- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT04337502
A COVID-19 klinikai és radiomikus modellje
Klinikai és radiológiai modell a COVID-19-betegek prognózisának előrejelzésére
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
2019 decemberében egy új koronavírus, a súlyos akut légúti szindróma coronavirus 2 (SARS-CoV-2; korábban 2019-nCoV) jelent meg a kínai Vuhanban. A SARS-CoV-2 által okozott betegségek a COVID-19. 2020. március 8-ig világszerte több mint 100 000 COVID-19 beteget jelentettek (több mint 80 000 eset Kínában, több mint 20 000 más országokban), és 3 600 beteget (Kínában 3 100, Kínán kívül 500 Kína) meghaltak. A COVID-19 járvány nemzetközi aggodalomra okot adó közegészségügyi vészhelyzetet jelent.
A COVID-19-es betegek körülbelül 80%-a enyhe (nem súlyos) beteg, akik általában két héten belül meggyógyulnak. A betegek további 20%-a azonban súlyos vagy kritikus betegséggé súlyosbodhat, ami hosszabb kórházi tartózkodást eredményez, és az ilyen betegek halálozási aránya 13,4%. Ezért a magas kockázatú súlyos betegek inchoate azonosítása rendkívül fontos a betegkezelés és az orvosi erőforrások elosztása szempontjából. Az általános karantén és a tüneti kezelés a legtöbb nem súlyos beteg esetében alkalmazható, míg a magasabb szintű ellátás és az intenzív osztályra (ICU) vezető zöld csatorna segít a súlyos betegeknél. Korábbi tanulmányok összefoglalták a súlyos COVID-19-betegek klinikai és radiológiai jellemzőit, de még mindig nem tisztázott, hogy mely tényezők fontos előrejelzők.
A gépi tanulás a mesterséges intelligencia olyan ága, amely lehetővé teszi számunkra, hogy az adott adatokból ismereteket és lehetséges törvényszerűségeket tanuljunk meg, és modellt építsünk a problémák, mint emberi igények megoldására. Az elmúlt években a gépi tanulást új eszközként fejlesztették ki az orvosi feljegyzésekből vagy képekből származó nagy mennyiségű adat elemzésére. A korábbi modellezési tanulmányok a COVID-19 lehetséges nemzetközi terjedésének előrejelzésére összpontosítottak.
Ezért célunk egy olyan gépi tanulási modell kidolgozása és validálása, amely önmagában klinikai, laboratóriumi és radiológiai jellemzőkön vagy a COVID-19-betegek korai stádiumában, súlyos betegség nélküli kombinációján alapul, több központból származó súlyos (vagy kritikus) betegségek előrejelzésére. betegség a következő kórházi kezelés során a kockázat megkönnyítése érdekében A tünetek és osztályozás előtti és utáni értékelése (otthon, kórházi kezelés vagy intenzív osztály).
Tanulmány típusa
Beiratkozás (Tényleges)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
Hubei
-
Wuhan, Hubei, Kína
- The Central Hospital of Wuhan
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Tanulmányozható nemek
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- igazolt COVID-19 betegek nagy áteresztőképességű szekvenálása vagy valós idejű reverz transzkriptáz polimeráz-láncreakció (RT-PCR) vizsgálata orr- és garattampon mintákhoz.
Kizárási kritériumok:
- súlyos betegségben szenvedő betegek felvételkor;
- a felvétel és a vizsgálatok között több mint 2 nap telt el;
- hiányzó adatok vagy késleltetett eredmények
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
---|---|
súlyos csoport
A súlyos csoportot akkor jelölték ki, ha a betegek a következő kritériumok valamelyikével rendelkeztek a kórházi kezelés során, amelyet a Kínai Nemzeti Egészségügyi Bizottság adott ki (3-5. verzió). 1) Légzési nehézség ≥ 30/perc légzési gyakorisággal; 2) Pulzoximéter oxigéntelítettség ≤ 93% nyugalmi állapotban; 3) Oxigénezési index (az oxigén/belélegzett oxigén frakció artériás parciális nyomása, PaO2/FiO2) ≤ 300 Hgmm; 4) Az alábbi feltételek egyike: a) légzési elégtelenség lép fel, és gépi lélegeztetést igényel; b) Sokk lép fel; c) Kombinált szervi elégtelenség esetén intenzív osztályos felvétel szükséges.
|
Gépi tanulás, például logisztikus regresszió, véletlenszerű erdő és mély tanulás
|
nem súlyos csoport
A nem súlyos csoportot akkor jelöltük ki, ha a betegek a kórházból való elbocsátásig nem szerepeltek az említett súlyos kritériumokban.
|
Gépi tanulás, például logisztikus regresszió, véletlenszerű erdő és mély tanulás
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
Prediktív teljesítmény
Időkeret: 2020. január 1-től 2020. február 13-ig
|
AUC, pontosság, érzékenység és specificitás
|
2020. január 1-től 2020. február 13-ig
|
Együttműködők és nyomozók
Szponzor
Együttműködők
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- UM_2020_GY_COVID-19
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
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. .
Klinikai vizsgálatok a Koronavírus
-
Oneness Biotech Co., Ltd.BefejezveSúlyos akut légzőszervi szindróma okozta betegség Coronavirus 2 (rendellenesség)Egyesült Államok
-
TakedaBefejezveSúlyos akut légzőszervi szindróma által okozott fertőzések megelőzése Coronavirus-2 (SARS-CoV-2)Japán
-
Pomeranian Medical University SzczecinMég nincs toborzásOxigénhiány | Koronavírus fertőzés | ARDS a súlyos akut légzőszervi szindróma okozta betegség miatt Coronavirus 2Lengyelország
-
Brigham and Women's HospitalBefejezveKoronavírus | A Coronavirus Sars-hoz kapcsolódó, máshol besorolt betegség okozójaEgyesült Államok
-
University Hospital, Basel, SwitzerlandsciCORE University of Basel; Leonhard Med IT ETH Zurich; Swiss Institute of BioinformaticsBefejezveSARS Coronavirus (SARS-CoV-2) fertőzésSvájc
-
CHU de ReimsBefejezve
-
Humanigen, Inc.Aktív, nem toborzóCoronavirus Disease 2019 (COVID-19) TüdőgyulladásEgyesült Államok, Brazília
-
Kanuni Sultan Suleyman Training and Research HospitalBefejezveCoronavirus Disease 2019 (COVID-19) TüdőgyulladásPulyka
-
Erasme University HospitalFonds Erasme pour la Recherche MedicaleMég nincs toborzásLégzési elégtelenség | SARS-CoV-2 | Koronavírus | A Coronavirus Sars-hoz kapcsolódó, máshol besorolt betegség okozója
-
Central Hospital, Nancy, FranceBefejezveARDS a súlyos akut légzőszervi szindróma miatt Coronavirus 2Franciaország
Klinikai vizsgálatok a Gépi tanulási modell
-
Health Resources and Services Administration (HRSA)University of Pennsylvania; University of California, Davis; University of Washington és más munkatársakToborzásNeurofejlődési zavarok | Autizmus spektrum zavarEgyesült Államok
-
McMaster UniversityMég nincs toborzásDepresszió | Szorongás
-
Antoine FourréUniversiteit Antwerpen; University of Mons; University of Picardie Jules VerneBefejezveDerékfájdalom | Fizikoterápia | Tudás, attitűdök, gyakorlat | OrvosokBelgium
-
Vilnius UniversityJelentkezés meghívóvalÉlelmiszerallergia gyermekeknél | Ételallergia csecsemőknélLitvánia
-
Johnson & Johnson Surgical Vision, Inc.Még nincs toborzás
-
Ankara Yildirim Beyazıt UniversityMég nincs toborzásCaries ápolása | A nővér szerepe | Ápoló hallgatókPulyka
-
University of EdinburghMaternal, Neonatal and Child Health Research NetworkBefejezveTüdőgyulladás | Fertőző betegség | Akut légúti fertőzés | Gyermekkori tüdőgyulladásPakisztán
-
National Taipei University of Nursing and Health...Aktív, nem toborzó
-
Centre Hospitalier Universitaire VaudoisToborzásAutizmus spektrum zavarSvájc
-
Maastricht University Medical CenterBefejezveBazális sejtes karcinómaHollandia