機械学習と単一誘導心電図を用いた血清カリウム値予測
2026年3月21日 更新者：David Levine、Brigham and Women's Hospital
機械学習と単一誘導心電図を用いた血清カリウム予測
本研究は、ブリガム・アンド・ウィメンズ病院ホームホスピタルプログラムのデータベースからのデータを活用した後ろ向き研究です。
訓練コホートからの社会人口統計学的および臨床データを使用して、患者の入院期間中の血中カリウム値を予測する機械学習アルゴリズムを訓練しました。
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
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
- 大人
- 高齢者
健康ボランティアの受け入れ
いいえ
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、主要診断、年齢、5マイル以内の居住要件を満たし、ホームホスピタルに登録されている被験者。
説明
ブリガム・アンド・ウィメンズ・ホーム・ホスピタル研究の被験者であり、研究データベースに完了した記録があります。
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 |
介入・治療 |
|---|---|
|
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。
|
機械学習アルゴリズムを適用して、患者のカリウム値を推定します。
|
|
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。
|
機械学習アルゴリズムを適用して、患者のカリウム値を推定します。
|
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 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
血清カリウム濃度
時間枠：入院日から退院日まで、研究完了まで平均7日間。
|
血清カリウム、ミリモル毎リットルで測定
|
入院日から退院日まで、研究完了まで平均7日間。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
高カリウム血症
時間枠：入院日から退院日まで、研究完了までの平均7日間。
|
血清カリウムが1リットルあたり5.1ミリモルを超える
|
入院日から退院日まで、研究完了までの平均7日間。
|
|
低カリウム血症
時間枠：入院日から退院日まで、研究完了までの平均期間は7日間です。
|
血清カリウムが1リットルあたり3.4ミリモル未満
|
入院日から退院日まで、研究完了までの平均期間は7日間です。
|
|
正常カリウム血症
時間枠：入院日から退院日まで、平均7日間の研究完了を通して。
|
血清カリウムが3.4から5.1ミリモル毎リットルの間
|
入院日から退院日まで、平均7日間の研究完了を通して。
|
|
血清カリウムが4ミリモル/リットル未満対4ミリモル/リットル以上
時間枠：入院日から退院日まで、平均7日間の研究完了まで。
|
血清カリウム値が4ミリモル毎リットル未満または4ミリモル毎リットル以上に低下する場合
|
入院日から退院日まで、平均7日間の研究完了まで。
|
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
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
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 (推定)
2021年8月1日
研究の完了 (推定)
2021年12月1日
試験登録日
最初に提出
2021年4月14日
QC基準を満たした最初の提出物
2026年3月21日
最初の投稿 (実際)
2026年3月25日
学習記録の更新
投稿された最後の更新 (実際)
2026年3月25日
QC基準を満たした最後の更新が送信されました
2026年3月21日
最終確認日
2026年3月1日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- 2017P002583c
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?
いいえ
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。