アルゴリズムによる敗血症予測バイオマーカー
2021年9月17日 更新者：Dascena
アルゴリズムによる敗血症予測バイオマーカーのランダム化対照臨床試験
敗血症早期警告予測アルゴリズム InSight が開発され、大規模で多様な患者コホートを対象に検証されています。
この前向き研究では、重度の敗血症患者を予測する InSight の能力が調査されます。
具体的には、InSight は、UCSF 電子健康記録 (EHR) で確立された重症敗血症検出器と比較されます。
調査の概要
研究の種類
介入
入学 (実際)
142
段階
- 適用できない
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。
研究場所
-
-
California
-
San Francisco、California、アメリカ、94143
- UCSF Moffit-Long Hospital
-
-
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
就学可能な年齢
18年歳以上 (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
説明
包含基準:
- 参加病棟に入院しているすべての成人患者が対象となります。
除外基準:
- 18 歳未満のすべての患者は除外されます。
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
- 主な目的：ふるい分け
- 割り当て：ランダム化
- 介入モデル：階乗代入
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的：インサイトあり
医療提供者は、重度の敗血症に向かう傾向にある患者について InSight からアラートを受け取ります。
医療提供者は、UCSF 電子医療記録内の重症敗血症検出器から情報も受け取ります。
|
InSight アラートを受信すると、医療提供者は、可能性のある (重度の) 敗血症を評価し、それに応じて介入する標準的な慣行に従います。
UCSF 電子医療記録の重症敗血症検出器から情報を受け取ると、医療提供者は標準的な手順に従って (重症) 敗血症の可能性を評価し、それに応じて介入します。
|
|
アクティブコンパレータ：InSightなし
医療提供者は InSight からアラートを受け取りません。
医療提供者は、UCSF 電子医療記録内の重症敗血症検出器から情報を受け取ります。
|
UCSF 電子医療記録の重症敗血症検出器から情報を受け取ると、医療提供者は標準的な手順に従って (重症) 敗血症の可能性を評価し、それに応じて介入します。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
時間枠 |
|---|---|
|
入院期間
時間枠：研究完了までに平均45日
|
研究完了までに平均45日
|
二次結果の測定
結果測定 |
時間枠 |
|---|---|
|
院内死亡率
時間枠：研究完了までに平均45日
|
研究完了までに平均45日
|
その他の成果指標
結果測定 |
時間枠 |
|---|---|
|
ICU滞在期間
時間枠：研究完了までに平均45日
|
研究完了までに平均45日
|
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。
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
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
2016年12月1日
一次修了 (実際)
2017年2月1日
試験登録日
最初に提出
2016年12月31日
QC基準を満たした最初の提出物
2017年1月6日
最初の投稿 (見積もり)
2017年1月10日
学習記録の更新
投稿された最後の更新 (実際)
2021年9月23日
QC基準を満たした最後の更新が送信されました
2021年9月17日
最終確認日
2021年9月1日
詳しくは
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。
重症敗血症の予測の臨床試験
-
Intermountain Health Care, Inc.National Institute of General Medical Sciences (NIGMS)完了
-
University of British ColumbiaWellcome Trust; Kenya Medical Research Institute完了
-
Taipei Veterans General Hospital, Taiwan募集
-
The University of Hong KongPrince of Wales Hospital, Shatin, Hong Kong; Queen Mary Hospital, Hong Kong; Tuen Mun Hospital; Pamela...完了