- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06167083
Apprendimento automatico in terapia intensiva: previsione della mortalità nelle infezioni del sangue (UTI: unità di terapia intensiva) (ICU)
Apprendimento automatico in terapia intensiva: previsione della mortalità nei pazienti con infezioni del flusso sanguigno da bacilli Gram-negativi resistenti ai carbapenemi
Utilizzando i dati dei nostri pazienti, il nostro studio mirava a prevedere la mortalità che può svilupparsi nelle infezioni del flusso sanguigno da bacilli Gram-negativi resistenti ai carbapenemi con un modello basato sull’apprendimento automatico.
Nell'unità di terapia intensiva, i pazienti con infezioni del sangue, con e senza mortalità, saranno esaminati retrospettivamente in due sottogruppi per il confronto.
Panoramica dello studio
Stato
Intervento / Trattamento
Descrizione dettagliata
I carbapenemi sono uno degli antibiotici di ultima istanza utilizzati per trattare infezioni gravi causate da agenti patogeni Gram-negativi multiresistenti. Le infezioni da bacilli Gram-negativi resistenti ai carbapenemi (CR-GNB) si sono diffuse negli ultimi dieci anni, ponendo gravi minacce alla salute pubblica. Le Enterobacteriaceae resistenti ai carbapenemi (CRE), l’Acinetobacter baumannii resistente ai carbapenemi (CRAB) e lo Pseudomonas aeruginosa resistente ai carbapenemi (CRPA) sono in cima alla lista prioritaria dei batteri resistenti agli antibiotici in tutto il mondo. CR-GNB provoca un ampio spettro di infezioni, tra cui batteriemia, infezioni del tratto urinario, polmonite e infezioni intra-addominali. Le infezioni del sangue resistenti ai carbapenemi sono una causa significativa di morbilità e mortalità e le opzioni terapeutiche nel trattamento sono estremamente limitate. Valutando i fattori di rischio nei pazienti monitorati nell’unità di terapia intensiva, i sistemi di punteggio in grado di prevedere la prognosi riducono il rischio di mortalità garantendo l’applicazione precoce di antibiotici efficaci e il supporto emodinamico tempestivo attualmente in uso.
Con l’accumulo di big data e i progressi nelle tecniche di archiviazione dei dati, i metodi di apprendimento automatico innovativi e pragmatici che sono entrati nelle nostre vite dimostrano buone prestazioni di previsione in campo medico. Sono disponibili in letteratura modelli basati sull’apprendimento automatico sviluppati per prevedere la mortalità nei pazienti monitorati nell’unità di terapia intensiva e forniscono un’opportunità per un intervento precoce sui pazienti.
Utilizzando i dati dei nostri pazienti, nell'unità di terapia intensiva, i pazienti con infezioni del sangue, con e senza mortalità, saranno esaminati retrospettivamente in due sottogruppi per il confronto. Il nostro obiettivo è prevedere la mortalità che può svilupparsi nelle infezioni del flusso sanguigno da bacilli Gram-negativi resistenti ai carbapenemi con un modello basato sull’apprendimento automatico.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
-
Kocaeli, Turchia (Türkiye)
- Kocaeli University
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Nel nostro studio, i pazienti che sono stati monitorati nell'unità di terapia intensiva terziaria del nostro ospedale tra giugno 2017 e giugno 2023 e hanno sviluppato infezioni del sangue da Enterobacteriaceae resistenti ai carbapenemi, Acinetobacter baumannii resistente ai carbapenemi e Pseudomonas aeruginosa resistente ai carbapenemi saranno inclusi retrospettivamente.
Criteri di esclusione:
- Non saranno inclusi i pazienti di età inferiore ai 18 anni e quelli con infezioni diverse dalle infezioni del sangue.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Pazienti deceduti
Bacilli Gram-negativi resistenti ai carbapenemi Infezione del flusso sanguigno Con mortalità
|
Utilizzando il deep learning proviamo a sviluppare un algoritmo e ad anticipare la mortalità
|
|
Pazienti sopravvissuti
Bacilli Gram-negativi resistenti ai carbapenemi Infezione del flusso sanguigno Senza mortalità
|
Utilizzando il deep learning proviamo a sviluppare un algoritmo e ad anticipare la mortalità
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Rischio di mortalità
Lasso di tempo: 3 mesi
|
La sensibilità e la specificità saranno definite con la curva AUC-ROC (curva delle caratteristiche operative del ricevitore) utilizzando l'algoritmo di apprendimento automatico
|
3 mesi
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: özlem güler, Kocaeli University
Pubblicazioni e link utili
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
- GOKAEK-2023/12.31
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 Apprendimento automatico per stimare la mortalità
-
Radboud University Medical CenterZonMw: The Netherlands Organisation for Health Research and Development; Brain... e altri collaboratoriReclutamentoProblemi di internalizzazioneOlanda