혈액투석 결과 및 환자 역량 강화 연구 03 (HOPE-03)

체적 과부하는 혈액 투석 환자에서 입증된 높은 심혈관 및 모든 원인으로 인한 사망률에 기여하는 요인입니다. 현재 용적 상태를 일관되게 개선하고 환자에게 수분 섭취량을 조정할 수 있는 피드백을 제공할 수 있는 방법은 없습니다. 체적을 평가하는 데 사용되는 현재 표준은 체액 상태를 제대로 예측하지 못하거나 사용하기 번거롭거나 적절한 환자 인터페이스가 부족합니다.

건조 중량의 자동화되고 정확하며 주기적인 평가는 임상적으로 유용하고 저렴하며 신속하게 확장 가능합니다. 기계 학습 방법은 신장학에서 널리 연구되었습니다. 정기적으로 전자적으로 수집 및 저장되는 많은 양의 정확한 혈액 투석 데이터는 환자의 세포외 부피 또는 이상적인 체액 상태를 예측하는 데 활용될 가능성이 있습니다.

혈액 투석 데이터의 건조 중량 예측을 위한 많은 개념 증명 기계 학습 모델이 후향적 데이터를 사용하여 생성되었습니다. 이 연구는 혈액 투석 환자의 체액량을 관리하는 기계 학습 모델의 유용성을 평가하는 동시에 검증된 측정에 대한 타당성과 재현성을 평가합니다. 이 경우 Fresenius의 체성분 모니터(BCM).

유체 상태를 평가하기 위한 기계 학습 모델이 후향적 데이터에 대해 훈련되고 테스트되었으므로 제어된 관찰 전향적 연구에서 모델의 성능, 수용 가능성 및 유용성을 테스트할 충분한 정당성이 있습니다.

이것은 아일랜드 더블린의 보몬트(Beaumont)에 있는 단일 센터에서 2주 준비 기간을 포함한 8주 시험이 될 것입니다. Fresenius BCM을 사용한 생체 임피던스 측정은 2주마다 수행됩니다. 혈액 투석 데이터는 시험 기간 내내 지속적으로 처리됩니다. 알고리즘은 혈액 투석 데이터를 사용하여 BCM 출력을 예측합니다. 알고리즘 예측은 BCM 예측과 비교하여 유용성을 평가합니다.