Utilizzo dell'apprendimento automatico per ottimizzare la formula danese dell'annegamento (DROWN_DDF2)
21 marzo 2024 aggiornato da: Niklas Breindahl, Prehospital Center, Region Zealand
Identificazione dell'annegamento assistita dal machine learning per i dati danesi sull'annegamento preospedaliero: utilizzo del machine learning per ottimizzare la formula danese sull'annegamento
La formula Drowning danese (DDF) è stata progettata per effettuare ricerche nei campi di testo non strutturati della cartella clinica elettronica preospedaliera nazionale danese senza restrizioni con criteri di ricerca completi per identificare tutti i potenziali incidenti legati all'acqua e ottenere un'elevata sensibilità.
Questo era importante poiché l'annegamento è un evento raro, ma ha prodotto un valore predittivo positivo basso per il rilevamento specifico degli incidenti di annegamento.
Questo studio mira ad aumentare il valore predittivo positivo del FODD e ridurre le esigenze temporali associate alla convalida manuale.
Panoramica dello studio
Stato
Attivo, non reclutante
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Il FODD è stato pubblicato nel 2023. Si tratta di un algoritmo di ricerca testuale progettato per cercare nei campi di testo non strutturati nei database contenenti cartelle cliniche elettroniche per identificare tutti i potenziali incidenti legati all'acqua. Il DDF è costituito da numerose parole chiave correlate alle lesioni da immersione (ad esempio, "drukn"/annegare, "vand"/acqua, "hav"/oceano e "båd"/barca).
Uno studio in corso ha mostrato parametri di prestazione impressionanti del FODD come strumento di identificazione dell’annegamento quando applicato al PEMR danese a condizioni illimitate. Tuttavia, il PPV era basso per il rilevamento specifico degli incidenti di annegamento. Questo studio mira ad aumentare il valore predittivo positivo del FODD e a ridurre le esigenze temporali associate alla convalida manuale.
I dati vengono estratti dalla cartella clinica elettronica preospedaliera nazionale danese utilizzando il DDF e convalidati manualmente prima di essere inseriti nei dati sull'annegamento preospedaliero danese (DPDD).
I dati del DPDD dal 2016 al 2021 saranno suddivisi in 80% (dati di formazione) e 20% (dati di test) e utilizzati per addestrare l'apprendimento automatico.
I dati del DPDD del periodo 2022-2023 verranno utilizzati come dati di convalida per calcolare le metriche delle prestazioni per l'apprendimento automatico.
Tipo di studio
Osservativo
Iscrizione (Stimato)
1500
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Region Zealand
-
Næstved, Region Zealand, Danimarca, 4700
- Prehospital Center
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Bambino
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
Tutti i pazienti per annegamento mortali e non mortali in Danimarca trattati dai servizi medici di emergenza (EMS) tra il 2016 e il 2023.
Descrizione
Criterio di inclusione:
- Il paziente deve aver manifestato compromissione respiratoria dovuta all'immersione o all'immersione in liquidi (inclusa tosse persistente, arresto respiratorio e perdita di coscienza).
- Il paziente deve essere stato in contatto con i servizi medici di emergenza preospedalieri danesi.
Criteri di esclusione:
- Dupletti
- Numero di registrazione civile non valido
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Annegamento mortale
Episodi di annegamento in cui il paziente è deceduto entro 30 giorni dall'incidente in conseguenza della lesione da immersione
|
L'annegamento è stato definito dall'OMS nel 2002 come "il processo di compromissione respiratoria derivante dall'immersione o dall'immersione in un liquido".
|
|
Annegamento non mortale
Episodi di annegamento in cui il paziente è sopravvissuto fino a 30 giorni
|
L'annegamento è stato definito dall'OMS nel 2002 come "il processo di compromissione respiratoria derivante dall'immersione o dall'immersione in un liquido".
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sensibilità dell'algoritmo di apprendimento automatico come strumento di identificazione dell'annegamento
Lasso di tempo: La sensibilità del machine learning addestrato sarà calcolata sulla base dei dati del 2022 e del 2023.
|
La sensibilità [TP / (TP+FN)] sarà calcolata per mostrare le prestazioni dell'apprendimento automatico come strumento di identificazione dell'annegamento.
|
La sensibilità del machine learning addestrato sarà calcolata sulla base dei dati del 2022 e del 2023.
|
|
Specificità dell'algoritmo di machine learning come strumento di identificazione dell'annegamento
Lasso di tempo: La specificità dell'apprendimento automatico addestrato sarà calcolata sulla base dei dati del 2022 e del 2023.
|
La specificità [TN / (FP+TN)] sarà calcolata per mostrare le prestazioni dell'apprendimento automatico come strumento di identificazione dell'annegamento.
|
La specificità dell'apprendimento automatico addestrato sarà calcolata sulla base dei dati del 2022 e del 2023.
|
|
PPV dell'algoritmo di machine learning
Lasso di tempo: Il PPV del machine learning addestrato sarà calcolato sulla base dei dati del 2022 e del 2023.
|
PPV [TP / (TP+FP)] verrà calcolato per mostrare il risultato del test di machine learning.
|
Il PPV del machine learning addestrato sarà calcolato sulla base dei dati del 2022 e del 2023.
|
|
VAN dell'algoritmo di machine learning
Lasso di tempo: Il VAN del machine learning addestrato sarà calcolato sulla base dei dati del 2022 e del 2023.
|
VAN [TN / (FN+TN)] verrà calcolato per mostrare il risultato del test di machine learning.
|
Il VAN del machine learning addestrato sarà calcolato sulla base dei dati del 2022 e del 2023.
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Investigatori
- Direttore dello studio: Helle Collatz Christensen, Ass. Prof., Prehospital Center, Region Zealand
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- Breindahl N, Wolthers SA, Jensen TW, Holgersen MG, Blomberg SNF, Steinmetz J, Christensen HC; Danish Cardiac Arrest Group. Danish Drowning Formula for identification of out-of-hospital cardiac arrest from drowning. Am J Emerg Med. 2023 Nov;73:55-62. doi: 10.1016/j.ajem.2023.08.024. Epub 2023 Aug 15.
- Breindahl N, Wolthers SA, Moller TP, Blomberg SNF, Steinmetz J, Christensen HC; Danish Drowning Validation Group. Characteristics and critical care interventions in drowning patients treated by the Danish Air Ambulance from 2016 to 2021: a nationwide registry-based study with 30-day follow-up. Scand J Trauma Resusc Emerg Med. 2024 Mar 6;32(1):17. doi: 10.1186/s13049-024-01189-y.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
1 gennaio 2024
Completamento primario (Stimato)
31 dicembre 2024
Completamento dello studio (Stimato)
31 dicembre 2024
Date di iscrizione allo studio
Primo inviato
7 marzo 2024
Primo inviato che soddisfa i criteri di controllo qualità
13 marzo 2024
Primo Inserito (Effettivo)
15 marzo 2024
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
25 marzo 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
21 marzo 2024
Ultimo verificato
1 marzo 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- DROWN_DDF2
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
NO
Descrizione del piano IPD
I dati sono destinati ad essere utilizzati dai ricercatori a livello nazionale e internazionale per ridurre l’incidenza, la mortalità e la morbilità dell’annegamento.
I dati sono disponibili su ragionevole richiesta da parte dei ricercatori previa richiesta all'autore corrispondente, a condizione che vengano ottenute le necessarie approvazioni da parte delle autorità competenti.
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
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 .