
Critère d'exclusion:
-
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cas uniquement
- Perspectives temporelles: Rétrospective
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Prédiction de la mortalité en unité de soins intensifs
Délai: Un jour
|
Définition d'un outil de reporting sémantique, automatisé, passage d'un rapport anonymisé à une base de données opérationnelle et pertinente.
|
Un jour
|
|
Prédiction de la mortalité en unité de soins intensifs
Délai: Un jour
|
Utilisation de la base de données ainsi créée pour créer un algorithme intelligent de prédiction de la mortalité.
Utiliser également sur des critères de jugement secondaires afin de prédire d'autres paramètres mentionnés ci-dessous.
|
Un jour
|
Collaborateurs et enquêteurs
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 20reamed01
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .