- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06333002
Modello di apprendimento automatico per prevedere l'esito e la durata della ventilazione meccanica nell'insufficienza respiratoria ipossiemica acuta (MEMORIAL)
Sviluppo di un modello ottimale di machine learning per prevedere l'esito della terapia intensiva e la durata della ventilazione meccanica nei pazienti con insufficienza respiratoria ipossiemica acuta
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
L’insufficienza respiratoria ipossiemica acuta (AHRF) è la causa più comune di ricovero nelle unità di terapia intensiva (UCI) in tutto il mondo. Valuteremo il valore delle tecniche di machine learning (ML) per la previsione precoce della morte in terapia intensiva e della durata prolungata (>7 giorni) della ventilazione meccanica (MV) nei pazienti AHRF in MV. Pochi studi hanno indagato la previsione della mortalità e della durata della VM nei pazienti con AHRF.
Per lo sviluppo del modello, i ricercatori estrarranno i dati per i primi 3 giorni dopo la diagnosi di AHRF dai pazienti inclusi nel database non identificato della coorte PANDORA. Avevamo un database con 2.000.000 di dati demografici e clinici anonimizzati e dissociati di 1.241 pazienti con AHRF arruolati nella nostra coorte PANDORA (Prevalenza ED Esito dell'insufficienza respiratoria acuta) da 22 ospedali spagnoli e coordinati dal ricercatore principale (JV). I ricercatori seguiranno le linee guida TRIPOD (Report trasparente di un modello di previsione multivariabile per la prognosi o la diagnosi individuale) per la previsione del modello. Verificheremo le variabili raccolte utilizzando un metodo di selezione delle variabili con algoritmo genetico per ottenere parsimonia. Abbiamo valutato il numero minimo di modelli di variabili utilizzando la regressione logistica e 4 algoritmi ML supervisionati: Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron. Utilizzeremo una validazione incrociata 5 volte nel set di dati di 1.000 pazienti selezionati casualmente nei dati di training (80%) e nei dati di test (20%). Per la validazione esterna, utilizzeremo i restanti 241 pazienti.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Luoghi di studio
-
-
-
Ciudad Real, Spagna, 13005
- Hospital General Universitario De Ciudad Real
-
Cuenca, Spagna, 16002
- Hospital Virgen De La Luz
-
Madrid, Spagna, 28046
- Hospital Universitario La Paz
-
Madrid, Spagna, 28222
- Hospital Universitario Puerta de Hierro
-
Murcia, Spagna, 3012
- Hospital Universitario Virgen de Arrixaca
-
Santa Cruz De Tenerife, Spagna, 38010
- Hospital Universitario NS de Candelaria
-
Valencia, Spagna, 46010
- Hospital Cinico de Valencia
-
Valladolid, Spagna, 47012
- Hospital Universitario Río Hortega
-
-
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:
- intubazione endotracheale più ventilazione meccanica (MV)
- Rapporto PaO2/FiO2 ≤300 mmHg sotto VM con pressione positiva di fine espirazione (PEEP) ≥5 cmH2O e FiO2 ≥0,3.
Criteri di esclusione:
- Pazienti postoperatori ventilati <24 ore
- Pazienti con morte cerebrale.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
---|---|
Coorte di derivazione
Conterrà 800 pazienti selezionati casualmente (80% di 1.000 pazienti con AHRF)
|
Utilizzeremo robusti approcci di machine learning, come Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Altri nomi:
|
Gruppo di validazione
Conterrà 200 pazienti selezionati casualmente (20% di 1.000 pazienti con AHRF
|
Utilizzeremo robusti approcci di machine learning, come Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Altri nomi:
|
Coorte confermativa
Conterrà i restanti 241 pazienti selezionati in modo casuale (tramite validazione esterna)
|
Utilizzeremo robusti approcci di machine learning, come Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Altri nomi:
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Mortalità in terapia intensiva
Lasso di tempo: fino a 100 settimane (dall’inclusione alla morte o alla dimissione dal reparto di terapia intensiva).
|
morte nel reparto di terapia intensiva
|
fino a 100 settimane (dall’inclusione alla morte o alla dimissione dal reparto di terapia intensiva).
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Durata della MT
Lasso di tempo: fino a 100 settimane (dall'inclusione all'estubazione)
|
durata della ventilazione meccanica
|
fino a 100 settimane (dall'inclusione all'estubazione)
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias
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
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- PI24/00325
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 analisi dell'apprendimento automatico
-
Vanderbilt University Medical Center4DMedicalCompletato
-
Antoine FourréUniversiteit Antwerpen; University of Mons; University of Picardie Jules VerneCompletatoLombalgia | Fisioterapia | Conoscenza, atteggiamenti, pratica | MediciBelgio
-
University of MiamiAttivo, non reclutante
-
Vilnius UniversityIscrizione su invitoAllergia alimentare nei bambini | Allergia alimentare nei neonatiLituania
-
Centre Hospitalier Universitaire VaudoisReclutamentoDisturbo dello spettro autisticoSvizzera
-
Maastricht University Medical CenterCompletatoCarcinoma delle cellule basaliOlanda
-
Radboud University Medical CenterMaastricht University Medical Center; ZonMw: The Netherlands Organisation for... e altri collaboratoriCompletatoDispepsia | IndigestioneOlanda
-
Mario Negri Institute for Pharmacological ResearchAgenzia Italiana del FarmacoCompletato
-
Beijing Tongren HospitalCompletato
-
Maastricht University Medical CenterAttivo, non reclutanteCheratosi attinica | Dermatologia | E-learningOlanda