Prediktív algoritmus a SEpsis evaluációjához és beavatkozásához (PREVISE)
Súlyos szepszis előrejelzése gépi tanulási algoritmus segítségével
A tanulmány áttekintése
Állapot
Állapot
Körülmények
Körülmények
Beavatkozás / kezelés
Beavatkozás / kezelés
Tanulmány típusa
Tanulmány típusa
Beiratkozás (Tényleges)
Beiratkozás
Fázis
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi helyek
-
-
West Virginia
-
Huntington, West Virginia, Egyesült Államok, 25701
- Cabell Huntington Hospital
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
Egészséges önkénteseket fogad
Tanulmányozható nemek
Leírás
Bevételi kritériumok:
- A Cabell Huntington Kórház sürgősségi osztályára látogató vagy a részt vevő intenzív osztályok (ICU) osztályaira felvett összes felnőtt beteg jogosult lesz.
Kizárási kritériumok:
- Minden 18 évnél fiatalabb beteg kizárásra kerül.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Diagnosztikai
- Kiosztás: Nem véletlenszerű
- Beavatkozó modell: Tényező hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek száma
Fegyverek és beavatkozások
Résztvevő csoport / karRésztvevő csoport / kar |
Beavatkozás / kezelésBeavatkozás / kezelés |
|---|---|
|
Kísérleti: Az InSight segítségével
Az egészségügyi szolgáltató figyelmeztetést kap az InSighttól a súlyos szepszis felé hajló betegekről.
Az egészségügyi szolgáltató a súlyos szepszis detektortól is kap információkat a CHH elektronikus egészségügyi nyilvántartásában.
|
Az InSight-riasztást követően az egészségügyi szolgáltató a szokásos gyakorlatot követi az esetleges (súlyos) szepszis felmérése és ennek megfelelően történő beavatkozás során.
A súlyos szepszis detektortól a CHH elektronikus egészségügyi nyilvántartásában szereplő információ megérkezésekor az egészségügyi szolgáltató a szokásos gyakorlatot követi az esetleges (súlyos) szepszis felmérése és ennek megfelelően történő beavatkozás során.
|
|
Aktív összehasonlító: Insight nélkül
Az egészségügyi szolgáltató nem kap semmilyen figyelmeztetést az InSighttól.
Az egészségügyi szolgáltató információkat kap a súlyos szepszis detektortól a CHH elektronikus egészségügyi nyilvántartásában.
|
A súlyos szepszis detektortól a CHH elektronikus egészségügyi nyilvántartásában szereplő információ megérkezésekor az egészségügyi szolgáltató a szokásos gyakorlatot követi az esetleges (súlyos) szepszis felmérése és ennek megfelelően történő beavatkozás során.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Elsődleges eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
Kórházi halálozás
Időkeret: A tanulmány befejezéséig átlagosan 30 nap
|
A tanulmány befejezéséig átlagosan 30 nap
|
Másodlagos eredményintézkedések
Másodlagos eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
A kórházi tartózkodás időtartama
Időkeret: A tanulmány befejezéséig átlagosan 30 nap
|
A tanulmány befejezéséig átlagosan 30 nap
|
Egyéb eredményintézkedések
Egyéb eredményintézkedések
Eredménymérő |
Időkeret |
|---|---|
|
Kórházi visszafogadás
Időkeret: A tanulmány befejezéséig átlagosan 30 nap
|
A tanulmány befejezéséig átlagosan 30 nap
|
|
Az intenzív osztályon való tartózkodás időtartama
Időkeret: A tanulmány befejezéséig átlagosan 30 nap
|
A tanulmány befejezéséig átlagosan 30 nap
|
Együttműködők és nyomozók
Szponzor
Szponzor
Együttműködők
Együttműködők
Nyomozók
Nyomozók
- Kutatásvezető: Hoyt Burdick, Cabell Huntington Hospital
Publikációk és hasznos linkek
Általános kiadványok
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Tanulmány kezdete
Elsődleges befejezés (Tényleges)
Elsődleges befejezés
A tanulmány befejezése (Tényleges)
A tanulmány befejezése
Tanulmányi regisztráció dátumai
Először benyújtva
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Első közzététel
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Utolsó frissítés közzétéve
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
Egyéb vizsgálati azonosító számok
- 1097090-1
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .