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.

Early Prediction of ICU Hypotension Using Machine Learning (ICU-HypoAI)

31 maggio 2026 aggiornato da: Serkan TELLİ, Kutahya Health Sciences University

A Prospective Observational Machine Learning Study for the Early Prediction of Hypotension in Adult Intensive Care Unit Patients

This prospective observational study aims to develop and internally validate a machine learning model for the early prediction of hypotension in adult intensive care unit patients. The model will use routinely collected non-invasive vital signs, heart rate, medication-dose records, and fluid-balance data recorded during standard ICU care. No intervention will be assigned by the study, and patient management will not be changed according to the model output. The primary aim is to predict hypotension 30 minutes before its occurrence; shorter 5- and 15-minute prediction horizons will also be evaluated.

Panoramica dello studio

Stato

Reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

Hypotension is a frequent hemodynamic event in critically ill patients and may occur before clear clinical deterioration is recognized. Earlier identification of patients at risk may support closer clinical attention and more timely evaluation. This study is designed as a prospective, observational machine learning study in adult intensive care unit patients.

Routinely available ICU data will be collected at five-minute intervals, including systolic, mean, and diastolic non-invasive blood pressure, heart rate, medication-dose entries, and fluid-balance records. These data will be used to construct time-dependent features reflecting recent values, short-term changes, and rolling trends. Hypotension will be defined at each five-minute time point as systolic blood pressure below 90 mmHg, mean arterial pressure below 65 mmHg, or diastolic blood pressure below 60 mmHg.

The primary prediction horizon will be 30 minutes. Separate secondary analyses will evaluate 5- and 15-minute prediction horizons. A gradient-boosted decision-tree model will be developed and internally validated using patient-level data partitioning to avoid assigning observations from the same patient to both training and validation sets. Model performance will be assessed using discrimination, classification performance, and calibration measures. Feature-importance analyses will be used to describe the variables contributing to model predictions.

The study is observational. No treatment, medication, device, alarm, or clinical decision will be assigned by the study protocol. The prediction model will be developed and evaluated using collected data and will not be used to guide real-time patient management during the study period.

Tipo di studio

Osservativo

Iscrizione (Stimato)

100

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

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

The study population will consist of consecutive adult patients monitored in the adult intensive care unit of Kutahya Health Sciences University during the study period. Routine clinical monitoring data, including non-invasive blood pressure, heart rate, medication-dose records, and fluid-balance data, will be used for machine learning model development and internal validation. No treatment or intervention will be assigned by the study protocol.

Descrizione

Inclusion Criteria:

Age 18 years or older Admission to the adult intensive care unit during the study period Length of stay in the intensive care unit of at least 24 hours Availability of routine intensive care unit monitoring data Availability of non-invasive blood pressure and heart rate measurements recorded during ICU monitoring Availability of medication-dose and/or fluid-balance records during ICU monitoring

Exclusion Criteria:

Age younger than 18 years Length of stay in the intensive care unit of less than 24 hours Absence of usable blood pressure monitoring data Records with irrecoverable timestamp inconsistencies Insufficient monitoring duration for feature construction and future outcome labeling

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
Adult Intensive Care Unit Patients
Adult patients admitted to the intensive care unit who are monitored during routine clinical care. Routinely collected non-invasive blood pressure, heart rate, medication-dose, and fluid-balance data will be used for machine learning model development and internal validation. No treatment or clinical intervention will be assigned by the study protocol.
Altro: Routine ICU Data Collection
Routinely collected intensive care unit data, including non-invasive blood pressure, heart rate, medication-dose records, and fluid-balance data, will be recorded and analyzed for development and internal validation of a machine learning model. The study does not assign any treatment, medication, device, alarm, or clinical decision.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Area Under the Receiver Operating Characteristic Curve for 30-Minute Hypotension Prediction
Lasso di tempo: From enrollment through the end of ICU monitoring, up to 4 months
Discriminative performance of the machine learning model for predicting hypotension 30 minutes before its occurrence. Hypotension will be defined as systolic blood pressure below 90 mmHg, mean arterial pressure below 65 mmHg, or diastolic blood pressure below 60 mmHg at a five-minute observation point.
From enrollment through the end of ICU monitoring, up to 4 months

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Area Under the Receiver Operating Characteristic Curve for 5- and 15-Minute Hypotension Prediction
Lasso di tempo: From enrollment through the end of ICU monitoring, up to 4 months
Discriminative performance of separate machine learning models for predicting hypotension at 5-minute and 15-minute prediction horizons.
From enrollment through the end of ICU monitoring, up to 4 months
Classification Performance of the Hypotension Prediction Model
Lasso di tempo: From enrollment through the end of ICU monitoring, up to 4 months
Classification performance of the machine learning model will be assessed using sensitivity, specificity, positive predictive value, negative predictive value, and F1 score at predefined classification thresholds.
From enrollment through the end of ICU monitoring, up to 4 months

Collaboratori e investigatori

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

Sponsor

Kutahya Health Sciences 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)

15 marzo 2026

Completamento primario (Stimato)

30 giugno 2026

Completamento dello studio (Stimato)

15 luglio 2026

Date di iscrizione allo studio

Primo inviato

31 maggio 2026

Primo inviato che soddisfa i criteri di controllo qualità

31 maggio 2026

Primo Inserito (Effettivo)

4 giugno 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

4 giugno 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

31 maggio 2026

Ultimo verificato

1 maggio 2026

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2026/03-15

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

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 Routine ICU Data Collection

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Israel

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi