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

SENSING-AI kohorsz: Retrospektív tanulmány (SENSING-AI)

2024. február 7. frissítette: Adhera Health, Inc.

Retrospektív adatgyűjtés a SENSING-AI-hoz: hordható platform az érzelmi zavarok és exacerbációk korai diagnosztizálására hosszú COVID-ban szenvedő betegeknél mesterséges intelligencia használatával

A retrospektív tanulmányt az elektronikus kórlapban és az első konzultációs jelentésben elérhető információkból adódó fiziológiai és pszichológiai szövődmények kockázati rétegződésének mesterséges intelligencia modelljének kidolgozására fogják használni, hogy támogassák a betegeket és az egészségügyi szakembereket a betegséggel diagnosztizált betegek egészségügyi folyamatának jobb kezelésében. hosszú COVID.

A tanulmány áttekintése

Részletes leírás

A tartós COVID-betegséggel összefüggő szövődmények kockázatának személyre szabott, fiziológiai és pszichológiai rétegezése optimalizálná e betegek kezelésének költséghatékonysági modelljét. Hasonlóképpen, a tartós COVID-hoz kapcsolódó szövődmények korai felismerése a veszélyeztetett csoportokhoz tartozó betegeknél javítaná az ellátási időt, és ezáltal a beteg prognózisát.

Ennek a tanulmánynak az elsődleges célja a hosszú COVID-ban szenvedő betegek anonimizált retrospektív adatainak összegyűjtése, hogy hozzájáruljon a SENSING-AI kohorsz létrehozásához.

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

103

Kapcsolatok és helyek

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

Tanulmányi helyek

      • Seville, Spanyolország, 41009
        • Virgen Macarena University Hospital

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 retrospektív vizsgálat mintanagysága, amely elegendő a kockázati rétegződési modellek első verziójának elkészítéséhez, körülbelül 100 eset lesz. A célpopuláció a lehető legkiegyensúlyozottabb lesz a hosszú COVID-19 szövődmények miatt speciális ellátásra szoruló alanyok között (akár szakorvosi konzultáció, akár nem tervezett kórházi felvétel) a hosszú 1 hónap, 3 hónap, 6 hónap és 1 év elteltével. COVID-19 diagnózisát és azokat, akik nem igényeltek ilyen speciális ellátást.

Leírás

Bevételi kritériumok:

  • Legális felnőtt
  • Hosszú COVID-19-et diagnosztizáltak az elmúlt évben
  • Az alábbi tünetek bármelyikének jelenléte esetén:
  • Aszténia (fáradtság)
  • Légszomj
  • Légszomj
  • Szorongás
  • Feszültség
  • Depresszió
  • Alvászavar

Kizárási kritériumok:

  • Szakorvosi konzultáción vett részt
  • Az elmúlt évben a COVID szövődményeihez nem kapcsolódó probléma miatt került kórházba

Tanulási terv

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

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Retrospektív hosszú COVID esetek
A célpopuláció a lehető legkiegyensúlyozottabb lesz a hosszú COVID-19 szövődmények miatt speciális ellátásra szoruló alanyok között (akár szakorvosi konzultáció, akár nem tervezett kórházi felvétel) a hosszú 1 hónap, 3 hónap, 6 hónap és 1 év elteltével. COVID-19 diagnózisát és azokat, akik nem igényeltek ilyen speciális ellátást.
Áttekintjük a felhasználási esetekkel kapcsolatos elérhető klinikai adatforrásokat. Ezen túlmenően ezt az információt kiegészítik egy 100 esetből álló anonimizált retrospektív adatok egy csoportja, amely a Sevilla Norte-i egészségügyi körzet és a Virgen fertőző betegségek osztálya által kezelt COVID-19-betegeknek nyújtott segítségből származó klinikai információkból származik. Macarena Egyetemi Kórház

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Retrospektív SENSING-AI kohorsz
Időkeret: 1 hónap
A retrospektív SENSING-AI kohorsz 100, hosszan tartó COVID-19-ben szenvedő beteg klinikai adataiból fog táplálkozni.
1 hónap

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

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)

2022. január 18.

Elsődleges befejezés (Tényleges)

2022. február 25.

A tanulmány befejezése (Tényleges)

2022. február 25.

Tanulmányi regisztráció dátumai

Először benyújtva

2024. január 31.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. január 31.

Első közzététel (Tényleges)

2024. február 7.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. február 8.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. február 7.

Utolsó ellenőrzés

2024. február 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

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. .

Klinikai vizsgálatok a Posztakut COVID-19 szindróma

3
Iratkozz fel