Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Káros kimenetelek előrejelzése COPD-s betegek gépi tanulásának segítségével Hongkongban

2026. március 17. frissítette: Fanny W.S. Ko, Chinese University of Hong Kong

Ennek a tanulmánynak az a célja, hogy prediktív modelleket dolgozzon ki olyan betegek számára, akiknél COPD-t diagnosztizáltak az index felvétele után a következő eredményekkel, gépi tanulás segítségével:

Elsődleges eredmény: Korai felvétel

Másodlagos eredmények:

  1. Gyakori visszafogadás
  2. Összetett eredmény (korai + gyakori visszafogadás)
  3. Halálozás
  4. Hosszú távúak

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Részletes leírás

A krónikus obstruktív tüdőbetegség (COPD) egy gyakori, megelőzhető és kezelhető betegség, amelyet tartós légúti tünetek és légáramlás-korlátozás jellemez, amely légúti és/vagy alveoláris rendellenességek következménye, amelyeket általában a mérgező részecskéknek vagy gázoknak való jelentős expozíció okoz, és amelyet a gazdaszervezet befolyásol. tényezők, beleértve a kóros tüdőfejlődést. Becslések szerint 2015-ben világszerte 3,2 millió ember halt meg COPD-ben, és ez 11,6%-os növekedést jelent 1990-hez képest. A COPD a harmadik vezető halálok világszerte 2019-ben.

Hongkongban (HK) a COPD prevalencia aránya a 60 év feletti idős populációban 25,9% és 12,4% volt az 1 másodperc alatti kényszerkilégzési térfogat (FEV1)/forced vital kapacitás (FVC) arány spirometriás meghatározása alapján <70 % illetve a FEV1/FVC normálérték alsó határa.4 A COPD-s kórházi felvételekről szóló közelmúltbeli tanulmányunkból kiderül, hogy 2017. január 1. héttől 2020. január 3. hétig (a COVID-járvány előtt) összesen 67 628 COPD-felvétel történt, 2020. január 4. hét és 2020. december 4. között pedig 11 065. ). 5 A COPD-s kórházi kezelések terhei jelentősek, és fontos megérteni ezeknek a felvételeknek a mozgatórugóját, hogy megfelelő stratégiákat dolgozhassunk ki a probléma megoldására és a COPD-ben szenvedő betegek egészségi állapotának javítására.

A korai visszafogadást és a COPD-ből eredő gyakori felvételeket gyakran tanulmányozzák a kórházi eredmények, mivel az egyénre és az államra egyaránt nagy anyagi terhet ró, valamint az állami egészségügyi források magas felhasználását. A mesterséges intelligencia (AI) és a gépi tanulás (ML) megjelenésével jelentős érdeklődés mutatkozott az orvostudományban való alkalmazása iránt. A közelmúltban végzett metaanalízis kimutatta, hogy ezek a modellek kompatibilisek a COPD kimenetelének előrejelzésében.7 Azonban kevés tanulmánynak sikerült kimutatnia, hogy az AI/ML felülmúlja a hagyományos statisztikai modellezési módszereket, az AI/ML értelmezhető és klinikailag korrelálható, és az AI/ML közvetlen klinikai alkalmazással rendelkezhet.

Ennek a tanulmánynak az a célja, hogy prediktív modelleket dolgozzon ki olyan betegek számára, akiknél COPD-t diagnosztizáltak az index felvétele után a következő eredmények alapján:

Elsődleges eredmény: Korai felvétel

Másodlagos eredmények:

  1. Gyakori visszafogadás
  2. Összetett eredmény (korai + gyakori visszafogadás)
  3. Halálozás
  4. Hosszú távúak

Felmérik a gépi tanulási (ML) modellek, mint a hagyományos statisztikai tanulási módszerek alternatíváinak életképességét és állítólagos fölényét. Ezen túlmenően minden egyes érdeklődésre számot tartó kimenetel legfőbb előrejelzői azonosításra kerülnek az eredményeket javító lehetséges beavatkozásokra vonatkozó javaslatok érdekében (pl. csökkenti a korai felvételi, gyakori felvételi és halálozási arányokat). A klinikai környezetben történő alkalmazáshoz szükséges klinikai pontszámokat is kidolgozzák.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

100000

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányi helyek

    • New Territories
      • Hong Kong, New Territories, Hong Kong
        • Toborzás
        • The Chinese University of Hong Kong
        • Kapcsolatba lépni:
        • Kapcsolatba lépni:

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

A betegeket 2016 és 2022 között bocsátják ki a kórházból a COPD akut súlyosbodása miatt

Leírás

Bevételi kritériumok:

  • ≥40 év
  • A betegek hazabocsátása 2016-2022 között történik
  • Elbocsátási diagnosztika: Az elsődleges diagnózisban található kisülési diagnózis ICD-kódok használata annak meghatározására, hogy a betegnek COPD-je van-e
  • A spirometriás eredményekkel szemben érvényesítve (spirometriás leolvasással rendelkező betegek esetében):

Spirometria leolvasása korábban bármikor. A beteg Post FEV1/FVC arányának < 0,7-nek kell lennie a spirometriás mérések bármelyikében. Ha a Post FEV1/FVC nem áll rendelkezésre, ellenőrizzük, hogy a betegeknél van-e Pre FEV1/FVC érték, és a spirometriás mérések bármelyikébe belevesszük azokat a betegeket is, akiknél a Pre FEV1/FVC arány < 0,7.

Kizárási kritériumok:

  • Felvételi diagnózis a COPD-n kívüli okok miatt

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Korai visszafogadás
Időkeret: 30 nap
A betegeket az AECOPD* elsődleges diagnózisával visszavitték a kórházba az indexbe történő felvételtől számított 30 napon belül.
30 nap

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Gyakori befogadók
Időkeret: 365 nap
- 3 vagy több felvétellel rendelkező betegek (indexfelvétel + 2 vagy több felvétel) az indexfelvétel felvételi időpontjától számított 365 napon belül
365 nap
1 éves halálozás
Időkeret: 365 nap
- Azok a betegek, akik az index felvételét követő 365 napon belül elhunytak
365 nap
Hosszú távúak
Időkeret: 365 nap
- Azok a betegek, akiknél több mint 21 nap halmozott tartózkodási idővel vettek fel 1 éven belül az indexbe történő felvételt követően
365 nap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Tanulmányi igazgató: David Hui, MD, Chinese University of Hong Kong

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2023. augusztus 29.

Elsődleges befejezés (Becsült)

2027. április 30.

A tanulmány befejezése (Becsült)

2028. április 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2023. április 11.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2023. április 11.

Első közzététel (Tényleges)

2023. április 24.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. március 18.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. március 17.

Utolsó ellenőrzés

2026. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • CRE Ref_ No_ 2022_679

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

ELDÖNTETLEN

IPD terv leírása

Megfelelő együttműködési tanulmányi javaslattal megfontolhatjuk az adatok megosztását (személyi azonosítók nélkül).

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

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. .

Iratkozz fel