학습 레지스트리
미래의 학습 의료 플랫폼을 만드는 학습 레지스트리: 종단 후속 조치를 위한 고위험 ASCVD 레지스트리
Learning Registry는 후향적 면제 연구입니다. Duke Clinical Research Institute(DCRI)의 연구원들은 죽상경화성 심혈관 질환 환자의 지속적인 등록의 일환으로 인구 건강 분석을 위해 Cerner가 관리하는 비식별 데이터를 활용할 것입니다.
Cerner는 미국의 수많은 의료 시스템에서 사용하는 전자 건강 기록 회사입니다. 함께 일하는 의료 시스템에 대한 서비스의 일환으로 HealtheIntent라는 인구 건강 관리를 위한 플랫폼을 만들었습니다. HealtheIntent는 EMR을 통해 수집된 의료 시스템에 있는 환자의 개별 데이터와 의료 시스템의 다른 데이터 스트림(예: 비용 데이터), 데이터를 집계하고 Cerner와 의료 시스템 모두에서 액세스할 수 있는 Amazon Web Services 클라우드에 저장하여 대규모 인구 건강 분석을 수행합니다. 이러한 데이터는 사이트와의 개별 관계에 따라 Cerner에 의해 National Death Index 또는 기타 데이터 소스에 연결될 수도 있습니다.
이 후향적 연구에서 연구 시작일은 계약이 실행된 날짜입니다. 기본 완료 날짜는 분석 및 원고 개발을 위해 최종 데이터 세트를 사용할 수 있는 날짜입니다. 연구 완료 날짜는 연구가 완료된 날짜입니다. 등록은 검토된 환자 차트의 수입니다.
연구 개요
상태
상세 설명
DCRI는 Learning Registry에 참여하기로 동의한 Cerner 의료 시스템의 ASCVD 환자에 대한 데이터를 활용할 것입니다. Cerner는 데이터를 비식별화하고 암호로 보호되고 DCRI 연구원만 액세스할 수 있는 Amazon Web Services에서 호스팅하는 클라우드 기반 서버에 배치합니다.
Learning Registry의 연구 목표는 다음과 같습니다.
죽상동맥경화성 심혈관 질환 환자에 대한 치료 패턴과 간병 격차를 평가합니다.
ASCVD가 있는 성인 전체에서 아스피린, 베타 차단제, ace 억제제, P2Y12 억제제, 스타틴 및 기타 항혈전제를 포함하여 해당 그룹에 대한 치료 패턴을 평가합니다. 환자 수준 요인(연령, 인종, 성별, 보험 상태), 임상 요인(ASCVD 유형, 신장 질환, 심방세동, 고혈압, 당뇨병, 마지막 사건 이후 지속 기간), 및 시스템 수준 요인(진료한 서비스 제공자의 유형, 의료 시스템과의 접촉 빈도). 층화 분석에는 PAD가 있는 성인과 COMPASS 시험에 자격이 있는 성인이 포함되지만 이에 국한되지는 않습니다.
- ASCVD가 확립된 성인의 재발성 심혈관 사건에 대한 수정 가능한 위험 인자의 기여 가능한 위험을 추정합니다.
심근 경색, 불안정 협심증, 뇌졸중 및 TIA가 있는 환자를 식별합니다. 이전에 외래 환자 환경에서 본 적이 있는 사람들은 이벤트 이전에 CVD가 있는 사람들을 식별하기 위해 기존 심혈관 질환의 존재에 대해 평가됩니다. 사건 이전에 위험 요인 통제가 평가될 것입니다. 리바록사반을 포함한 새로운 2차 예방 요법의 활용뿐만 아니라 위험 인자 제어로 잠재적으로 예방할 수 있는 질병의 양을 평가할 것입니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
North Carolina
-
Durham, North Carolina, 미국, 27705
- DCRI
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
연구 대상 성별
샘플링 방법
연구 인구
설명
포함 기준:
- 18세 이상의 성인 전체 ASCVD 모집단의 경우, 폐순환 질환, 심장 질환 및 혈관 질환을 포함한 심폐 질환에 대한 진단 코드를 사용하여 비식별화할 모집단을 식별합니다. MU에서는 2012년까지의 환자를 포함하고 Seton에서는 2014년까지의 환자를 포함하여 각 의료 시스템에서 데이터를 사용할 수 있는 날짜를 반영합니다. 두 기관 모두 식별된 환자에 대한 데이터 수집은 2019년 말에 중단됩니다.
차트 검토 모집단의 경우 뇌혈관 질환으로 입원한 환자(예: 뇌졸중/TIA), 관상 동맥 심장 질환(예: 심근 경색) 및 말초 혈관 질환(예: 사지 허혈)이 대상이 됩니다.
제외 기준:
- 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 다른
- 시간 관점: 회고전
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
성인 ASCVD 환자에서 가이드라인에 따른 치료의 활용
기간: 2018년 9월~2020년 3월
|
가이드라인에서 권장하는 2차 예방 요법에 대한 적격 성인의 비율
|
2018년 9월~2020년 3월
|
|
성인 ASCVD 환자에서 가이드라인에 따른 치료의 활용
기간: 2018년 9월~2020년 3월
|
혈압 목표를 충족하는 성인의 비율
|
2018년 9월~2020년 3월
|
|
성인 ASCVD 환자에서 가이드라인에 따른 치료의 활용
기간: 2018년 9월 ~ 2020년 3월
|
스타틴 요법을 받는 성인의 비율
|
2018년 9월 ~ 2020년 3월
|
|
성인 ASCVD 환자에서 가이드라인에 따른 치료의 활용
기간: 2018년 9월~2020년 3월
|
LDL-C 목표를 충족하는 성인의 비율
|
2018년 9월~2020년 3월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
심혈관 사건 및 동반 질환을 식별하기 위한 EHR 데이터의 정확성.
기간: 2019년 5월~2020년 3월
|
뇌졸중을 식별하기 위한 EHR 기반 알고리즘의 긍정적인 예측 가치를 평가할 것입니다.
|
2019년 5월~2020년 3월
|
|
심혈관 사건 및 동반 질환을 식별하기 위한 EHR 데이터의 정확성.
기간: 2019년 5월~2020년 3월
|
우리는 일과성 허혈 발작을 식별하기 위해 EHR 기반 알고리즘의 긍정적인 예측 가치를 평가할 것입니다.
|
2019년 5월~2020년 3월
|
|
심혈관 사건 및 동반 질환을 식별하기 위한 EHR 데이터의 정확성.
기간: 2019년 5월~2020년 3월
|
우리는 심근 경색을 식별하기 위한 EHR 기반 알고리즘의 긍정적인 예측 가치를 평가할 것입니다.
|
2019년 5월~2020년 3월
|
|
심혈관 사건 및 동반 질환을 식별하기 위한 EHR 데이터의 정확성.
기간: 2019년 5월~2020년 3월
|
우리는 불안정 협심증을 식별하기 위해 EHR 기반 알고리즘의 긍정적인 예측 가치를 평가할 것입니다.
|
2019년 5월~2020년 3월
|
공동 작업자 및 조사자
스폰서
수사관
- 수석 연구원: Nishant Shah, MD, Duke University
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
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. .