A szepszis kockázatának prediktív modelljeinek fejlesztése és validálása intenzív osztályokon intracerebrális vérzéses betegeknél gépi tanulás alapján: Retrospektív kohorsz vizsgálat
Az intenzív osztályon (ICU) intracerebrális vérzésben (ICH) szenvedő betegek fokozottan ki vannak téve a szepszis kialakulásának, ami jelentősen növeli a mortalitást és az egészségügyi terheket. Jelenleg nem állnak rendelkezésre hatékony eszközök a szepszis korai előrejelzésére az intenzív osztályon belüli ICH-betegeknél. A tanulmány célja egy megbízható prediktív modell kidolgozása gépi tanulási technikák segítségével, hogy segítse a klinikusokat a magas kockázatú betegek korai azonosításában, és elősegítse az időben történő beavatkozást.
A Medical Information Mart for Intensive Care (MIMIC) IV adatbázis (2.2-es verzió) egy nemzetközi online adattár a kritikus ellátás szakértelmére. Ez az adatbázis a Beth Israel Deaconess Medical Center intenzív osztályaitól 2008 és 2019 között gyűjtött betegekkel kapcsolatos információkat tartalmaz. 299 712 kórházi felvételről és 73 181 intenzív osztályos betegről szóló hatalmas adathalmazt tartalmaz.
Az eICU Collaborative Research Database (eICU-CRD) több mint 200 000 intenzív osztályon történő felvétel adatait tartalmazza 2014 és 2015 között 208 egyesült államokbeli kórházban 139 367 egyedi beteg esetében, értékes forrást biztosítva ezzel a kritikus gondozási kutatásokhoz.
Ennek a tanulmánynak a célja több gépi tanulási modell létrehozása és validálása, hogy előre jelezze a szepszis kialakulását ICH-ban szenvedő intenzív osztályos betegeknél, és azonosítsa az optimális prediktív teljesítményt nyújtó modellt.
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
- Adatgyűjtés: Ez a tanulmány két nyilvános adatbázist használt. A modell a Medical Information Mart for Intensive Care (MIMIC) IV adatbázisból (2.2-es verzió) nyert klinikai adatokat használta fel, és a megfelelő betegeket az eICU Collaborative Research Database (eICU-CRD) külső validálásra választotta ki. Az ICH-betegekre vonatkozó adatokat a MIMIC IV nyilvános adatbázisából nyertük ki, beleértve a kiindulási jellemzőket, a klinikai paramétereket, a terápiás beavatkozásokat és az eredményeket. Az adatokat véletlenszerűen két csoportra osztottuk, amelyek 70%-a képezte a képzési halmazt, 30%-a pedig az érvényesítési halmaz.
- Modellfejlesztés: A funkciók kiválasztását Lasso regresszió segítségével végezték el a különféle gépi tanulási modellek (például véletlenszerű erdő, logisztikai regresszió és neurális hálózatok) létrehozásához.
- Modellellenőrzés: A belső validációs készlet mellett külső validálást is végeztünk az eICU adatbázison, hogy teszteljük a modell általánosíthatóságát.
- Statisztikai elemzés: A modell prediktív teljesítményét olyan metrikák segítségével értékelték ki, mint a ROC görbe alatti terület (AUC), érzékenység és specificitás.
- Klinikai alkalmazhatóság értékelése: A modell klinikai használhatóságát döntési görbe elemzéssel (DCA) értékelték.
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Le Zhang, Doctor
- Telefonszám: 13973187150
- E-mail: zlzdzlzd@csu.edu.cn
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Ye Li, Doctor
- Telefonszám: 19967131289
- E-mail: 17670516318@163.com
Tanulmányi helyek
-
-
Hunan
-
Changsha, Hunan, Kína, 410008
- Le Zhang
-
Kapcsolatba lépni:
- Le Zhang
- Telefonszám: 13973187150
- E-mail: zlzdzlzd@csu.edu.cn
-
Kapcsolatba lépni:
- Ye Li
- Telefonszám: 19967131289
- E-mail: 17670516318@163.com
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- 1. Elsődleges intracerebrális vérzést diagnosztizáltak ICD-9/10 kódolással.
- 2. 19-89 éves korig.
Kizárási kritériumok:
- 1. A kórházba, de az intenzív osztályra nem került betegek.
- 2. Hiányzó követési adatokkal vagy hiányos változókkal rendelkező betegek.
- 3. Az egy hónapot meghaladó kórházi tartózkodással rendelkező betegek.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Kohorszok és beavatkozások
Csoport / Kohorsz |
Beavatkozás / kezelés |
|---|---|
|
intracerebrális vérzés
|
nincs beavatkozás
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Szepszis előfordulása
Időkeret: a felvételt követő 30 napon belül
|
Szepszis előfordulása
|
a felvételt követő 30 napon belül
|
Együttműködők és nyomozók
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
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
További vonatkozó MeSH feltételek
- Patológiás folyamatok
- Szív-és érrendszeri betegségek
- Érrendszeri betegségek
- Cerebrovaszkuláris rendellenességek
- Agyi betegségek
- Központi idegrendszeri betegségek
- Idegrendszeri betegségek
- Fertőzések
- Szisztémás gyulladásos válasz szindróma
- Gyulladás
- Intrakraniális vérzések
- Vérmérgezés
- Toxémia
- Vérzés
- Agyvérzés
Egyéb vizsgálati azonosító számok
- 53244021
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. .