- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT04473105
Ottimizzazione dell'allocazione delle risorse tramite la previsione dei risultati per Covid-19
Ottimizzazione dell'allocazione delle risorse tramite la previsione dei risultati per Covid-19 sospetto e provato
Gli investigatori prevedono di utilizzare tutte le informazioni disponibili all'interno dei loro ospedali locali NHS Trust per capire cosa succede alle persone ricoverate con infezioni da Covid-19 sia sospette che comprovate. Gli investigatori utilizzeranno tutte le informazioni possibili per fornire il maggior numero di prove possibili da utilizzare nelle loro indagini in quanto ciò renderà i risultati più accurati. Ciò includerà informazioni sulle condizioni di salute esistenti (ad es. esaminando precedenti lettere di dimissione, riepiloghi del medico di base), osservazioni cliniche registrate in ospedale (ad es. temperatura, pressione sanguigna, polso, livelli di ossigeno) e misurazioni di laboratorio (ad es. marcatori ematici di infezione). Il team esperto di investigatori analizzerà quindi tutto questo insieme alle informazioni sul fatto che la persona abbia il Covid-19 per aiutare a capire quale sarà il rischio di eventuali nuovi pazienti. Per fare ciò, gli investigatori devono utilizzare le informazioni dei singoli pazienti, tuttavia, una volta rimosse dal sistema dei registri ospedalieri, non saranno identificabili e saranno conservate in modo sicuro all'interno dell'ospedale in ogni momento. Come risultato di questo lavoro, gli investigatori intendono essere in grado di fare due cose:
- Quando un paziente viene ricoverato in ospedale con possibile o confermato Covid-19, gli investigatori saranno in grado di fare una previsione molto accurata di ciò che è probabile che gli accada (ad es. essere ricoverati in terapia intensiva o ad alta dipendenza, morire o sopravvivere alla dimissione) che aiuteranno gli operatori sanitari a prendere decisioni sulla loro cura.
- Sapendo cosa è probabile che accada a un paziente, i ricercatori sono in grado di prendere decisioni informate su come distribuire le risorse sanitarie, ad es. quali aree potrebbero aver bisogno di più ventilatori (macchine per aiutare con la respirazione), necessità di letti di terapia intensiva, pianificazione delle dimissioni.
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Sfondo.
Punteggi di rischio clinico relativamente semplici basati su informazioni cliniche facilmente disponibili possono essere di grande aiuto nella selezione dei pazienti per la dimissione precoce o un intervento più rapido e intensivo. Un esempio di questo è nel sanguinamento del tratto gastrointestinale superiore in cui molti di questi punteggi (https://www.mdcalc.com/glasgow-blatchford-bleeding-score-gbs4 5; https://www.mdcalc.com/rockall-score-upper-gi-bleeding-complete6) hanno consentito una dimissione anticipata sicura, alleviando così la pressione sugli ospedali. Gli investigatori ritengono che risultati simili potrebbero essere potenzialmente ottenibili dai dati raccolti di routine nella nostra fiducia su pazienti con Covid-19 accertato o sospetto.
Obiettivi
Gli investigatori si propongono di rispondere alle seguenti domande
- Quale modello di storia clinica e sintomi, osservazioni, sangue e altri marcatori investigativi predice meglio che un paziente sospettato di Covid-19 o di cui è stata dimostrata l'infezione progredirà fino a richiedere la ventilazione?
- Quale modello di storia clinica e sintomi, osservazioni, sangue e altri marcatori investigativi prevede meglio che un paziente sospettato di Covid-19 o dimostrato di averlo morirà durante la sua malattia?
- Quale modello di storia clinica e sintomi, osservazioni, sangue e altri marcatori investigativi prevede meglio che un paziente sospettato di Covid-19 o di cui è stata dimostrata l'infezione si riprenderà completamente senza richiedere ossigeno supplementare?
Metodi
I ricercatori propongono due approcci principali ai primi due degli obiettivi di cui sopra.
Un approccio standard che valuta le caratteristiche di base per prevedere un esito sfavorevole, simile ad altri studi in corso come ISARIC e PRIEST, ma che beneficia di un campione imparziale di pazienti in quanto non devono essere raccolti campioni o dati aggiuntivi e quindi i ricercatori ritengono che sarà eticamente accettabile con la dovuta attenzione alla riservatezza per analizzare tutti i pazienti che si presentano e non solo quelli disposti e in grado di acconsentire.
Un approccio di modellazione multilivello che utilizza le numerose misurazioni cliniche e di laboratorio ripetute quotidianamente per prevedere il rischio giornaliero di un successivo deterioramento.
Questo secondo approccio integra altri studi in corso come ISARIC e PRIEST, in quanto può essere fornito in modo fattibile solo all'interno di un'unica istituzione come NUH in quanto richiede dati sanitari elettronici dettagliati collegati longitudinalmente. Inoltre, è un progetto di studio efficiente ea basso costo che non richiede la raccolta manuale dei dati.
Gli investigatori utilizzeranno i dati conservati nei sistemi elettronici del Nottingham University Hospitals (NUH) NHS Trust, per identificare tutti i pazienti sospettati di avere un'infezione da Covid-19 o in cui la diagnosi viene infine confermata. Ciò verrà eseguito dall'inizio della pandemia in modo retrospettivo e quindi in un programma continuo in modo prospettico per massimizzare i dati disponibili.
Per questi pazienti gli investigatori raccoglieranno tutti i dati rilevanti su diagnosi (comorbidità), osservazioni cliniche giornaliere e parametri di laboratorio giornalieri sia alla presentazione che su base continuativa fino al momento della morte o della dimissione. Questi dati includeranno misurazioni ripetute di temperatura, polso, saturazione di ossigeno nel sangue, concentrazione di ossigeno inspirato, frequenza respiratoria, proteina C reattiva e conta dei globuli bianchi, tra gli altri.
I dati saranno analizzati e i risultati modellati all'interno della rete del Nottingham University Hospitals Trust per garantire il mantenimento della riservatezza.
Analisi
Caratteristiche dei pazienti che passano all'intubazione Gli investigatori valuteranno l'associazione di eventuali parametri basali e dati demografici dei pazienti che richiedono ventilazione rispetto a quelli che non lo fanno incrociando i parametri basali con la ventilazione e calcolando le associazioni aggiustate utilizzando un modello di regressione logistica. Gli investigatori esamineranno anche il rischio giornaliero di intubazione utilizzando un modello di effetti casuali con le misurazioni giornaliere ripetute. Al fine di esaminare il potenziale per un punteggio di rischio clinico facilmente calcolabile, verranno preparati modelli logistici, ma mantenendo variabili continue come continue (per massimizzare la conservazione di dati predittivi utili) e riducendole a dati categorici (per facilità di calcolo clinico). Gli investigatori selezioneranno i predittori per il modello utilizzando l'eliminazione all'indietro con il criterio delle informazioni di Akaike e alfa = 0,05. Per i modelli candidati, gli investigatori calcoleranno l'indice C e le curve operative del ricevitore e valuteranno la calibrazione utilizzando il test di Hosmer-Lemeshow. Il bootstrap e la convalida incrociata verranno utilizzati per evitare l'overfitting e valutare le prestazioni del modello.
Analisi delle tendenze temporali per identificare i marcatori che portano all'intubazione Gli investigatori esamineranno i dati per le tendenze nel tempo in misurazioni ripetute, ove disponibili, e le descriveranno utilizzando statistiche riassuntive appropriate. Se ci sono abbastanza misurazioni ripetute, ogni covariata verrà valutata con un'analisi JoinPoint per valutare se c'è un'evidente inflessione nel tempo per indicare un cambiamento nel quadro clinico che segna un declino verso la ventilazione. Questo processo alimenterà la scelta razionale delle categorie per la rappresentazione categorica dei dati.
Predittori all'intubazione che suggeriscono la morte Gli investigatori valuteranno l'associazione di eventuali parametri e dati demografici dei pazienti ventilati che muoiono rispetto a quelli che non muoiono incrociando i parametri al punto di ventilazione con la morte e calcolando le associazioni aggiustate utilizzando un modello di regressione logistica. Gli investigatori esamineranno anche il rischio giornaliero di morte utilizzando un modello di effetti casuali con misurazioni giornaliere ripetute. Al fine di esaminare il potenziale per un punteggio di rischio clinico facilmente calcolabile, verranno preparati modelli logistici, ma mantenendo variabili continue come continue (per massimizzare la conservazione di dati predittivi utili) e riducendole a dati categorici (per facilità di calcolo clinico). Gli investigatori selezioneranno i predittori per il modello utilizzando l'eliminazione all'indietro con il criterio delle informazioni di Akaike e alfa = 0,05. Per i modelli candidati, i ricercatori calcoleranno l'indice c e le curve operative del ricevitore e valuteranno la calibrazione utilizzando il test di Hosmer-Lemeshow. Il bootstrap e la convalida incrociata verranno utilizzati per evitare l'overfitting e valutare le prestazioni del modello.
Analisi delle tendenze temporali per identificare i marcatori che portano alla morte Esamineremo i dati per le tendenze nel tempo in misurazioni ripetute, ove disponibili, e li descriveremo utilizzando statistiche riassuntive appropriate. Se ci sono abbastanza misurazioni ripetute, ogni covariata sarà valutata con un'analisi JoinPoint per valutare se c'è un'evidente inflessione nel tempo per indicare un cambiamento nel quadro clinico che segna un declino verso la morte Caratteristiche basali dei pazienti dimessi senza ossigeno supplementare Noi valuterà l'associazione di eventuali parametri basali e dati demografici dei pazienti che vengono dimessi senza ossigeno supplementare rispetto a quelli che non lo sono confrontando i parametri basali con la ventilazione e calcolando le associazioni aggiustate utilizzando un modello di regressione logistica. Al fine di esaminare il potenziale per un punteggio di rischio clinico facilmente calcolabile, verranno preparati modelli logistici, ma mantenendo variabili continue come continue (per massimizzare la conservazione di dati predittivi utili) e riducendole a dati categorici (per facilità di calcolo clinico). Gli investigatori selezioneranno i predittori per il modello utilizzando l'eliminazione all'indietro con il criterio delle informazioni di Akaike e alfa = 0,05. Per i modelli candidati, i ricercatori calcoleranno l'indice c e le curve operative del ricevitore e valuteranno la calibrazione utilizzando il test di Hosmer-Lemeshow. Ciascuno di questi passaggi verrà ripetuto in 10 sottocampioni del 20% selezionati casualmente del set di dati.
Analisi supplementari stratificate Per identificare diversi gruppi di pazienti a rischio di esiti negativi, saranno valutate le interazioni con ciascun modello di rischio per identificare se è necessaria la stratificazione per fasce di età, sesso, co-morbidità precedenti e fattori basali come linfopenia, CRP ecc.
Tutte le analisi saranno ripetute per i gruppi di pazienti Covid-19 provati con PCR e quelli solo sospetti.
Per l'analisi della dimissione senza ossigeno supplementare gli investigatori esamineranno il rischio di riammissione per quelli così dimessi e ripeteranno l'analisi solo per quelli non successivamente riammessi.
Criteri di ammissibilità
Criteri di inclusione • Tutti i pazienti ricoverati presso il Nottingham University Hospitals Trust sospettati di avere un'infezione da Covid-19 o nei quali la diagnosi viene infine confermata e che hanno più di 18 anni
Criteri di esclusione
• Minori di 18 anni.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
-
Nottingham, Regno Unito, NG7 2UH
- Nottingham University Hospitals NHS Trust
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
• Tutti i pazienti ricoverati presso il Nottingham University Hospitals Trust sospettati di avere un'infezione da Covid-19 o in cui la diagnosi è stata infine confermata e che hanno più di 18 anni
Criteri di esclusione:
• Minori di 18 anni.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Altro
- Prospettive temporali: Prospettiva
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Ventilazione
Lasso di tempo: Durante l'ammissione fino a 3 mesi
|
La necessità di ventilare il paziente
|
Durante l'ammissione fino a 3 mesi
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Morte
Lasso di tempo: Durante il ricovero o entro 30 giorni
|
Morte del paziente
|
Durante il ricovero o entro 30 giorni
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: Timothy R Card, FRCP, PhD, University of Nottingham
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Effettivo)
Completamento dello studio (Effettivo)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 20GA039
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su COVID-19
-
Ricardo Pereira MestreInstitute of Oncology Research (IOR); Istituto Cantonale di PatologiaCompletato
-
Instituto de Investigación Hospital Universitario...Instituto de Salud Carlos III; Spanish Clinical Research Network - SCReNAttivo, non reclutante
-
Inmunova S.A.Hospital Italiano de Buenos Aires; Laboratorio Elea Phoenix S.A.; Hospital de Campaña... e altri collaboratoriCompletato
-
Manchester University NHS Foundation TrustUniversity of ManchesterCompletato
-
Rush University Medical CenterHospital Civil de GuadalajaraCompletatoCovid19Stati Uniti, Messico
-
Evelyne D.TrottierCompletato
-
Sinovac Research and Development Co., Ltd.Completato
-
Mabwell (Shanghai) Bioscience Co., Ltd.Shanghai Public Health Clinical CenterCompletato
-
Erasmus Medical CenterUniversity Medical Center Groningen; Academisch Medisch Centrum - Universiteit... e altri collaboratoriReclutamento