Étude sur l'outil d'aide à la décision clinique pour la gestion des fausses couches par apprentissage automatique (MLMM)
L'apprentissage automatique est utilisé pour développer un algorithme permettant de déterminer les chances de succès de la prise en charge enceinte ou médicale d'un patient individuel. En tenant compte des mesures objectives suivantes :
- Données démographiques : âge maternel, parité
- Antécédents : CS précédent, SMM/MVA précédent, myomectomie précédente
- Gestation par LMP
- Symptômes présentés : score de saignement, score de douleur
- Mesures USS : CRL, GS, RPOC 3 dimensions, Vascularité
- Écart entre la gestation par CRL et LMP
Audit pour rassembler 1 000 cas et identifier les caractéristiques contribuant à un algorithme capable de prédire le résultat de la gestion des fausses couches pour une gestion de cas individualisée.
Aperçu de l'étude
Statut
Les conditions
Description détaillée
- Science de la découverte de l'intelligence artificielle : développement d'algorithmes basés sur un audit rétrospectif d'environ 1000 cas de fausse couche
- Déterminer la fiabilité de l'outil avec des ensembles de données de test
- Augmenter la sensibilité et la spécificité de l'aide à la décision en élargissant la collecte de données à plusieurs sites et en testant l'algorithme avec des données prospectives
L'étude sera menée à l'hôpital Queen Charlotte et Chelsea de l'Imperial College Healthcare NHS Trusts (centre principal de l'étude).
Il s'agit d'une étude observationnelle de cohorte rétrospective multicentrique.
L'étude sera menée sur une durée minimale de trois ans afin de disposer de suffisamment de temps pour examiner les données rétrospectives et rassembler les ensembles de données de test.
Les cas rétrospectifs anonymisés de fausses couches manquées et de fausses couches incomplètes gérées à l'Imperial College Healthcare NHS Trust seront analysés :
Pour chaque cas, les caractéristiques cliniques suivantes seront rassemblées et les résultats :
- Données démographiques : âge maternel, parité
- Antécédents : CS précédent, SMM/MVA précédent, myomectomie précédente
- Gestation par LMP
- Symptômes présentés : score de saignement, score de douleur
- Mesures USS : CRL, GS, RPOC 3 dimensions, Vascularité
- Écart entre la gestation par CRL et LMP
Toutes les données seront collectées rétrospectivement et anonymisées.
Après la collecte de données, des modèles d'apprentissage automatique et des méthodes de réduction des caractéristiques seront appliqués pour déterminer le modèle le plus performant pour prédire respectivement le succès ou l'échec de la prise en charge enceinte ou médicale d'une fausse couche.
La prochaine phase comprendra un audit prospectif pour collecter des données et tester le pouvoir prédictif de l'outil d'aide à la décision clinique MLM.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Lieux d'étude
-
-
-
London, Royaume-Uni, W12 0HS
- Recrutement
- Imperial College Heatlhcare NHS Trust
-
Contact:
- Sughashini Murugesu
- Numéro de téléphone: 07988390772
- E-mail: sughashini.murugesu@nhs.net
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Fausse couche manquée et fausse couche incomplète à moins de 14 semaines de gestation
- Suivi enregistré à 2 semaines
Critère d'exclusion:
- Données sur les résultats finaux indisponibles
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Gestion attendue des fausses couches
Cohorte qui a choisi de poursuivre la gestion en attente d'une fausse couche, d'un résultat final réussi ou d'un échec au 14e jour selon le choix de gestion
|
Prise en charge expectative : prise en charge conservatrice en cas de fausse couche avec un suivi réservé dans 2 semaines pour déterminer si une fausse couche complète s'est produite.
|
|
Prise en charge médicale d'une fausse couche
Cohorte ayant choisi de poursuivre la prise en charge médicale d'une fausse couche, d'un résultat final réussi ou d'un échec au 14e jour selon le choix de prise en charge
|
Prise en charge médicale : prise de misoprostol pour gérer les fausses couches du premier trimestre, avec un suivi prévu dans 2 semaines pour déterminer si une fausse couche complète s'est produite.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Développement de modèles prédictifs d’apprentissage automatique pour les résultats de la gestion des fausses couches.
Délai: Janvier 2023-juin 2024
|
Développement d'un modèle prédictif d'apprentissage automatique basé sur un audit rétrospectif d'environ 1000 cas de fausses couches.
|
Janvier 2023-juin 2024
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Audit prospectif pour tester et valider le modèle prédictif
Délai: Juillet 2024-juin 2025
|
Augmenter la sensibilité et la spécificité de l'aide à la décision en élargissant la collecte de données à plusieurs sites et en testant le modèle d'apprentissage automatique avec des données prospectives.
|
Juillet 2024-juin 2025
|
Collaborateurs et enquêteurs
Parrainer
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- 23QC8155
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 .