このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

急性透析の性能と提供を最適化するための機械学習および人工知能アルゴリズム (SMART DIALYSIS)

2026年9月22日 更新者：University of Alberta

SMART DIALYSIS - 機械学習と人工知能アルゴリズムを拡張し、急性透析のパフォーマンスと提供を最適化する。

SMART DIALYSIS - Scaling Machine Learning and Artificial Intelligence AlgoRithms to OpTimize the Performance and Delivery of Acute DIALYSIS.

Hypothesis:

Can the investigators develop and implement Machine Learning and Artificial Intelligence Algorithms into Clinical Information Systems to Optimize the Prescription, Delivery, and Performance of Acute Dialysis?

Objective(s):

  1. Identify variables surrounding identified Key Performance Indicators that may be used by Machine Learning and Artificial Intelligence algorithms to optimize the prescription and performance of acute dialysis.
  2. Develop Machine Learning and Artificial Intelligence algorithms to help guide the prescription and delivery of acute dialysis in the development of Clinical Decision Support tools and Best Practice Advisories and create a ML/AI Augmented SMART DIALYSIS Digital Dashboard.
  3. Implement and evaluate the performance of the developed Machine Learning and Artificial Intelligence algorithms on patient-centered and health economic outcomes.
  4. Validate and benchmark the performance of the evaluated Machine Learning and Artificial Intelligence algorithms across multiple jurisdictions.

調査の概要

状態

状態

現在の募集状況やアクセス拡大状況を示します。
まだ募集していません

条件

条件

研究されている疾患、障害、症候群、病気、またはけが。 ClinicalTrials.gov では、条件には、寿命、生活の質、健康上のリスクなど、他の健康関連の問題も含まれる場合があります。

介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。

詳細な説明

Study Background & Rationale:

Acute dialysis is required in approximately 10-15% of all patients admitted to intensive care units (ICUs). Acute dialysis may take the form of continuous renal replacement therapy (CRRT), intermittent hemodialysis (IHD) or slow-low efficiency dialysis (SLED). Worldwide, CRRT remains the predominant form of acute dialysis, with over 75% of acute dialysis being CRRT.

The application of acute dialysis in the ICU is associated with poor patient outcomes. Despite advances in medical technology and care, mortality remains between 40-60%, which is similar to outcomes observed with severe acute respiratory distress syndrome (ARDS). Additionally, even when patients survive their critical illness, up to 10% of patients require ongoing long-term chronic dialysis therapy. This has a significant effect on the quality of life of survivors of critical illness, as well as important effects on their families, often requiring changes in work and housing status, as well as relocation to sites in closer proximity to dialysis centres. This results in not only significant healthcare and social costs (approximately $100,000/patient/year in Alberta, Canada), but also very important reductions in the health-related quality of lives for these patients. Currently, while evidence exist regarding the optimal initiation of acute dialysis, there is a paucity of evidence to predict timing of modality transition or liberation from this therapy. Using a completely integrated electronic Clinical Information System (eCIS) such as Connect Care (EPIC, Wisconsin, USA) in Alberta, the investigators can develop predictive algorithms that may anticipate patient and acute dialysis needs.

Once, acute dialysis is initiated, several factors may affect kidney recovery following acute dialysis. Intra-dialytic hypotension has been identified as a leading modifiable factor, but unfortunately, one where clinicians have limited capacity to accurately predict. This is an important knowledge gap that must be addressed. It has also been previously identified by our study team as one of the most important key performance indicators (KPI) for acute dialysis, especially in IHD and SLED. For CRRT, filter life has been identified as the most important and studied KPI. Both of these KPIs are currently being utilized by the ongoing QUALITY CRRT and DIALYZING WISELY programs to improve the performance and delivery of acute dialysis to critically ill patients. These two programs have been successfully implemented across Alberta and have established the infrastructure necessary to initiate the next steps in these Continuous Quality Initiatives for acute dialysis, the SMART DIALYSIS program.

Recently, advances in computer and machine processing have led to the 4th industrial revolution featuring the development of smart machines, devices, and learning algorithms that can aid humans in the management of patients and optimize the delivery of healthcare. Machine Learning (ML) and Artificial Intelligence (AI) algorithms have been previously used in medicine, but have only begun their implementation into critical care nephrology.

Current initiatives are primarily focused on pattern recognition and risk prediction. This program will contain 4 distinct phases.

In Phase 1, the investigators will continue work from our QUALITY CRRT and DIALYZING WISELY program and will aim to better understand the landscape surrounding decisions around transitions between acute dialysis modalities, termination, and attempts at liberation from acute dialysis, the incidence of intra-dialytic hypotension, and timing of filter clotting in the ICU.

In Phase 2, the investigators will develop models and subsequent Clinical Decision Support (CDS) tools and/or Best Practice Advisories (BPAs) for clinicians to better predict and manage 1) transitions between acute dialysis therapies, 2) management of intra-dialytic hypotension, 3) prediction of filter life and 4) liberation from acute dialysis. Concurrent with this work, we will work to develop an AI/ML Augmented Acute Dialysis Dashboard (i.e., SMART DIALYSIS Digital Dashboard) embedded within our electronic Clinical Information System (eCIS) to present these KPIs to clinicians.

Phase 3 will look into implementing and evaluating the performance and acceptability of these ML/AI algorithms in clinical practice.

Finally, Phase 4 will take our Alberta-derived results and look to implement and benchmark these across other large healthcare authorities to ensure that the algorithms have been developed and validated appropriately and ethically. These will include partners across Canada, the US, Europe and Australia and New Zealand.

研究の種類

研究の種類

臨床研究の性質について説明します。研究の種類には、介入研究 (臨床試験とも呼ばれます)、観察研究 (患者登録を含む)、および拡張アクセスが含まれます。
観察的

入学 (推定)

入学

臨床試験の参加者数。 「予想される」登録は、研究者が研究に必要とする参加者の目標数です。
7500

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

研究連絡先

臨床試験の登録に関する質問に回答できる担当者の名前と連絡先情報。研究が実施されている各場所には、これらの質問により適切に回答できる特定の連絡先がある場合もあります。
  • 名前：Oleksa G Rewa, MD MSc FRCPC
  • 電話番号：17802633280
  • メール：rewa@ualberta.ca

研究連絡先のバックアップ

研究場所

  • カナダ
    • Alberta
      • Calgary、Alberta、カナダ、T2N 2T9
        • Foothills Medical Center
        • コンタクト：
      • Calgary、Alberta、カナダ、T1Y 6J4
        • Peter Lougheed Center
        • コンタクト：
      • Calgary、Alberta、カナダ、T2V 1P9
        • Rockyview General Hospital
        • コンタクト：
      • Calgary、Alberta、カナダ、T3M 1M4
        • South Health Campus
        • コンタクト：
      • Edmonton、Alberta、カナダ、T5H 3V9
        • Royal Alexandra Hospital
        • コンタクト：
      • Edmonton、Alberta、カナダ、T6L 5X8
        • Grey Nuns Community Hospital
        • コンタクト：
      • Edmonton、Alberta、カナダ、T6G-2B7
        • University of Alberta Hospital
        • コンタクト：
      • Edmonton、Alberta、カナダ、T5R 4H5
        • Misericordia Community Hospital
        • コンタクト：
      • Edmonton、Alberta、カナダ、T6G-2B7
        • Mazankowski Heart Institute
        • コンタクト：
      • Fort McMurray、Alberta、カナダ、T9H 1P2
        • Northern Lights Regional Hospital.
        • コンタクト：
      • Grand Prairie、Alberta、カナダ、T8V 4B1
        • Grand Prairie Regional Hospital
        • コンタクト：
      • Lethbridge、Alberta、カナダ、T1J 1W5
        • Chinook Regional Hospital
        • コンタクト：
      • Medicine Hat、Alberta、カナダ、T1A 4H6
        • Medicine Hat Regional Hospital
        • コンタクト：
      • Red Deer、Alberta、カナダ、T4N 4E7
        • Red Deer Regional Hospital
        • コンタクト：
      • St. Albert、Alberta、カナダ、T8N 6C4
        • Sturgeon Community Hospital
        • コンタクト：

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

適格基準

臨床研究への参加を希望する人々が満たさなければならない重要な要件、または彼らが持つべき特徴。適格基準は、包含基準 (人が研究に参加するために必要な基準) と除外基準 (人が研究に参加するのを妨げる基準) の両方で構成されます。適格基準のタイプには、研究が健康なボランティアを受け入れるかどうか、年齢または年齢グループの要件があるかどうか、または性別によって制限されるかどうかが含まれます。

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

いいえ

受講資格のある性別

全て

サンプリング方法

非確率サンプル

調査対象母集団

The study population will comprise critically ill patients admitted to an intensive care unit who require acute renal replacement therapy.

説明

Inclusion Criteria

Patients admitted to an intensive care unit (ICU) who require acute renal replacement therapy, either intermittent or continuous.

Exclusion Criteria

Receipt of renal replacement therapy for less than 24 hours.

Pre-existing end-stage kidney disease.

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

  • 観測モデル：COHORT
  • 時間の展望：PROSPECTIVE

コホートと介入

グループ/コホート

グループ/コホート

生物医学的または健康上の結果について評価される観察研究の参加者のグループまたはサブグループ。
介入・治療

介入・治療

臨床研究の焦点となるプロセスまたはアクション。介入には、医薬品、医療機器、処置、ワクチン、および治験中またはすでに利用可能なその他の製品が含まれます。介入には、教育や食事や運動の変更などの非侵襲的アプローチも含まれます。
Critically ill patients requiring acute dialysis

Admitted to an intensive care unit; requiring acute dialysis
デバイス：intermittent OR continuous renal replacement therapies

We will include any critically ill patient admitted to an intensive care unit requiring acute dialysis.

この研究は何を測定していますか？

主要な結果の測定

主要な結果の測定

臨床研究のプロトコルにおいて、介入/治療の効果を評価するために最も重要な、計画された結果の尺度。ほとんどの臨床研究には 1 つの主要な結果の測定値がありますが、複数の測定値を持つものもあります。
結果測定
メジャーの説明
時間枠
Identify Key Performance Indicators that may be used by Machine Learning algorithms.
時間枠：12 month

Key Performance Indicators
12 month
Develop Artificial Intelligence and Machine Learning algorithms
時間枠：36 month

Artificial Intelligence and Machine Learning algorithms
36 month
Evaluate the performance of the developed Artificial Intelligence and Machine Learning algorithms.
時間枠：60 month

ICU and hospital mortality; Renal Recovery at ICU and hospital discharge and 90 days; ICU and hospital lengths of stay; Hospital Costs
60 month

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

スポンサー

研究を開始し、研究に対する権限と管理権を持つ組織または個人。
University of Alberta

捜査官

捜査官

臨床研究に携わる研究者。関連用語には、施設主任研究者、施設副調査官、研究委員長、研究責任者、および研究主任研究者が含まれます。
  • 主任研究者：Oleksa G Rewa, MD MSc、University of Alberta

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (推定)

研究開始

最初の参加者が臨床試験に登録された実際の日付。 「予想される」研究開始日は、研究者が研究開始日になると考える日付です。
2026年10月1日

一次修了 (推定)

一次修了

臨床研究の最後の参加者が検査された、または主要な結果測定のための最終データを収集するための介入を受けた日付。治験がプロトコルに従って終了したか終了したかは、この日付には影響しません。完了日が異なる複数の主要評価項目を含む臨床研究の場合、この用語は、すべての主要評価項目のデータ収集が完了した日付を指します。 「予想される」一次完了日は、研究者がその研究の一次完了日になると考える日付です。
2030年6月30日

研究の完了 (推定)

研究の完了

臨床研究の最後の参加者が検査された、または介入/治療を受けて、主要な結果の尺度、副次的な結果の尺度、および有害事象の最終データを収集した日付 (つまり、最後の参加者の最後の訪問)。 「予想される」研究完了日は、研究者が研究完了日になると考える日付です。
2031年6月30日

試験登録日

最初に提出

最初に提出

治験依頼者または治験責任医師が初めて治験記録を ClinicalTrials.gov に提出した日付。通常、最初の提出日と ClinicalTrials.gov での記録の利用可能日 (最初の投稿日) の間には数日の遅延があります。
2025年12月17日

QC基準を満たした最初の提出物

QC基準を満たした最初の提出物

研究スポンサーまたは治験責任医師が、国立医学図書館 (NLM) の品質管理 (QC) 審査基準と一致する研究記録を最初に提出した日付。治験依頼者または研究者は、NLM の QC 審査基準が満たされるまでに、研究記録を 1 回または複数回修正して提出する必要がある場合があります。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2025年12月17日

最初の投稿 (実際)

最初の投稿

国立医学図書館 (NLM) の品質管理 (QC) レビューが終了した後、ClinicalTrials.gov で研究記録が最初に利用可能になった日付。通常、治験依頼者または治験責任医師が治験記録を提出した日と最初に投稿された日との間には数日の遅延があります。
2025年12月31日

学習記録の更新

投稿された最後の更新 (実際)

投稿された最後の更新

ClinicalTrials.gov で、研究記録が変更された最新の日付。研究のスポンサーまたは治験責任医師によって変更が ClinicalTrials.gov に提出されたとき (最終更新が提出された日) と最終更新が投稿された日との間に遅延が生じる場合があります。
2026年9月24日

QC基準を満たした最後の更新が送信されました

QC基準を満たした最後の更新が送信されました

治験依頼者または治験責任医師が、国立医学図書館（NLM）の品質管理（QC）審査基準と一致する治験記録の変更を提出した最新の日付。研究記録がNLM QC審査基準と一致していることを確認するのは、治験依頼者または治験責任医師の責任です。
2026年9月22日

最終確認日

最終確認日

治験依頼者または治験責任医師が、ClinicalTrials.gov で臨床治験に関する情報が正確かつ最新であることを確認した最新の日付。募集ステータスが募集中の研究の場合。まだ募集していません。過去 2 年以内に募集が確認されていない場合、研究の募集状況は不明として表示されます。
2026年9月1日

詳しくは

本研究に関する用語

キーワード

追加の関連 MeSH 用語

その他の研究ID番号

その他の研究ID番号

NCT 番号以外の識別子または ID 番号で、治験依頼者、資金提供者、その他によって臨床治験に割り当てられたもの。これらの番号には、他の治験登録機関や国立衛生研究所の助成金番号からの一意の識別子が含まれる場合があります。
  • Pro00160780

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

未定

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

クッキーの設定

当社はCookieを使用して、当社のWebサイトで最高のエクスペリエンスを提供できるようにしています。詳細については、プライバシーとCookieのポリシーをよくお読みください。...>>>ポリシーに記載されているように、WebサイトまたはコンピューターからCookieを削除することにより、いつでも設定を変更したり、同意を取り消すことができます。それを受け入れて、下の[設定の管理]セクションで対応するボックスにチェックマークを付けて、設定を選択してください。このウェブサイトの一部を使用する前に、利用規約をよくお読みください。
«設定の管理