周術期輸血予測のための機械学習モデル
2022年3月7日 更新者：DILEK YAZICIOGLU、Diskapi Teaching and Research Hospital
周術期輸血予測のための機械学習モデルの開発と解釈
この研究は、赤血球 (RBC) 輸血を予測するための機械学習モデルを開発および解釈することを目的としていました。
調査の概要
詳細な説明
待機的大手術を受けた 6,121 人の患者を対象とした多施設研究からのデータセットが分析されました。
不適切な赤血球輸血を受けた患者に関するデータは除外されました。
赤血球輸血を予測するために 21 の周術期特徴が使用されました。
データ セットは、トレーニング セットと検証セット (70 ～ 30) にランダムに分割されました。
予測には、デシジョン ツリー、ランダム フォレスト、k 最近傍法、ロジスティック回帰、および eXtreme garadient Boosting (XGBoost) 法が使用されました。
赤血球輸血予測に使用される機械学習モデルの受信者動作特性曲線の曲線下面積 (AUC) が比較されました。
研究の種類
観察的
入学 (実際)
6121
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
-
-
-
Ankara、七面鳥、06110
- Dilek D Unal
-
-
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～100年 (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
大規模な待機的外科手術を受けている患者が適格であるとみなされました。
すべての年齢層と性別が含まれていました。
外科的処置は、全国社会保険機関の診断、治療、および外科的処置の分類に従って事前に定義されており、すべての処置には固有のコードがあります。
説明
包含基準:
- アダルト
- 大規模な待機手術を受けた
除外基準:
- 小児患者
- 緊急の場合
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
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 |
|---|---|---|
|
赤血球輸血を受けた患者数
時間枠：周術期
|
赤血球輸血を受けた患者数
|
周術期
|
|
曲線の下の領域
時間枠：周術期
|
受信機動作特性曲線の曲線下の面積
|
周術期
|
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：Dilek D Unal, Prof、UNIVERSITY OF HEALTH SCIENCES TURKEY DISKAPI YILDIRIM BEYAZIT TRAINING RESEARCH HOSPITAL ANKARA
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
- Murphy GJ, Reeves BC, Rogers CA, Rizvi SI, Culliford L, Angelini GD. Increased mortality, postoperative morbidity, and cost after red blood cell transfusion in patients having cardiac surgery. Circulation. 2007 Nov 27;116(22):2544-52. doi: 10.1161/CIRCULATIONAHA.107.698977. Epub 2007 Nov 12.
- Bernard AC, Davenport DL, Chang PK, Vaughan TB, Zwischenberger JB. Intraoperative transfusion of 1 U to 2 U packed red blood cells is associated with increased 30-day mortality, surgical-site infection, pneumonia, and sepsis in general surgery patients. J Am Coll Surg. 2009 May;208(5):931-7, 937.e1-2; discussion 938-9. doi: 10.1016/j.jamcollsurg.2008.11.019. Epub 2009 Mar 26.
- Walczak S, Velanovich V. Prediction of perioperative transfusions using an artificial neural network. PLoS One. 2020 Feb 24;15(2):e0229450. doi: 10.1371/journal.pone.0229450. eCollection 2020.
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)
2022年1月13日
一次修了 (実際)
2022年2月1日
研究の完了 (実際)
2022年2月1日
試験登録日
最初に提出
2022年1月13日
QC基準を満たした最初の提出物
2022年1月27日
最初の投稿 (実際)
2022年2月8日
学習記録の更新
投稿された最後の更新 (実際)
2022年3月8日
QC基準を満たした最後の更新が送信されました
2022年3月7日
最終確認日
2022年1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。