Machine Learning vetéléskezelési klinikai döntéstámogató eszköz tanulmány (MLMM)
A gépi tanulást olyan algoritmus kifejlesztésére használták, amely meghatározza a siker esélyét a várandós vagy orvosi kezeléssel egy adott páciens esetében. Figyelembe véve a következő objektív intézkedéseket:
- Demográfiai adatok: anyai életkor, paritás
- Előzmény: Korábbi CS, Korábbi SMM/MVA, Korábbi myomectomia
- Terhesség az LMP-től
- Jellemző tünetek: Vérzés pontszám, Fájdalom pontszám
- USS mérések: CRL, GS, RPOC 3 dimenzió, Vascularitás
- Eltérés a CRL és az LMP szerinti terhesség között
Az auditálás során 1000 esetet gyűjthet össze, és azonosíthatja azokat a funkciókat, amelyek hozzájárulnak egy olyan algoritmushoz, amely előre jelezheti a vetélés kezelésének kimenetelét az egyéni esetkezelés érdekében.
A tanulmány áttekintése
Állapot
Állapot
Körülmények
Körülmények
Beavatkozás / kezelés
Beavatkozás / kezelés
Részletes leírás
- Mesterséges intelligencia felfedezéstudománya: Algoritmusfejlesztés körülbelül 1000 vetélési eset retrospektív auditján alapul
- A szerszám megbízhatóságának meghatározása tesztadatkészletekkel
- A döntés érzékenységének és specifitásának növelése segíti az adatgyűjtés több helyszínre történő kiterjesztését és az algoritmus leendő adatokkal való tesztelését.
A vizsgálatot az Imperial College Healthcare NHS Trusts (a vizsgálat elsődleges központja) Queen Charlotte's és Chelsea Kórházában végzik.
Ez egy többközpontú retrospektív, kohorsz megfigyeléses vizsgálat.
A vizsgálatot legalább három éven keresztül fogják lefolytatni, hogy elegendő idő álljon rendelkezésre a retrospektív adatok áttekintésére és a vizsgálati adatsorok összevetésére.
Az Imperial College Healthcare NHS Trust által kezelt elmulasztott vetélés és hiányos vetélés utólagos anonimizált eseteit elemzik:
Minden esetben a következő klinikai jellemzőket és az eredményeket kell összegyűjteni:
- Demográfiai adatok: anyai életkor, paritás
- Előzmény: Korábbi CS, Korábbi SMM/MVA, Korábbi myomectomia
- Terhesség az LMP-től
- Jellemző tünetek: Vérzés pontszám, Fájdalom pontszám
- USS mérések: CRL, GS, RPOC 3 dimenzió, Vascularitás
- Eltérés a CRL és az LMP szerinti terhesség között
Minden adatot visszamenőlegesen gyűjtünk és anonimizálunk.
Az adatgyűjtést követően gépi tanulási modelleket és funkciócsökkentési módszereket alkalmaznak a legjobban teljesítő modell meghatározására a vetélés várható vagy orvosi kezelésének sikerének vagy sikertelenségének előrejelzésére.
A következő szakasz egy előretekintő auditot fog tartalmazni az adatok gyűjtése és az MLM klinikai döntéstámogató eszköz előrejelző erejének tesztelése érdekében.
Tanulmány típusa
Tanulmány típusa
Beiratkozás (Becsült)
Beiratkozás
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
London, Egyesült Királyság, W12 0HS
- Toborzás
- Imperial College Heatlhcare NHS Trust
-
Kapcsolatba lépni:
- Sughashini Murugesu
- Telefonszám: 07988390772
- E-mail: sughashini.murugesu@nhs.net
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Elmulasztott vetélés és 14 hetesnél rövidebb, nem teljes vetélés
- A nyomon követést 2 héten belül rögzítették
Kizárási kritériumok:
- A végső eredményre vonatkozó adatok nem állnak rendelkezésre
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Csoportok/kohorszok száma
Kohorszok és beavatkozások
Csoport / KohorszCsoport / Kohorsz |
Beavatkozás / kezelésBeavatkozás / kezelés |
|---|---|
|
A vetélés várható kezelése
Az a kohorsz, amely úgy döntött, hogy a 14. napig kezeli a vetélést, a végeredmény sikerét vagy kudarcát
|
Várandós kezelés: Konzervatív kezelés, ha a vetélést 2 héten belül le kell foglalni, annak megállapítására, hogy bekövetkezett-e a teljes vetélés.
|
|
A vetélés orvosi kezelése
Az a kohorsz, amely a vetélés, a végeredmény sikeressége vagy kudarca orvosi kezelését választotta a vezető választásától számított 14. napig
|
Orvosi kezelés: A misoprostol az első trimeszterben bekövetkezett vetélés kezelésére szolgál, 2 héten belül le kell foglalni a nyomon követést annak megállapítására, hogy bekövetkezett-e a teljes vetélés.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Gépi tanulási prediktív modell fejlesztése vetéléskezelési eredményekhez.
Időkeret: 2023. január - 2024. június
|
A gépi tanulás prediktív modelljének fejlesztése körülbelül 1000 vetélési eset retrospektív auditján alapul.
|
2023. január - 2024. június
|
Másodlagos eredményintézkedések
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Prospektív audit a prediktív modell tesztelésére és érvényesítésére
Időkeret: 2024. július - 2025. június
|
A döntés érzékenységének és specifikusságának növelése segít az adatgyűjtés több helyszínre történő kiterjesztésével és a gépi tanulási modell tesztelésével a jövőbeli adatokkal.
|
2024. július - 2025. június
|
Együttműködők és nyomozók
Szponzor
Szponzor
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Tanulmány kezdete
Elsődleges befejezés (Becsült)
Elsődleges befejezés
A tanulmány befejezése (Becsült)
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
- 23QC8155
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
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. .