알고리즘 기반 패혈증 예측 바이오마커
2021년 9월 17일 업데이트: Dascena
알고리즘 기반 패혈증 예측 바이오마커의 무작위 제어 임상 시험
패혈증 조기 경고 예측 알고리즘인 InSight는 대규모의 다양한 환자 코호트에서 개발 및 검증되었습니다.
이 전향적 연구에서는 중증 패혈증 환자를 예측하는 InSight의 능력을 조사합니다.
구체적으로, InSight는 UCSF 전자 건강 기록(EHR)에서 잘 확립된 중증 패혈증 검출기와 비교됩니다.
연구 개요
연구 유형
중재적
등록 (실제)
142
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
California
-
San Francisco, California, 미국, 94143
- UCSF Moffit-Long Hospital
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
18년 이상 (성인, 고령자)
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
설명
포함 기준:
- 참여 단위에 입원한 모든 성인 환자가 자격이 있습니다.
제외 기준:
- 18세 미만의 모든 환자는 제외됩니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 상영
- 할당: 무작위
- 중재 모델: 요인 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 통찰력으로
의료 제공자는 중증 패혈증 경향이 있는 환자에 대해 InSight로부터 경고를 받습니다.
의료 제공자는 또한 UCSF 전자 건강 기록의 중증 패혈증 검출기로부터 정보를 받습니다.
|
InSight 알림을 받으면 의료 제공자는 가능한 (심각한) 패혈증을 평가하고 그에 따라 개입하는 표준 관행을 따릅니다.
UCSF 전자 건강 기록의 중증 패혈증 검출기로부터 정보를 수신하면 의료 제공자는 가능한 (중증) 패혈증을 평가하고 그에 따라 개입하는 표준 관행을 따릅니다.
|
|
활성 비교기: 인사이트 없이
의료 서비스 제공자는 InSight로부터 어떠한 경고도 받지 않습니다.
의료 제공자는 UCSF 전자 건강 기록의 중증 패혈증 검출기로부터 정보를 받습니다.
|
UCSF 전자 건강 기록의 중증 패혈증 검출기로부터 정보를 수신하면 의료 제공자는 가능한 (중증) 패혈증을 평가하고 그에 따라 개입하는 표준 관행을 따릅니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
기간 |
|---|---|
|
입원 기간
기간: 연구 완료까지 평균 45일
|
연구 완료까지 평균 45일
|
2차 결과 측정
결과 측정 |
기간 |
|---|---|
|
병원 내 사망률
기간: 연구 완료까지 평균 45일
|
연구 완료까지 평균 45일
|
기타 결과 측정
결과 측정 |
기간 |
|---|---|
|
ICU 체류 기간
기간: 연구 완료까지 평균 45일
|
연구 완료까지 평균 45일
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- 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.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작
2016년 12월 1일
기본 완료 (실제)
2017년 2월 1일
연구 등록 날짜
최초 제출
2016년 12월 31일
QC 기준을 충족하는 최초 제출
2017년 1월 6일
처음 게시됨 (추정)
2017년 1월 10일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2021년 9월 23일
QC 기준을 충족하는 마지막 업데이트 제출
2021년 9월 17일
마지막으로 확인됨
2021년 9월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
중증 패혈증 예측에 대한 임상 시험
-
Affiliated Cancer Hospital & Institute of Guangzhou...모병