Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Previsione Ai-Driven del risultato della dialisi con EHR

16 aprile 2025 aggiornato da: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Previsione dei risultati clinici nei pazienti in dialisi utilizzando cartelle cliniche elettroniche: un approccio basato sull'intelligenza artificiale

Si tratta di uno studio clinico retrospettivo multicentrico progettato per valutare l’applicazione e l’efficacia di un modello predittivo assistito dall’intelligenza artificiale per l’esito dei pazienti in dialisi, sfruttando i dati sanitari multimodali.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

Questo studio mira a sviluppare un modello assistito dall'intelligenza artificiale per prevedere gli esiti clinici nei pazienti in dialisi, concentrandosi sia sugli esiti primari (ad esempio mortalità) che sugli esiti intermedi (ad esempio anemia, pressione sanguigna, stato nutrizionale e metabolismo del calcio-fosfato). Lo studio utilizzerà i dati EHR dei pazienti, inclusi i risultati dei test di laboratorio, l'anamnesi, le informazioni sul trattamento di dialisi e le osservazioni cliniche, per prevedere questi risultati sanitari. L’obiettivo è migliorare l’identificazione precoce dei pazienti a rischio, consentendo un migliore processo decisionale clinico e strategie di cura personalizzate.

Tipo di studio

Osservativo

Iscrizione (Stimato)

1000000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Luoghi di studio

  • Cina
    • Beijing
      • Beijing, Beijing, Cina
        • Reclutamento
        • General Hospital of PLA
        • Contatto:

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

  • Adulto
  • Adulto più anziano

Accetta volontari sani

No

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

La popolazione dello studio è composta da pazienti in dialisi del China Hemodialysis National Network Center, che comprende un’ampia gamma di pazienti sottoposti a trattamento di emodialisi negli ospedali partecipanti in tutta la Cina. I partecipanti saranno selezionati in base alla disponibilità di cartelle cliniche elettroniche (EHR) complete, tra cui l'anamnesi, i risultati dei test di laboratorio, i dettagli del trattamento di dialisi e le osservazioni cliniche. La coorte includerà pazienti sia maschi che femmine, con vari gradi di stato di salute, compresi quelli con comorbidità comunemente associate alla dialisi. Lo studio mira a utilizzare questo gruppo eterogeneo per valutare e prevedere i risultati relativi alla mortalità e alle complicanze nei pazienti in dialisi.

Descrizione

Criteri di inclusione:

  1. Pazienti che sono stati sottoposti a dialisi (emodialisi o dialisi peritoneale) per almeno 3 mesi.
  2. Dati EHR completi e accessibili, compresi la storia medica, i risultati dei test di laboratorio, i dettagli del trattamento della dialisi e le osservazioni cliniche.
  3. I partecipanti devono fornire il consenso informato per l'uso dei loro dati sanitari a fini di ricerca.

Criteri di esclusione:

  1. Pazienti con dati EHR critici incompleti o mancanti, tra cui anamnesi, risultati di laboratorio, dati di dialisi o dettagli del trattamento necessari per lo studio.
  2. Pazienti che sono stati in dialisi per meno di 3 mesi, per garantire dati stabili per la previsione dei risultati.

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
Gruppo ad alto rischio
I partecipanti hanno previsto che abbiano un alto rischio di mortalità basato su modelli di previsione assistita dall'aria condizionata utilizzando i loro dati EHR, tra cui la storia medica, i risultati del laboratorio, i dettagli del trattamento della dialisi e le osservazioni cliniche.
Altro: Modello predittivo assistito dall’intelligenza artificiale per i risultati della dialisi
Questo studio utilizza un modello predittivo assistito dall'AI che analizza i dati multimodali delle cartelle cliniche elettroniche, tra cui la storia medica, i risultati di laboratorio, i dettagli del trattamento della dialisi e le osservazioni cliniche, per prevedere i risultati per i pazienti in dialisi. Il modello impiega algoritmi di apprendimento profondo per prevedere il rischio di mortalità, risultati intermedi come anemia, controllo della pressione sanguigna, nutrizione e metabolismo del calcio-fosfato e aiuta a identificare i primi segni di deterioramento. L'intervento non è un trattamento o una procedura diretta, ma mira a sviluppare uno strumento per prevedere i risultati dei pazienti e ottimizzare le strategie di trattamento per migliorare i tassi complessivi per la salute e la sopravvivenza per i pazienti con dialisi.
Gruppo a basso rischio
I partecipanti hanno previsto che abbiano un basso rischio di mortalità basato sul modello di previsione assistita dall'AI, che verrà confrontato con il gruppo ad alto rischio per valutare l'efficacia delle strategie di intervento precoce.
Altro: Modello predittivo assistito dall’intelligenza artificiale per i risultati della dialisi
Questo studio utilizza un modello predittivo assistito dall'AI che analizza i dati multimodali delle cartelle cliniche elettroniche, tra cui la storia medica, i risultati di laboratorio, i dettagli del trattamento della dialisi e le osservazioni cliniche, per prevedere i risultati per i pazienti in dialisi. Il modello impiega algoritmi di apprendimento profondo per prevedere il rischio di mortalità, risultati intermedi come anemia, controllo della pressione sanguigna, nutrizione e metabolismo del calcio-fosfato e aiuta a identificare i primi segni di deterioramento. L'intervento non è un trattamento o una procedura diretta, ma mira a sviluppare uno strumento per prevedere i risultati dei pazienti e ottimizzare le strategie di trattamento per migliorare i tassi complessivi per la salute e la sopravvivenza per i pazienti con dialisi.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Accuratezza della previsione della mortalità
Lasso di tempo: 1 anno
La capacità del modello predittivo assistito da AI di prevedere accuratamente il rischio di mortalità nei pazienti con dialisi. L'accuratezza della previsione verrà valutata utilizzando l'area sotto la curva (AUC), il punteggio F1 e la sensibilità/specificità. Il modello verrà valutato confrontando il rischio di mortalità previsto con gli esiti effettivi (vale a dire, sia che i pazienti siano sopravvissuti o sono morti durante il periodo di studio).
1 anno

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Accuratezza della previsione delle complicazioni
Lasso di tempo: 1 anno
L’accuratezza del modello predittivo assistito dall’intelligenza artificiale nel prevedere le complicanze comunemente sperimentate dai pazienti in dialisi, tra cui anemia, pressione sanguigna incontrollata, scarso stato nutrizionale e anomalie nel metabolismo del calcio-fosfato. Le prestazioni del modello verranno valutate utilizzando parametri quali AUC, punteggio F1 e accuratezza confrontando i valori previsti con i risultati clinici effettivi, come risultati di laboratorio, diagnosi cliniche e stato di salute del paziente.
1 anno

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

The Eye Hospital of Wenzhou Medical University

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 2023

Completamento primario (Stimato)

1 maggio 2025

Completamento dello studio (Stimato)

1 maggio 2025

Date di iscrizione allo studio

Primo inviato

19 gennaio 2025

Primo inviato che soddisfa i criteri di controllo qualità

19 gennaio 2025

Primo Inserito (Effettivo)

24 gennaio 2025

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

17 aprile 2025

Ultimo aggiornamento inviato che soddisfa i criteri QC

16 aprile 2025

Ultimo verificato

1 aprile 2025

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

  • Dialysis

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

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

prodotto fabbricato ed esportato dagli 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 .

Sottoscrivi