Apprentissage automatique en soins intensifs : prédire la mortalité liée aux infections sanguines (USI : unité de soins intensifs) (ICU)
Apprentissage automatique en soins intensifs : prédire la mortalité chez les patients atteints d'infections sanguines à bacilles à Gram négatif résistants aux carbapénèmes
En utilisant nos propres données de patients, notre étude visait à prédire la mortalité qui peut se développer dans les infections sanguines à bacilles Gram négatifs résistants aux carbapénèmes avec un modèle basé sur l'apprentissage automatique.
En unité de soins intensifs, les patients atteints d'infections sanguines, avec ou sans mortalité, seront examinés rétrospectivement en deux sous-groupes à des fins de comparaison.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Les carbapénèmes sont l’un des antibiotiques de dernier recours utilisés pour traiter les infections graves causées par des agents pathogènes Gram-négatifs multirésistants. Les infections par des bacilles à Gram négatif résistants aux carbapénèmes (CR-GNB) se sont répandues au cours de la dernière décennie, posant de sérieuses menaces à la santé publique. Les Enterobacteriaceae résistantes aux carbapénèmes (CRE), Acinetobacter baumannii résistante aux carbapénèmes (CRAB) et Pseudomonas aeruginosa résistante aux carbapénèmes (CRPA) sont en tête de liste prioritaire des bactéries résistantes aux antibiotiques dans le monde. Le CR-GNB provoque un large spectre d'infections, notamment la bactériémie, les infections des voies urinaires, la pneumonie et les infections intra-abdominales. Les infections sanguines résistantes aux carbapénèmes sont une cause importante de morbidité et de mortalité, et les options thérapeutiques en matière de traitement sont extrêmement limitées. En évaluant les facteurs de risque chez les patients suivis en unité de soins intensifs, les systèmes de notation capables de prédire le pronostic réduisent le risque de mortalité en garantissant l'application précoce d'antibiotiques efficaces et le soutien hémodynamique rapide actuellement utilisé.
Avec l’accumulation du Big Data et les progrès des techniques de stockage de données, les méthodes d’apprentissage automatique innovantes et pragmatiques qui sont entrées dans nos vies démontrent de bonnes performances de prédiction dans le domaine médical. Des modèles basés sur l'apprentissage automatique développés pour prédire la mortalité chez les patients suivis en unité de soins intensifs sont disponibles dans la littérature et offrent la possibilité d'une intervention plus précoce chez les patients.
En utilisant nos propres données sur les patients, dans l'unité de soins intensifs, les patients atteints d'infections sanguines, avec et sans mortalité, seront examinés rétrospectivement en deux sous-groupes à des fins de comparaison. Nous visons à prédire la mortalité qui peut se développer dans les infections sanguines à bacilles Gram négatifs résistants aux carbapénèmes avec un modèle basé sur l'apprentissage automatique.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
Kocaeli, Turquie
- Kocaeli University
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Dans notre étude, les patients qui ont été suivis dans l'unité de soins intensifs tertiaires de notre hôpital entre juin 2017 et juin 2023 et qui ont développé des infections sanguines à Enterobacteriaceae résistantes aux carbapénèmes, Acinetobacter baumannii résistantes aux carbapénèmes et Pseudomonas aeruginosa résistantes aux carbapénèmes seront incluses rétrospectivement.
Critère d'exclusion:
- Les patients de moins de 18 ans et ceux présentant des infections autres que les infections sanguines ne seront pas inclus.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Patients décédés
Bacilles à Gram négatif résistants aux carbapénèmes Infection du sang Avec mortalité
|
Grâce au deep learning, nous essayons de développer un algorithme et d'anticiper la mortalité
|
|
Patients survivants
Bacilles à Gram négatif résistants aux carbapénèmes Infection du sang Sans mortalité
|
Grâce au deep learning, nous essayons de développer un algorithme et d'anticiper la mortalité
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Risque de mortalité
Délai: 3 mois
|
La sensibilité et la spécificité seront définies avec la courbe AUC-ROC (Area Under the Receiver Operating Characteristic) à l'aide d'un algorithme d'apprentissage automatique
|
3 mois
|
Collaborateurs et enquêteurs
Parrainer
Les enquêteurs
- Chercheur principal: özlem güler, Kocaeli University
Publications et liens utiles
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
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
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- GOKAEK-2023/12.31
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
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 .