- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06310525
기계 학습을 사용하여 덴마크 익사 공식 최적화 (DROWN_DDF2)
덴마크 Prehospital 익사 데이터에 대한 기계 학습 지원 익사 식별: 기계 학습을 사용하여 덴마크 익사 공식 최적화
연구 개요
상태
정황
개입 / 치료
상세 설명
DDF는 2023년에 출판되었습니다. 이는 모든 잠재적인 물 관련 사고를 식별하기 위해 전자 의료 기록이 포함된 데이터베이스의 구조화되지 않은 텍스트 필드를 검색하도록 설계된 텍스트 검색 알고리즘입니다. DDF는 침수 부상과 관련된 수많은 유발 단어로 구성됩니다(예: "drukn"/익사, "vand"/물, "hav"/바다 및 "båd"/보트).
진행 중인 연구에서는 무제한 조건으로 덴마크 PEMR에 적용했을 때 익사 식별 도구로서 DDF의 인상적인 성능 지표를 보여주었습니다. 그러나 구체적으로 익사 사고를 감지하는 데에는 PPV가 낮았습니다. 이 연구의 목표는 DDF의 긍정적인 예측 가치를 높이고 수동 검증과 관련된 시간적 요구를 줄이는 것입니다.
데이터는 DDF를 사용하여 덴마크 전국 Prehospital Electronic Medical Record에서 추출되며 덴마크 Prehospital Drowning Data(DPDD)에 입력되기 전에 수동으로 검증됩니다.
2016년부터 2021년까지 DPDD의 데이터는 80%(훈련 데이터)와 20%(테스트 데이터)로 분할되어 기계 학습을 훈련하는 데 사용됩니다.
2022년부터 2023년까지 DPDD의 데이터는 기계 학습의 성능 지표를 계산하기 위한 검증 데이터로 사용됩니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
Region Zealand
-
Næstved, Region Zealand, 덴마크, 4700
- Prehospital Center
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 환자는 침수 또는 액체 침수로 인해 호흡 장애를 경험하고 있어야 합니다(지속적인 기침, 호흡 정지 및 무의식 포함).
- 환자는 덴마크 병원 응급 의료 서비스와 접촉한 적이 있어야 합니다.
제외 기준:
- 듀플렛
- 잘못된 주민등록번호
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
치명적인 익사
익사 사고로 인해 환자가 사고 후 30일 이내에 사망한 익사 사고
|
익사(Drowning)는 2002년 WHO에 의해 "물속에 잠기거나 침수되어 호흡 장애를 경험하는 과정"으로 정의되었습니다.
|
치명적이지 않은 익사
환자가 30일 동안 생존한 익사 사건
|
익사(Drowning)는 2002년 WHO에 의해 "물속에 잠기거나 침수되어 호흡 장애를 경험하는 과정"으로 정의되었습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
익사 식별 도구로서의 기계 학습 알고리즘의 민감도
기간: 학습된 머신러닝의 민감도는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
익사 식별 도구로서 기계 학습의 성능을 보여주기 위해 민감도[TP/(TP+FN)]가 계산됩니다.
|
학습된 머신러닝의 민감도는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
익사 식별 도구로서 기계 학습 알고리즘의 특수성
기간: 훈련된 머신러닝의 특이성은 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
익사 식별 도구로서 기계 학습의 성능을 보여주기 위해 특이성[TN / (FP+TN)]이 계산됩니다.
|
훈련된 머신러닝의 특이성은 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
기계 학습 알고리즘의 PPV
기간: 훈련된 머신러닝의 PPV는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
PPV[TP/(TP+FP)]를 계산하여 머신러닝 테스트 결과를 보여줍니다.
|
훈련된 머신러닝의 PPV는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
기계 학습 알고리즘의 NPV
기간: 훈련된 머신러닝의 NPV는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
NPV[TN/(FN+TN)]를 계산하여 머신러닝 테스트 결과를 보여줍니다.
|
훈련된 머신러닝의 NPV는 2022년과 2023년의 데이터를 기반으로 계산됩니다.
|
공동 작업자 및 조사자
수사관
- 연구 책임자: Helle Collatz Christensen, Ass. Prof., Prehospital Center, Region Zealand
간행물 및 유용한 링크
일반 간행물
- Breindahl N, Wolthers SA, Jensen TW, Holgersen MG, Blomberg SNF, Steinmetz J, Christensen HC; Danish Cardiac Arrest Group. Danish Drowning Formula for identification of out-of-hospital cardiac arrest from drowning. Am J Emerg Med. 2023 Nov;73:55-62. doi: 10.1016/j.ajem.2023.08.024. Epub 2023 Aug 15.
- Breindahl N, Wolthers SA, Moller TP, Blomberg SNF, Steinmetz J, Christensen HC; Danish Drowning Validation Group. Characteristics and critical care interventions in drowning patients treated by the Danish Air Ambulance from 2016 to 2021: a nationwide registry-based study with 30-day follow-up. Scand J Trauma Resusc Emerg Med. 2024 Mar 6;32(1):17. doi: 10.1186/s13049-024-01189-y.
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
- DROWN_DDF2
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. .