Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Modèle d'apprentissage automatique pour prédire le résultat et la durée de la ventilation mécanique en cas d'insuffisance respiratoire hypoxémique aiguë (MEMORIAL)

7 juillet 2026 mis à jour par: Jesus Villar, Hospital Universitario de Gran Canaria Doctor Negrín

Développement d'un modèle d'apprentissage automatique optimal pour prédire les résultats en soins intensifs et la durée de la ventilation mécanique chez les patients souffrant d'insuffisance respiratoire hypoxémique aiguë

L'insuffisance respiratoire hypoxémique aiguë (AHRF) est la cause d'admission la plus fréquente dans les unités de soins intensifs (UCI) dans le monde. Nous évaluerons la valeur des techniques d'apprentissage automatique (ML) pour la prédiction précoce du décès en soins intensifs et de la durée prolongée (> 7 jours) de la ventilation mécanique (VM) chez 1 241 patients inscrits dans l'étude PANDORA (Prévalence ET résultat de l'insuffisance respiratoire aiguë) dans Espagne. L'étude a été enregistrée auprès de ClinicalTrials.gov (NCT03145974). Notre objectif est d'évaluer le nombre minimum de modèles de variables à l'aide de la régression logistique et de quatre algorithmes de ML supervisés : Random Forest, Extreme Gradient Boosting, Support Vector Machine et Multilayer Perceptron.

Aperçu de l'étude

Statut

Complété

Les conditions

Intervention / Traitement

Description détaillée

L'insuffisance respiratoire hypoxémique aiguë (AHRF) est la cause d'admission la plus fréquente dans les unités de soins intensifs (UCI) dans le monde. Nous évaluerons la valeur des techniques d'apprentissage automatique (ML) pour la prédiction précoce du décès en soins intensifs et durée prolongée (> 7 jours) de ventilation mécanique (VM) chez les patients AHRF sous VM. Peu d'études ont étudié la prédiction de la mortalité et de la durée de la VM chez les patients atteints d'AHRF.

Pour le développement du modèle, les enquêteurs extrairont les données des 3 premiers jours après le diagnostic d'AHRF des patients inclus dans la base de données anonymisée de la cohorte PANDORA. Nous disposions d'une base de données avec 2 000 000 de données démographiques et cliniques anonymisées et dissociées de 1 241 patients atteints d'AHRF inscrits dans notre cohorte PANDORA (Prévalence ET Résultat de l'insuffisance respiratoire aiguë) de 22 hôpitaux espagnols et coordonnée par l'investigateur principal (JV). Les enquêteurs suivront le reporting transparent d'un modèle de prédiction multivariable pour les lignes directrices de pronostic ou de diagnostic individuel (TRIPOD) pour la prédiction du modèle. Nous examinerons les variables collectées en utilisant une méthode de sélection de variables par algorithme génétique pour atteindre la parcimonie. Nous avons évalué le nombre minimum de modèles de variables à l'aide de la régression logistique et de 4 algorithmes de ML supervisés : Random Forest, Extreme Gradient Boosting, Support Vector Machine et Multilayer Perceptron. Nous utiliserons une validation croisée 5 fois dans l'ensemble de données de 1 000 patients sélectionnés au hasard dans les données de formation (80 %) et les données de test (20 %). Pour la validation externe, nous utiliserons les 241 patients restants.

Type d'étude

Observationnel

Inscription (Réel)

1241

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

  • Espagne
      • Ciudad Real, Espagne, 13005
        • Hospital General Universitario de Ciudad Real
      • Cuenca, Espagne, 16002
        • Hospital Virgen de La Luz
      • Madrid, Espagne, 28046
        • Hospital Universitario La Paz
      • Madrid, Espagne, 28222
        • Hospital Universitario Puerta de Hierro
      • Murcia, Espagne, 3012
        • Hospital Universitario Virgen de Arrixaca
      • Santa Cruz de Tenerife, Espagne, 38010
        • Hospital Universitario NS de Candelaria
      • Valencia, Espagne, 46010
        • Hospital Cinico de Valencia
      • Valladolid, Espagne, 47012
        • Hospital Universitario Rio Hortega

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Ensemble de données anonymisées comprenant 1 241 patients ventilés mécaniquement souffrant d'insuffisance respiratoire hypoxémique aiguë admis consécutivement dans un réseau d'unités de soins intensifs espagnoles.

La description

Critère d'intégration:

  • Intubation endotrachéale et ventilation mécanique (VM)
  • Rapport PaO2/FiO2 ≤300 mmHg sous VM avec pression expiratoire positive (PEP) ≥5 cmH2O et FiO2 ≥0,3.

Critère d'exclusion:

  • Patients postopératoires ventilés <24 h
  • Patients en mort cérébrale.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Cohorte de validation
Il contiendra 200 patients sélectionnés au hasard (20 % de 1 000 patients atteints d'AHRF
Autre: analyse de l'apprentissage automatique
Nous utiliserons des approches d'apprentissage automatique robustes, telles que Random Forest, Extreme Gradient Boosting, Support Vector Machine et Multilayer Perceptron.
Autres noms:
  • Régression logistique, validation croisée et aire sous les courbes ROC
Cohorte de confirmation
Il contiendra les 241 patients restants sélectionnés au hasard (pour validation externe)
Autre: analyse de l'apprentissage automatique
Nous utiliserons des approches d'apprentissage automatique robustes, telles que Random Forest, Extreme Gradient Boosting, Support Vector Machine et Multilayer Perceptron.
Autres noms:
  • Régression logistique, validation croisée et aire sous les courbes ROC
Cohorte de dérivation
Il contiendra 800 patients sélectionnés au hasard (1 000 patients atteints d'AHRF)
Autre: analyse de l'apprentissage automatique
Nous utiliserons des approches d'apprentissage automatique robustes, telles que Random Forest, Extreme Gradient Boosting, Support Vector Machine et Multilayer Perceptron.
Autres noms:
  • Régression logistique, validation croisée et aire sous les courbes ROC

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Mortalité en USI
Délai: jusqu'à 100 semaines (de l'inclusion au décès ou à la sortie de l'unité de soins intensifs)
décès en unité de soins intensifs
jusqu'à 100 semaines (de l'inclusion au décès ou à la sortie de l'unité de soins intensifs)

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Durée VM
Délai: jusqu'à 100 semaines (de l'inclusion à l'extubation)
durée de la ventilation mécanique
jusqu'à 100 semaines (de l'inclusion à l'extubation)

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Hospital Universitario de Gran Canaria Doctor Negrín

Les enquêteurs

  • Chercheur principal: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

19 mars 2024

Achèvement primaire (Réel)

30 mai 2026

Achèvement de l'étude (Réel)

30 mai 2026

Dates d'inscription aux études

Première soumission

19 mars 2024

Première soumission répondant aux critères de contrôle qualité

26 mars 2024

Première publication (Réel)

27 mars 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

9 juillet 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

7 juillet 2026

Dernière vérification

1 juillet 2026

Plus d'information

Termes liés à cette étude

Mots clés

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • PI24/00325

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner