홍콩 COPD 환자의 기계 학습을 사용하여 부작용 예측
이 연구는 기계 학습을 사용하여 이러한 결과에 대한 지표 입원 퇴원 시 COPD 진단을 받은 환자를 위한 예측 모델을 개발하는 것을 목표로 합니다.
주요 결과: 조기 입학
이차 결과:
- 빈번한 재입학
- 복합 결과(조기 + 빈번한 재입원)
- 인류
- 장기 체류자
연구 개요
상세 설명
만성 폐쇄성 폐질환(COPD)은 일반적으로 유해 입자 또는 가스에 대한 상당한 노출로 인해 유발되고 숙주에 의해 영향을 받는 기도 및/또는 폐포 이상으로 인해 지속적인 호흡기 증상 및 기류 제한을 특징으로 하는 일반적이고 예방 및 치료 가능한 질병입니다. 비정상적인 폐 발달을 포함한 요인. 2015년 전 세계적으로 COPD로 사망한 사람은 320만 명으로 추정되며 1990년에 비해 11.6% 증가했습니다. COPD는 2019년 전 세계적으로 세 번째로 큰 사망 원인입니다.
홍콩(HK)에서 60세 이상 노인 인구의 COPD 유병률은 1초간 강제 호기량(FEV1)/강제 폐활량(FVC) 비율 <70의 폐활량계 정의에 근거하여 25.9% 및 12.4%였습니다. FEV1/FVC의 % 및 정상 하한값.4 COPD 병원 입원에 대한 최근 연구에서 2017년 1월 1주차부터 2020년 1월 3주차(COVID 팬데믹 이전)까지 총 67,628명의 COPD 입원이 있었고 2020년 1월 4주차부터 2020년 12월 4주차(COVID 팬데믹 기간 동안)에는 11,065명의 COPD 입원자가 있었습니다. ). 5 COPD 입원의 부담은 상당하며 문제를 해결하고 COPD로 고통받는 환자의 건강 결과를 개선하기 위한 적절한 전략을 개발하기 위해 이러한 입원의 동인을 이해하는 것이 중요합니다.
COPD로 인한 조기 재입원 및 빈번한 입원은 개인과 주 모두에 대한 높은 재정적 부담과 공공 의료 자원의 높은 사용으로 인해 일반적으로 병원 결과에 대해 연구됩니다. 인공지능(AI)과 머신러닝(ML)의 등장으로 의학에 대한 적용에 상당한 관심이 있었습니다. 최근의 메타분석은 COPD 결과를 예측하는 데 있어 이러한 모델의 호환성을 보여주었습니다.7 그러나 AI/ML이 기존의 통계 모델링 방법보다 우수하고, AI/ML이 해석 가능하고 임상적으로 상관될 수 있으며, AI/ML이 직접 임상에 적용될 수 있음을 보여주는 연구는 거의 없습니다.
이 연구는 다음 결과에 대한 지표 입원 퇴원 시 COPD 진단을 받은 환자를 위한 예측 모델을 개발하는 것을 목표로 합니다.
주요 결과: 조기 입학
이차 결과:
- 빈번한 재입학
- 복합 결과(조기 + 빈번한 재입원)
- 인류
- 장기 체류자
기존의 통계 학습 방법에 대한 대안으로서 기계 학습(ML) 모델의 실행 가능성과 우월성을 평가합니다. 그 외에도 관심 있는 각 결과의 상위 예측 변수는 결과를 개선할 가능한 개입 제안을 위해 식별됩니다(즉, 조기입원, 빈발입원, 사망률 감소). 임상 환경에 배치하기 위한 임상 점수도 개발될 것입니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 연락처
- 이름: Fanny Ko, MD
- 전화번호: 35053133
- 이메일: fannyko@cuhk.edu.hk
연구 장소
-
-
New Territories
-
Hong Kong, New Territories, 홍콩
- 모병
- The Chinese University of Hong Kong
-
연락하다:
- David S Hui, MD
- 전화번호: 35053133
- 이메일: dschui@cuhk.edu.hk
-
연락하다:
- fanny WS Ko, MD
- 전화번호: 35053133
- 이메일: fannyko@cuhk.edu.hk
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- ≥40년
- 환자는 2016년부터 2022년까지 퇴원합니다.
- 퇴원 진단: 일차 진단에 있는 퇴원 진단 ICD 코드를 사용하여 환자가 COPD인지 확인
- 폐활량 측정 결과에 대해 검증됨(폐활량 측정 판독값이 있는 환자의 경우):
이전 시점에서 가져온 폐활량계 판독값. 환자는 폐활량 측정 판독값 중 하나에서 Post FEV1/FVC 비율이 < 0.7이어야 합니다. Post FEV1/FVC를 사용할 수 없는 경우 환자의 Pre FEV1/FVC 값이 있는지 확인하고 Pre FEV1/FVC 비율이 0.7 미만인 환자도 폐활량 측정 판독값 중 하나에 포함합니다.
제외 기준:
- COPD 이외의 원인으로 인한 입원진단
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
조기 재입학
기간: 30 일
|
지표입원 퇴원일로부터 30일 이내에 AECOPD* 1차 진단으로 병원에 재입원한 환자
|
30 일
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
빈번한 수용자
기간: 365일
|
- 지수입원일로부터 365일 이내 3회 이상(지수입원+2회이상) 입원환자
|
365일
|
|
1년 사망률
기간: 365일
|
- 지표입원 퇴원일로부터 365일 이내에 사망한 환자
|
365일
|
|
장기 체류자
기간: 365일
|
- 지표입원 퇴원일로부터 1년 이내에 누적재원일수가 21일을 초과하여 입원한 환자
|
365일
|
공동 작업자 및 조사자
수사관
- 연구 책임자: David Hui, MD, Chinese University of Hong Kong
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
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 연구와 관련된 용어
기타 연구 ID 번호
- CRE Ref_ No_ 2022_679
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .