機械学習を使用した予想入院期間の予測
2021年4月14日 更新者：David Levine、Brigham and Women's Hospital
これは、ブリガム アンド ウィメンズ ホーム病院のデータベースのデータに基づいた遡及的観察研究です。
トレーニング コホートからの社会人口統計データと臨床データを使用して、患者の入院期間全体の入院期間を予測する機械学習アルゴリズムをトレーニングしました。
その後、このアルゴリズムは検証コホートで検証されました。
調査の概要
研究の種類
観察的
入学 (予想される)
500
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
-
-
Massachusetts
-
Boston、Massachusetts、アメリカ、02115
- Brigham and Women's Hospital
-
Boston、Massachusetts、アメリカ、02130
- Brigham and Women's Faulkner 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
サンプリング方法
非確率サンプル
調査対象母集団
ブリガム・アンド・ウィメンズ病院およびブリガム・アンド・ウィメンズ・フォークナー病院に入院し、一次診断、年齢、8マイル以内の居住条件を満たし、自宅病院に登録されている対象。
説明
ブリガム・アンド・ウィメンズ・ホーム病院の研究の被験者であり、研究のデータベースに完全な記録が残っています。
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
コホートと介入
グループ/コホート |
|---|
|
トレーニング
機械学習アルゴリズムのトレーニングに使用される患者のサブセット。
|
|
検証
「保留」され、アルゴリズムの精度を検証するために使用される患者のサブセット。
|
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 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
滞在日数
時間枠：入院日から退院日まで（1日～24日）
|
各患者が在宅病院で入院時から退院時までに過ごした時間（時間単位で測定）
|
入院日から退院日まで（1日～24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。
協力者
捜査官
- 主任研究者：David Levine, MD MPH MA、Associate Physician
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
- Lubelski D, Ehresman J, Feghali J, Tanenbaum J, Bydon A, Theodore N, Witham T, Sciubba DM. Prediction calculator for nonroutine discharge and length of stay after spine surgery. Spine J. 2020 Jul;20(7):1154-1158. doi: 10.1016/j.spinee.2020.02.022. Epub 2020 Mar 13.
- Karnuta JM, Churchill JL, Haeberle HS, Nwachukwu BU, Taylor SA, Ricchetti ET, Ramkumar PN. The value of artificial neural networks for predicting length of stay, discharge disposition, and inpatient costs after anatomic and reverse shoulder arthroplasty. J Shoulder Elbow Surg. 2020 Nov;29(11):2385-2394. doi: 10.1016/j.jse.2020.04.009. Epub 2020 Jun 9.
- Ramkumar PN, Navarro SM, Haeberle HS, Karnuta JM, Mont MA, Iannotti JP, Patterson BM, Krebs VE. Development and Validation of a Machine Learning Algorithm After Primary Total Hip Arthroplasty: Applications to Length of Stay and Payment Models. J Arthroplasty. 2019 Apr;34(4):632-637. doi: 10.1016/j.arth.2018.12.030. Epub 2018 Dec 27.
- Ma X, Si Y, Wang Z, Wang Y. Length of stay prediction for ICU patients using individualized single classification algorithm. Comput Methods Programs Biomed. 2020 Apr;186:105224. doi: 10.1016/j.cmpb.2019.105224. Epub 2019 Nov 20.
- Daghistani TA, Elshawi R, Sakr S, Ahmed AM, Al-Thwayee A, Al-Mallah MH. Predictors of in-hospital length of stay among cardiac patients: A machine learning approach. Int J Cardiol. 2019 Aug 1;288:140-147. doi: 10.1016/j.ijcard.2019.01.046. Epub 2019 Jan 19.
- Bacchi S, Oakden-Rayner L, Menon DK, Jannes J, Kleinig T, Koblar S. Stroke prognostication for discharge planning with machine learning: A derivation study. J Clin Neurosci. 2020 Sep;79:100-103. doi: 10.1016/j.jocn.2020.07.046. Epub 2020 Aug 5.
- Navarro SM, Wang EY, Haeberle HS, Mont MA, Krebs VE, Patterson BM, Ramkumar PN. Machine Learning and Primary Total Knee Arthroplasty: Patient Forecasting for a Patient-Specific Payment Model. J Arthroplasty. 2018 Dec;33(12):3617-3623. doi: 10.1016/j.arth.2018.08.028. Epub 2018 Sep 5.
- Young AJ, Hare A, Subramanian M, Weaver JL, Kaufman E, Sims C. Using Machine Learning to Make Predictions in Patients Who Fall. J Surg Res. 2021 Jan;257:118-127. doi: 10.1016/j.jss.2020.07.047. Epub 2020 Aug 18.
- Sinha I, Aluthge DP, Chen ES, Sarkar IN, Ahn SH. Machine Learning Offers Exciting Potential for Predicting Postprocedural Outcomes: A Framework for Developing Random Forest Models in IR. J Vasc Interv Radiol. 2020 Jun;31(6):1018-1024.e4. doi: 10.1016/j.jvir.2019.11.030. Epub 2020 May 4.
- Merrill RK, Ferrandino RM, Hoffman R, Shaffer GW, Ndu A. Machine Learning Accurately Predicts Short-Term Outcomes Following Open Reduction and Internal Fixation of Ankle Fractures. J Foot Ankle Surg. 2019 May;58(3):410-416. doi: 10.1053/j.jfas.2018.09.004. Epub 2019 Feb 23.
- Nemati M, Ansary J, Nemati N. Machine-Learning Approaches in COVID-19 Survival Analysis and Discharge-Time Likelihood Prediction Using Clinical Data. Patterns (N Y). 2020 Aug 14;1(5):100074. doi: 10.1016/j.patter.2020.100074. Epub 2020 Jul 4.
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 (実際)
2021年3月20日
一次修了 (予想される)
2021年8月1日
研究の完了 (予想される)
2021年12月1日
試験登録日
最初に提出
2021年3月2日
QC基準を満たした最初の提出物
2021年3月2日
最初の投稿 (実際)
2021年3月5日
学習記録の更新
投稿された最後の更新 (実際)
2021年4月19日
QC基準を満たした最後の更新が送信されました
2021年4月14日
最終確認日
2021年4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。
心不全の臨床試験
-
Novartis Pharmaceuticals完了EC-MPS による治療に関心があり、コア研究の 12 か月の治療期間を無事に完了した患者 (de novo Heart Recipients)