- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT05825014
Káros kimenetelek előrejelzése COPD-s betegek gépi tanulásának segítségével Hongkongban
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:
- Gyakori visszafogadás
- Összetett eredmény (korai + gyakori visszafogadás)
- Halálozás
- Hosszú távúak
A tanulmány áttekintése
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:
- Gyakori visszafogadás
- Összetett eredmény (korai + gyakori visszafogadás)
- Halálozás
- 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
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Fanny Ko, MD
- Telefonszám: 35053133
- E-mail: fannyko@cuhk.edu.hk
Tanulmányi helyek
-
-
New Territories
-
Hong Kong, New Territories, Hong Kong
- Toborzás
- The Chinese University of Hong Kong
-
Kapcsolatba lépni:
- David S Hui, MD
- Telefonszám: 35053133
- E-mail: dschui@cuhk.edu.hk
-
Kapcsolatba lépni:
- fanny WS Ko, MD
- Telefonszám: 35053133
- E-mail: fannyko@cuhk.edu.hk
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
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
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
Szponzor
Nyomozók
- Tanulmányi igazgató: David Hui, MD, Chinese University of Hong Kong
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
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
Egyéb vizsgálati azonosító számok
- CRE Ref_ No_ 2022_679
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. .