Previsione dell'apprendimento automatico di infezioni multiple nei pazienti chirurgici anziani
Previsione di multi-infezioni nei pazienti chirurgici anziani: sviluppo e convalida di modelli di apprendimento automatico con analisi SHAP
Panoramica dello studio
Stato
Condizioni
Descrizione dettagliata
Sfondi:
Le infezioni postoperatorie sono una delle principali cause di esiti perioperatori avversi, in particolare per i pazienti anziani. Date le diverse presentazioni diagnostiche dell’infezione, esiste un divario significativo nell’uso di strumenti predittivi per identificare i soggetti ad alto rischio di sviluppare tali complicanze.
Obiettivo:
Il nostro obiettivo era sviluppare modelli di apprendimento automatico per prevedere vari rischi di infezioni postoperatorie nei pazienti anziani, facilitando la diagnosi e l’intervento precoci.
Metodi:
È stata condotta un’analisi retrospettiva su 42.540 pazienti anziani sottoposti a chirurgia non cardiaca presso il Primo Centro Medico dell’Ospedale Generale cinese PLA tra gennaio 2014 e agosto 2019, costituendo il Training set. Da questo, un sottoinsieme del 30% è stato designato casualmente come set di test. I modelli incorporavano 51 variabili, inclusi i principali fattori legati all’infezione. Tre tecniche di apprendimento automatico, Regressione logistica (LR), Random Forest (RF) e Gradient Boosting Machines (GBM), sono state utilizzate per sviluppare modelli predittivi per le infezioni postoperatorie generali e specifiche, classificate secondo le definizioni EPCO (European Perioperative Clinical Outcome). . Le prestazioni del modello sono state misurate mediante parametri quali la curva ROC (Area Under the Receiver Operating Characteristic) (AUC), accuratezza e precisione. Per migliorare l'interpretabilità del modello, abbiamo utilizzato l'algoritmo Variable Importance (VIMP) del modello RF e Shapley Additive Explanations (SHAP). Per una previsione dimostrabile di specifici tipi di infezione, i dati di 5 pazienti selezionati casualmente sono stati inseriti nel modello con le probabilità risultanti rappresentate in un grafico radar.
Tipo di studio
Iscrizione (Effettivo)
Contatti e Sedi
Luoghi di studio
-
-
Beijing
-
Beijing, Beijing, Cina, 100853
- Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto più anziano
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Età ≥ 65 anni;
- Pazienti sottoposti a interventi chirurgici che non comportano anestesia locale.
Criteri di esclusione:
- Pazienti sottoposti a neurochirurgia o cardiochirurgia;
- Pazienti con infezioni preoperatorie (comprese polmonite, SSI, infezioni delle vie urinarie e infezioni del sangue).
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 basata sull'apprendimento automatico di infezioni multiple nei pazienti chirurgici anziani
Lasso di tempo: Gennaio 2012 - agosto 2018
|
Utilizzando tecniche di apprendimento automatico, i ricercatori hanno sviluppato il modello di valutazione delle infezioni geriatriche, sfruttando i database nazionali per prevedere molteplici infezioni postoperatorie nei pazienti anziani.
|
Gennaio 2012 - agosto 2018
|
Collaboratori e investigatori
Sponsor
Investigatori
- Cattedra di studio: Weidong Mi, Depatment of Anesthesiology, The First Medical Center Affiliation: Chinese PLA General Hospital
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
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- PLAGH-AOC-L03
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 .