응급 의학의 예측 및 고급 분석 - 신경학적 결함 (PAN-EM-NEURO)
2024년 11월 19일 업데이트: Jan Niederdöckl, Medical University of Vienna
응급 의학의 미래 예측 모델링은 지속적인 문서화, 웨어러블을 사용한 모니터링, 이미징, 바이오마커, 관련된 모든 의료 서비스 제공자의 실시간 관리 데이터와 같은 광범위한 데이터 포인트의 사용을 결합할 가능성이 높습니다. 후속의 광범위한 데이터 세트는 고급 딥 러닝 및 신경망 알고리즘을 제공하여 특정 건강 상태의 위험을 정확하게 예측할 수 있습니다. 더욱이, 예측 분석은 적응력이 있고 지속적으로 업데이트되는 임상 경로의 개발을 지향하며, 의료 의사 결정은 효과적이고 안전한 최선의 조치를 제공하기 위해 정교한 알고리즘에 의해 지원됩니다. 예측 분석이 의료의 여러 측면에 혁명을 일으킬 가능성이 분명해 보입니다. 응급의학에서의 사용에 관한 정보는 부족합니다.
우리는 일반적으로 발생하는 급성 신경학적 결손 증상을 사용하여 응급 의료에서 자원 사용을 예측하기 위해 루틴 데이터를 사용하는 성능을 평가하는 것을 목표로 합니다. 전망적으로 이는 응급 의학의 예측 분석을 위해 일상적인 의료 데이터를 사용하는 다른 유사한 프로젝트의 프로토타입 역할을 할 수 있습니다.
연구 개요
연구 유형
관찰
등록 (추정된)
50000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Jan Niederdöckl, MD
- 전화번호: 0042 40 400 19640
- 이메일: jan.niederdoeckl@meduniwien.ac.at
연구 장소
-
-
-
Vienna, 오스트리아, 1090
- 모병
- Emergency Department, Medical University Vienna
-
연락하다:
- Jan Niederdöckl, Dr.
- 이메일: jan.niederdoeckl@medunwien.ac.at
-
연락하다:
- Alexander Simon, Dr.
- 이메일: alexander.simon@medunwien.ac.at
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
샘플링 방법
비확률 샘플
연구 인구
정기적으로 수집된 데이터를 회고적으로 분석합니다. 우리는 급성 신경학적 결손이 의심되어 응급의료기관에 입원한 환자의 병원 내 자원 활용과 관련된 데이터 패턴을 찾는 것을 목표로 합니다.
우리는 본 연구를 위해 일상적인 전자 의료 문서 시스템의 정보만을 사용할 것입니다. 다른 데이터 세트에 대한 연결은 수행되지 않습니다. 시스템의 데이터에는 환자 인구 통계, 초기 증상, 병원 전 활력 징후 및 점수, 응급 의료 서비스에 의한 의심되는 진단, 병원 내 활력 징후 및 점수, 병원 내 진단(컴퓨터 단층 촬영 CT, 자기 공명 영상 MRI) 및 치료(카테터 개입) 절차 및 최종 진단. 전체 변수 세트를 보려면 '변수'를 참조하세요.
본 연구의 목적을 위해 완전히 가명화된 데이터 세트만 사용됩니다.
설명
포함 기준:
- 여성 및 남성 과목
- 연령 ≥ 18세
제외 기준:
- 없음
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 |
|---|---|---|
|
예측 모델
기간: 2025년 1월 1일
|
개발될
|
2025년 1월 1일
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
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)
2022년 1월 1일
기본 완료 (추정된)
2025년 1월 1일
연구 완료 (추정된)
2030년 1월 1일
연구 등록 날짜
최초 제출
2024년 1월 30일
QC 기준을 충족하는 최초 제출
2024년 1월 30일
처음 게시됨 (실제)
2024년 2월 7일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정된)
2024년 11월 22일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 11월 19일
마지막으로 확인됨
2024년 11월 1일
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. .