이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

코로나19의 역학적 발병 진화에 대한 고급 모델링

2024년 2월 27일 업데이트: JOSE M QUINTANA-LOPEZ, MD PhD, Hospital Galdakao-Usansolo

의료 자원 사용 및 사망률 측면에서 그 결과를 예측하기 위한 전염병 발병 진화의 고급 모델링

의료 시스템이 주기적으로 겪고 있는 다양한 전염병은 건강 및 위생 문제를 해결할 수 있도록 의료 시스템이 사전에 스스로 조직할 수 있도록 단기, 중기, 장기적으로 진화 및 예측에 대한 타당하고 자세한 정보를 실시간으로 보유해야 합니다. 이 제안의 목적은 다음과 같습니다: 전염병 발생을 모델링하는 데 필요한 데이터를 빠르고 효율적으로 얻기 위한 소스로서 의료 시스템의 정보 및 데이터 저장 시스템의 유용성을 연구합니다. 의사결정에 도움이 되는 결과의 제시와 진화를 예측하기 위한 모델링. 우리는 SARS-CoV-2 팬데믹 기간 동안 지금까지 얻은 경험을 바탕으로 데이터 검색, 추출, 정리 및 집계를 위한 반자동적이고 유연한 기준을 정의할 것입니다. 발생률, 병원 및 중환자실 입원 수, 사망자 수에 대한 예측은 바스크 지방 수준에서 이루어질 것입니다. 시간적 데이터 분석, 특히 팬데믹 상황에서는 정확한 예측이 가능한 강력한 도구를 갖추는 것이 필수적입니다. . 본 연구에서는 전염병 관련 양성 사례, 병원 입원 및 ICU 입원을 예측하기 위해 음이항 분포를 기반으로 하는 P-스플라인을 사용했습니다.

연구 개요

상세 설명

설계. 회고적 관찰 연구. 모델링은 2020년 초에 시작된 SARS-CoV-2 전염병을 기반으로 합니다.

연구 대상 정보는 수행된 검사, 양성 사례, SARS-CoV-2에 대한 병원 입원 및 ICU 입원, 병원 퇴원 및 ICU 퇴원, 회복 및 사망률(ICU, 병원 또는 지역사회)

포함 기준. 양성 사례 중: 중증급성호흡기증후군 코로나바이러스2(SARS-CoV-2)에 대한 역전사-중합효소연쇄반응 검사에서 양성 결과가 나오거나 3월 1일부터 항원 검사에서 양성으로 실험실에서 SARS-CoV-2 감염이 확인된 경우 , 2020년부터 2022년 1월 9일까지.

병원 입원의 경우: 팬데믹이 시작된 이후 병원 입원. 한 센터에서 다른 센터로 이동할 때 다양한 에피소드를 단일 입장으로 간주합니다. 코로나19로 인한 소득만 고려하세요.

제외 기준 : 입원 기간 동안 질병이 발병하여 다른 이유로 입원한 환자.

변수. 수집되는 데이터는 사건 형태로 집계된 데이터입니다. 인구는 10개의 연령 그룹(0~9세, 10~19세, ..., 70~79세, 80~89세, 90세 이상)과 성별로 분류됩니다. 변수:

  • 연구 대상 인구의 연령별 개인.
  • 연령별, 날짜별 코로나19 신규 확진자 수입니다.
  • 연령별, 요일별 코로나19로 인한 신규 병원 입원 건수입니다. 코로나19로 인한 중환자실 입원 건수
  • 연령별, 일별 코로나19 총 사망자 수입니다.
  • 코로나19로 입원한 환자의 연령별, 요일별 퇴원(생존환자) 수(이송 제외)입니다.
  • 연령별, 일별 코로나19로 인한 병원 사망자 수입니다.
  • 연령별, 일별 코로나19로 인한 중환자실 사망자 수입니다.

제안된 모델링을 통해 얻을 수 있는 결과 변수는 다음과 같습니다.

  • 연령별, 날짜별 코로나19 추정 양성 사례 수입니다.
  • 연령별, 요일별 코로나19 병원 입원 추정 건수입니다.
  • 연령별, 날짜별 코로나19로 인한 추정 총 사망자 수입니다.
  • 코로나19로 인한 중환자실 입원 추정 건수를 연령별, 요일별로 추정합니다.

데이터 분석. 우리는 P-스플라인과 음이항 분포를 사용할 것입니다. P-스플라인 또는 페널티 스플라인은 시간 데이터의 비선형 관계를 모델링하기 위한 강력한 도구입니다. 이를 음이항 분포와 결합하면 전염병 데이터의 경우처럼 과분산된 데이터를 계산하는 데 특히 적합한 모델이 얻어집니다.

절차:

  • 데이터 수집: 양성 사례, 병원 입원 및 ICU 입원에 대한 일일 데이터는 팬데믹 시작부터 2022년 9월까지 수집됩니다.
  • 모델링: 음이항 분포를 기반으로 하는 P-스플라인 모델이 데이터에 맞춰집니다. 이 모델은 시간적 추세와 계절적 패턴을 포착하고 데이터에 존재하는 과분산을 처리하도록 설계됩니다.
  • 요일에 대한 무작위 효과가 있는 모델: 특히 병원 입원 예측을 위해 요일에 대한 무작위 효과가 통합됩니다. 이번 조정은 요일에 따른 소득의 체계적 변동이 확인되었기 때문에 이뤄질 예정이다. 이 무작위 효과를 통합하면 이 변수에 대한 모델의 정확도가 크게 향상됩니다.
  • 예측: 예측은 단기(1일 및 2일)와 중기(5일)의 두 가지 기간에 대해 수행됩니다. 이러한 예측을 통해 우리는 전염병의 진화를 예측하고 정보에 입각한 결정을 내릴 수 있습니다.

예측 검증: 예측의 정확성과 견고성을 검증하기 위해 팬데믹의 다양한 시기(또는 파동)에 회고적 분석이 수행됩니다. 모델 예측은 실제 관찰된 데이터와 비교되며 모델 성능을 평가하기 위해 오류 측정항목이 계산됩니다.

제한 사항. 연구의 한계 중 하나는 검사, 입원 및 사망(또는 회복)의 시간적 순서가 수행된 검색에 사용된 순서를 따르지 않은 개인의 고려된 질병 및 사망(또는 회복)으로 인해 입원 손실이 발생할 수 있다는 것입니다.

윤리적 측면. 본 연구에서는 목적을 달성하기 위해 익명화된 정보만 사용합니다. 환자를 식별할 수 있는 데이터가 없습니다.

모든 참여자의 개인 데이터 처리, 전달 및 전송은 처리와 관련된 자연인 보호에 관한 유럽 데이터 보호 규정(EU2016/679) 조항을 준수합니다. 개인 데이터 보호 및 디지털 권리 보장에 관한 기본법(2018년 12월 5일자) 및 이러한 데이터의 자유로운 유통. 본 연구에 필요한 거의 모든 데이터는 집계된 데이터로, 어떠한 경우에도 개인과 연관될 수 없습니다. 모든 정보는 절대적으로 기밀로 처리됩니다.

환자로부터 사전 동의를 얻는 것과 관련하여 본 연구팀은 환자에게 사전 동의를 요청하지 않고 연구를 수행할 것을 제안합니다. 이 제안이 이루어진 이유는 생물의학 연구에 관한 7월 3일자 법률 14/2007의 58조에 근거합니다(""..예외적으로, 코드화되거나 식별된 샘플은 의료 기관의 동의 없이 생물의학 연구 목적으로 처리될 수 있습니다). 해당 동의를 얻는 것이 불가능하거나 불합리한 노력을 나타내는 경우 소스 주체. 이 경우 해당 연구윤리위원회의 호의적인 의견이 필요하다. ")

연구 유형

관찰

등록 (실제)

715206

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

    • Bizkaia
      • Galdakao, Bizkaia, 스페인, 48960
        • Hospital Galdakao-Usansolo

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

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

개인의 양성 사례, SARS-CoV-2에 의한 병원 입원 및 ICU 입원, 병원 퇴원 및 ICU 퇴원, 회복 및 사망률(ICU, 병원 또는 지역사회)에 대해 연령 및 성별로 집계된 일일 발생 데이터에 대해 수집된 정보 코로나19와 함께).

설명

포함 기준:

  • 실험실에서 중증급성호흡기증후군 코로나바이러스 2(SARS-CoV-2)에 대한 역전사효소-중합효소연쇄반응 분석에서 양성 결과 또는 3월 1일부터 양성 항원 검사 결과로 확인된 양성 SARS-CoV-2 감염으로 간주하려면, 2020년 ~ 2022년 1월 9일

병원 입원의 경우:

• 팬데믹이 시작된 이후 병원 입원. 한 센터에서 다른 센터로 이동할 때 다양한 에피소드를 단일 입장으로 간주하십시오. 코로나19로 인한 소득만 고려하세요.

제외 기준: 입원 기간 동안 질병이 발병하여 다른 이유로 입원한 환자.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
코로나19 양성 사례
기간: 일일
연령별, 날짜별 코로나19 추정 양성 사례 수입니다.
일일
코로나19 병원 입원
기간: 일일
연령별, 요일별 코로나19 병원 입원 추정 건수입니다.
일일
코로나19로 인한 사망자
기간: 일일
코로나19로 인한 총 사망자 수를 연령별, 날짜별로 추정합니다.
일일

2차 결과 측정

결과 측정
측정값 설명
기간
중환자실 입학
기간: 일일
•연령별, 요일별로 추정되는 코로나19로 인한 중환자실 입원 건수.
일일

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

수사관

  • 연구 의자: Inmaculada Arostegui, PhD, Basque University
  • 연구 의자: Dae Jin Lee, PhD, BCAM

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 (실제)

2020년 3월 1일

기본 완료 (실제)

2022년 9월 30일

연구 완료 (실제)

2023년 12월 31일

연구 등록 날짜

최초 제출

2023년 10월 5일

QC 기준을 충족하는 최초 제출

2023년 10월 5일

처음 게시됨 (실제)

2023년 10월 6일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 2월 28일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 2월 27일

마지막으로 확인됨

2023년 10월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

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. .

구독하다