Punteggio di rischio dell'unità di terapia intensiva (ICURS)
Analisi retrospettiva - Sistemi di punteggio in medicina di terapia intensiva
Panoramica dello studio
Stato
Descrizione dettagliata
Un sistema di punteggio è solitamente composto da due parti: un punteggio (un numero che riflette la gravità della malattia) e un modello di probabilità (equazione che indica la probabilità di un evento, ad esempio la morte del paziente in ospedale). I sistemi di punteggio sono utilizzati da decenni nella medicina di terapia intensiva e possono aiutare a valutare l'efficacia del trattamento o identificare pazienti comparabili a scopo di studio. Ad esempio, i sistemi di punteggio utilizzati nella medicina di terapia intensiva
- Fisiologia acuta, età, valutazione cronica della salute II (APACHE II)
- Punteggio di fisiologia acuta semplificato II (SAPS II)
- Punteggio di disfunzione multiorgano (MODS)
- Valutazione sequenziale dell'insufficienza d'organo (SOFA)
- Sistema di disfunzione degli organi logistici (LODS)
- MPM II-Ammissione (Modelli di probabilità di mortalità (MPM II)
- Punteggio di disfunzione d'organo e infezione (ODIN)
- Risultati della ricalibrazione in terapia intensiva di tre giorni (TRIOS)
- Punteggio del coma di Glasgow (GCS)
- Punteggio di prontezza alla dimissione (DRS) I suddetti sistemi di punteggio vengono già raccolti regolarmente nei rispettivi dipartimenti dell'ospedale. In un recente studio di Badawi et al. si potrebbe dimostrare che i sistemi di punteggio consentono previsioni più accurate se calcolati in modo continuo. Tuttavia, a causa dei gruppi di pazienti esaminati, questi risultati possono essere trasferiti ad altri gruppi di pazienti solo in misura limitata. Inoltre, sono stati analizzati solo i sistemi di punteggio APACHE, SOFA e DRS.
Pertanto, nel presente studio, tutti i sistemi di punteggio di cui sopra saranno calcolati continuamente (una volta al minuto) utilizzando i dati di routine delle cartelle cliniche digitali dei pazienti e ottimizzati applicando l'apprendimento automatico e metodi di analisi delle serie temporali.
Nelle unità di terapia intensiva gestite anestesiologicamente del rispettivo ospedale, non esiste uno standard a livello di campus per quanto riguarda la gestione degli allarmi. Di conseguenza, stimiamo che il tasso di affaticamento degli allarmi (ignorando gli allarmi dovuti a molti falsi allarmi) sia molto alto. Al fine di ottimizzare la gestione degli allarmi, gli allarmi provenienti dai dispositivi di monitoraggio del paziente saranno valutati retrospettivamente e combinati con i dati sopra menzionati per determinare, ad esempio, se sono previsti allarmi più frequenti per determinati tipi di malattie (ad es. sepsi) o punteggi (ad es. punteggio APACHE alto) e come ottimizzare l'impostazione del limite di allarme.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Felix Balzer, Prof
- Email: data-science@charite.de
Backup dei contatti dello studio
- Nome: Akira S Poncette, MD
- Email: data-science@charite.de
Luoghi di studio
-
-
-
Berlin, Germania, 10117
- Reclutamento
- Charite Universtitaetsmedizin
-
Contatto:
- Felix Balzer, Prof. Dr. Dr.
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Pazienti con ricovero tra il 01.01.2006 e il 30.09.2023
Criteri di esclusione:
- Pazienti di età inferiore ai 18 anni.
- Cartelle paziente incomplete.
- Soggiorno intensivo di meno di 24 ore.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Previsione dell'esito del paziente
Lasso di tempo: 2006 - 2023
|
Identificazione dei punteggi con un alto tasso di mortalità da impatto, complicanze e durata della degenza in terapia intensiva
|
2006 - 2023
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Modello predittivo per il carico di allarme
Lasso di tempo: 2020 - 2023
|
Identificazione degli elementi che portano a un elevato carico di allarmi misurato dal numero di allarmi al giorno per letto nell'unità di terapia intensiva
|
2020 - 2023
|
|
Modello predittivo per allarmi attuabili
Lasso di tempo: 2020 - 2023
|
Identificazione di elementi che portano a un numero elevato di allarmi attivabili misurati dal numero di allarmi attivabili al giorno per letto nell'unità di terapia intensiva
|
2020 - 2023
|
Collaboratori e investigatori
Investigatori
- Investigatore principale: Felix Balzer, Prof, Charite University, Berlin, Germany
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- ICURS
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 .