Légszennyezés és terhesség (PTB)
A levegőszennyezés hatása a terhességre és a szülés negatív kimenetelére
Mi egy interdiszciplináris csoport az Egyesült Királyságban dolgozó tudósokból, akik szakértelemmel rendelkeznek a szülészet, a nő- és gyermekegészségügy, az epidemiológia, a klímatudomány, a gyulladások, a számítógépes modellezés, a gépi tanulás és a mesterséges intelligencia területén. Együtt hosszú múltra tekintünk vissza, meglevő erősségekkel a több tudományágat átívelő koraszülési kutatás hátterében, valamint kiváló publikációk és díjak gyűjteménye a koraszüléssel kapcsolatos kutatások terén.
Célunk egy mély tanulási modell kidolgozása és validálása a koraszülés kockázatának és más káros terhességi kimenetelek előrejelzésére a University College London Hospital Trust (UCLH) EPIC elektronikus egészségügyi nyilvántartásából származó adatok felhasználásával 18 000 betegből álló csoportra vonatkozóan. A megfelelő adatokat a környezetszennyezésnek való kitettségről az irányítószám (terület) és a kézbesítés dátuma (hónap) nem azonosítók használatával szerezzük meg. A modell áttekinti az események időbeli sorrendjét a páciens kórtörténetében és az aktuális terhességben, azonosítja a jelentős kölcsönhatásokat, és megjósolja a koraszülés kockázatát. Azt is meghatározza azt a küszöböt és a terhességi időszakot, amelynél a szennyezésnek a legnagyobb hatása van.
A tanulmány áttekintése
Részletes leírás
A koraszülés világszerte az újszülöttek megbetegedésének és halálozásának vezető oka. A koraszülött gyermekeknél nagyobb arányban fordulnak elő agyi bénulás, érzékszervi hiányosságok, tanulási zavarok és légúti betegségek. Az Egyesült Királyságban évente körülbelül 60 000 koraszülött születik. Ez Angliában 9 terhességből 1-nek felel meg, Londonban pedig minden 7 terhességből 1-re nő. Az esetek 40%-ában a koraszülés oka ismeretlen. A koraszülés előrejelzésére szolgáló jelenlegi algoritmusok csak korlátozottan képesek azonosítani azokat a nőket, akiknél a legnagyobb a koraszülés kockázata, és nem veszik figyelembe a genetikai, életmódbeli és környezeti körülményeket előrejelzésükben. A gépi tanulás és a mély tanulás rohamos fejlődésével ma már lehetőség nyílik olyan modellek kidolgozására, amelyek prediktív algoritmusukon belül több változót is figyelembe tudnak venni, így páciensspecifikus kockázat-előrejelzést tudnak megfogalmazni. Egyre több bizonyíték áll rendelkezésre arra vonatkozóan, hogy az anya terhesség alatti légszennyezettsége a koraszülés fokozott kockázatával jár. A levegőszennyezésnek való kitettség összefüggésbe hozható a méhlepény rossz működésével, a preeclampsiával és a rossz magzati növekedéssel, bár korlátozott mennyiségű adat áll rendelkezésre ezekről a kedvezőtlen terhességi kimenetelekről, amelyek mindegyike koraszüléshez vezethet. Jelenleg az e területtel kapcsolatos legújabb epidemiológiai tanulmányok közül sok hiányzik a részletes és megfelelő klinikai adatkészletekből, amelyek hiányoznak az elektronikus nyilvántartásokban.
Ennek a tanulmánynak a célja:
- Kapcsolja össze a légszennyezettségi expozícióra vonatkozó adatokat a University College London Hospital NHS Trust (UCLH) páciensek elektronikus egészségügyi nyilvántartásaiból származó rendkívül részletes klinikai adatkészletekkel.
- Olyan számítási modell kidolgozása, amely pontosan meg tudja jósolni azt a terhességet, amelynél a beteg hetekben és napokban fog szülni
- A modell segítségével azonosítsa azokat a terhességi időpontokat, amikor a levegőszennyezés a legnagyobb hatással van a terhesség kimenetelére
Tanulmány típusa
Beiratkozás (Becsült)
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
London, Egyesült Királyság, E14NS
- Toborzás
- Tina Chowdhury
-
Kapcsolatba lépni:
- Tina Chowdhury
- Telefonszám: 7560 0207882
- E-mail: t.t.chowdhury@qmul.ac.uk
-
Kapcsolatba lépni:
- Rhona Atkins
- Telefonszám: 7272 0207882
- E-mail: rhona.atkin@nhs.net
-
London, Egyesült Királyság, NW1 2PG
- Toborzás
- Anna David
-
Kapcsolatba lépni:
- Yaa Acheampong
- Telefonszám: 6164 020 3447
- E-mail: y.acheampong@nhs.net
-
Kapcsolatba lépni:
- Anna David
- Telefonszám: 9400 0203 447
- E-mail: a.david@nhs.net
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Mintavételi módszer
Tanulmányi populáció
Leírás
Bevételi kritériumok:
- Célunk, hogy az EPIC elektronikus betegnyilvántartásának megkezdése után 2019-től a University College London Kórházakban szült terhes nők adatai is szerepeljenek benne. Az inkluzivitás javítása érdekében ehhez a tanulmányhoz nincs meghatározott korhatár. Célunk továbbá a kisebbségi etnikai csoportok és a szociálisan rászoruló betegek képviselete adatkészletünkön belül.
Kizárási kritériumok:
- Kizárjuk az olyan betegek adatait, akiknél a várandósgondozás másik tröszthöz való áthelyezése miatt nem teljes a követési idő. Hiányos múltbeli szülészeti kórtörténeti adatokkal, pontatlan terhességi korbecsléssel rendelkező betegek (pl. a terhesség késői lefoglalása miatt) és a „szokásos cím irányítószáma” hiányzó adatok szintén kizárásra kerülnek. A 18 évnél fiatalabb betegek kizárásra kerülnek.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Gépi tanulási modell a koraszülés kockázatának és a kedvezőtlen szülés kimenetelének előrejelzésére
Időkeret: 36 hónap
|
Célunk egy mély tanulási algoritmus kidolgozása a koraszülés kockázatának és más káros terhességi kimenetelek előrejelzésére az elektronikus egészségügyi nyilvántartásokból származó adatok és a londoni környezeti szennyezettségi szint térbeli és időbeli modelljének felhasználásával.
A modell a személyes, életmódbeli és környezeti tényezőket a hagyományos kockázati tényezők mellett figyelembe veszi, hogy előre jelezze a terhesség terhességének legvalószínűbb előfordulását.
Ez a következő kategóriába sorolható: „termelő”, „késői koraszülött”, „mérsékelten koraszülött”, „nagyon koraszülött” és „szélsőségesen koraszülött”.
|
36 hónap
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Gépi tanulási modell annak előrejelzésére, hogy a levegő minősége hogyan növeli a koraszülés kockázatát és a kedvezőtlen születési kimeneteleket
Időkeret: 42 hónap
|
Ez a modell áttekinti a páciens kórtörténetében és aktuális terhességében bekövetkező események időbeli sorrendjét is, azonosítva a jelentős kölcsönhatásokat.
Egyéb káros terhességi kimeneteleket is vizsgálnak, mint például a születési súly, születési súly centile, pre-eclampsia, a terhességi korhoz képest kicsi, a magzat növekedési korlátozása.
|
42 hónap
|
Együttműködők és nyomozók
Szponzor
Együttműködők
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
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 331247
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. .