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

Development and Validation of an Interpretable Machine Learning Model for Predicting Venous Thromboembolism（VTE）in Intensive Care Unit (ICU) Patients

2026. május 18. frissítette: Weiwei Wu, Beijing Tsinghua Chang Gung Hospital

Venous thromboembolism remains a leading cause of preventable mortality in intensive care unit (ICU) patients. Existing risk-stratification tools were developed in general medical populations and lack ICU-specific predictors. This study was to develop and validate an interpretable machine learning (ML) model to predict VTE in ICU patients.

A tanulmány áttekintése

Állapot

Befejezve

Körülmények

Beavatkozás / kezelés

Egyéb: nincs beavatkozás

Tanulmány típusa

Megfigyelő

Beiratkozás (Tényleges)

12061

Kapcsolatok és helyek

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

Tanulmányi helyek

Kína
- Beijing Municipality
  - Beijing, Beijing Municipality, Kína, 102218
    - Beijing Tsinghua Changgung 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

Patients admitted to ICU were included in the study cohort from January 2022 to October 2025. Inclusion criteria were: (1) age ≥18 years; (2) ICU length of stay ≥48 hours; (3) only the first ICU admission per patient was retained. Exclusion criteria were: (1) VTE diagnosed prior to ICU admission; (2) VTE diagnosed within 24 hours of ICU admission; (3) >20% missing values in key variables. The final cohort comprised 12,061 patients, of whom 587 (4.9%) developed VTE during ICU hospitalization.

Leírás

Inclusion Criteria:

age ≥18 years;
ICU length of stay ≥48 hour
the first ICU admission

Exclusion Criteria:

VTE diagnosed prior to ICU admission
VTE diagnosed within 24 hours of ICU admission
>20% missing values in key variables

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	Időkeret
validate an interpretable machine learning (ML) model to predict VTE in ICU patients Időkeret: the first day after the patients leaf ICU	the first day after the patients leaf ICU

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Beijing Tsinghua Chang Gung Hospital

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 1.

Elsődleges befejezés (Tényleges)

2025. december 31.

A tanulmány befejezése (Tényleges)

2025. december 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. május 12.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. május 18.

Első közzététel (Tényleges)

2026. május 19.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)