- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06167083
ICU의 기계 학습: 혈류 감염의 사망률 예측(ICU: 집중 치료실) (ICU)
중환자실에서의 기계 학습: 카바페넴 내성 그람 음성 간균 혈류 감염 환자의 사망률 예측
우리 연구는 자체 환자 데이터를 사용하여 기계 학습 기반 모델을 통해 카바페넴 내성 그람 음성 간균 혈류 감염에서 발생할 수 있는 사망률을 예측하는 것을 목표로 했습니다.
중환자실에서는 사망률이 있든 없든 혈류 감염 환자를 비교를 위해 두 하위 그룹으로 나누어 후향적으로 검사합니다.
연구 개요
상세 설명
카바페넴은 다제 내성 그람 음성 병원체로 인한 심각한 감염을 치료하는 데 사용되는 최후의 수단 항생제 중 하나입니다. 카바페넴 내성 그람 음성 간균(CR-GNB)에 의한 감염은 지난 10년 동안 널리 퍼져 공중 보건에 심각한 위협을 가하고 있습니다. Carbapenem 내성 Enterobacteriaceae(CRE), Carbapenem 내성 Acinetobacter baumannii(CRAB) 및 Carbapenem 내성 Pseudomonas aeruginosa(CRPA)는 전 세계적으로 항생제 내성 박테리아의 우선 순위 목록에 1위를 차지합니다. CR-GNB는 균혈증, 요로감염, 폐렴, 복강내 감염 등 광범위한 감염을 유발합니다. 카바페넴 내성 혈류 감염은 이환율과 사망률의 중요한 원인이며 치료 옵션은 극히 제한적입니다. 중환자실에서 모니터링되는 환자의 위험 요인을 평가함으로써 예후를 예측할 수 있는 채점 시스템은 효과적인 항생제의 조기 적용과 현재 사용 중인 시기적절한 혈역학적 지원을 보장함으로써 사망 위험을 줄입니다.
빅데이터의 축적과 데이터 저장 기술의 발전으로 우리 삶에 스며든 혁신적이고 실용적인 기계학습 방법은 의료 분야에서도 좋은 예측 성능을 보이고 있다. 중환자실에서 모니터링되는 환자의 사망률을 예측하기 위해 개발된 기계 학습 기반 모델은 문헌에서 이용 가능하며 환자에게 조기 개입할 수 있는 기회를 제공합니다.
우리의 환자 데이터를 사용하여 중환자실에서 사망률이 있거나 없는 혈류 감염 환자를 비교를 위해 두 하위 그룹으로 후향적으로 검사합니다. 우리는 머신러닝 기반 모델을 통해 카바페넴 내성 그람 음성 간균 혈류 감염에서 발생할 수 있는 사망률을 예측하는 것을 목표로 합니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
-
Kocaeli, 칠면조
- Kocaeli University
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 본 연구에는 2017년 6월부터 2023년 6월 사이에 우리 병원 3차 집중치료실에서 모니터링을 받고 Carbapenem 내성 Enterobacteriaceae, Carbapenem 내성 Acinetobacter baumannii 및 Carbapenem 내성 Pseudomonas aeruginosa에 의한 혈류 감염이 발생한 환자를 후향적으로 포함할 예정입니다.
제외 기준:
- 18세 미만의 환자와 혈류 감염 이외의 감염이 있는 환자는 포함되지 않습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
사망한 환자
카바페넴 내성 그람 음성 간균 혈류 감염으로 인한 사망
|
딥러닝을 사용하여 알고리즘을 개발하고 사망률을 예측하려고 합니다.
|
생존 환자
카바페넴 내성 그람 음성 간균 혈류 감염 사망 없음
|
딥러닝을 사용하여 알고리즘을 개발하고 사망률을 예측하려고 합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
사망 위험
기간: 3 개월
|
민감도와 특이도는 기계 학습 알고리즘을 사용하여 AUC-ROC 곡선(Area Under the Receiver Operating Characteristic 곡선)으로 정의됩니다.
|
3 개월
|
공동 작업자 및 조사자
수사관
- 수석 연구원: özlem güler, Kocaeli University
간행물 및 유용한 링크
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
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- GOKAEK-2023/12.31
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .