대기 오염과 임신 (PTB)
대기 오염이 임신과 출산에 미치는 영향
우리는 산부인과, 여성 및 아동 건강, 전염병학, 기후 과학, 염증, 컴퓨터 모델링, 기계 학습 및 인공 지능 분야의 전문 지식을 갖춘 영국 과학자들로 구성된 학제간 팀입니다. 우리는 여러 학문 분야를 넘나드는 조산 연구의 기반이 되는 기존 강점과 조산에 관한 선도적인 연구 출판 및 수상 경력을 갖춘 오랜 역사를 갖고 있습니다.
우리는 18,000명의 환자 집단에 대해 UCLH(University College London Hospital Trust)의 EPIC 전자 건강 기록 데이터를 사용하여 조산 및 기타 불리한 임신 결과의 위험을 예측하기 위한 딥 러닝 모델을 개발하고 검증하는 것을 목표로 합니다. 우편번호(지역)와 배송일(월)에 대한 비식별자를 사용하여 주변 오염 노출에 대한 해당 데이터를 얻습니다. 이 모델은 환자의 병력 및 현재 임신 내에서 사건의 시간적 순서를 검토하여 중요한 상호 작용을 식별하고 조산의 위험을 예측합니다. 또한 오염 노출이 가장 큰 영향을 미치는 임계값과 임신 기간을 결정합니다.
연구 개요
상세 설명
조산은 전 세계적으로 신생아 이환율과 사망률의 주요 원인입니다. 조산아는 뇌성마비, 감각 장애, 학습 장애, 호흡기 질환 발병률이 더 높습니다. 영국에서는 매년 약 60,000명의 아기가 조산됩니다. 이는 영국에서는 임신 9건 중 1건에 해당하며 런던에서는 임신 7건 중 1건으로 증가합니다. 약 40%의 경우 조산의 원인을 알 수 없습니다. 조산을 예측하는 현재 알고리즘은 조산 위험이 가장 높은 여성을 식별하는 능력이 제한되어 있으며 예측 내에서 유전적, 생활 방식 및 환경적 상황을 고려하지 않습니다. 머신러닝과 딥러닝의 급속한 발전으로 이제 예측 알고리즘 내에서 더 많은 수의 변수를 고려하여 환자별 위험 예측을 공식화할 수 있는 모델을 개발하는 것이 가능해졌습니다. 임신 중 대기 오염에 대한 산모의 노출이 조산 위험 증가와 관련이 있다는 증거가 늘어나고 있습니다. 대기 오염에 대한 노출은 태반 기능 저하, 자간전증, 태아 성장 저하와 관련될 수 있지만 이러한 불리한 임신 결과에 대한 데이터는 제한적이며 모두 조산으로 이어질 수 있습니다. 현재 이 분야의 최근 역학 연구 중 상당수는 전자 기록의 공백 없이 상세하고 일치하는 임상 데이터 세트가 부족합니다.
이 연구의 목적은 다음과 같습니다.
- University College London Hospital NHS Trust(UCLH)의 환자 전자 건강 기록에서 추출한 매우 상세한 임상 데이터 세트와 대기 오염 노출에 대한 데이터 연결
- 환자가 몇 주, 며칠 안에 출산할 임신 기간을 정확하게 예측할 수 있는 계산 모델을 개발합니다.
- 모델을 사용하여 대기 오염이 임신 결과에 가장 큰 영향을 미치는 임신 시점을 식별합니다.
연구 유형
등록 (추정된)
연락처 및 위치
연구 장소
-
-
-
London, 영국, E14NS
- 모병
- Tina Chowdhury
-
연락하다:
- Tina Chowdhury
- 전화번호: 7560 0207882
- 이메일: t.t.chowdhury@qmul.ac.uk
-
연락하다:
- Rhona Atkins
- 전화번호: 7272 0207882
- 이메일: rhona.atkin@nhs.net
-
London, 영국, NW1 2PG
- 모병
- Anna David
-
연락하다:
- Yaa Acheampong
- 전화번호: 6164 020 3447
- 이메일: y.acheampong@nhs.net
-
연락하다:
- Anna David
- 전화번호: 9400 0203 447
- 이메일: a.david@nhs.net
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 우리는 EPIC 전자 환자 기록이 시작된 후 2019년부터 University College London Hospitals에서 출산한 임산부의 데이터를 포함하는 것을 목표로 합니다. 포괄성을 높이기 위해 이 연구에서는 특정 연령대를 지정하지 않았습니다. 우리는 또한 데이터 세트 내에서 소수 민족 그룹과 사회적 박탈을 겪는 환자를 대표하는 것을 목표로 합니다.
제외 기준:
- 다른 신뢰로 출산 전 진료를 이전하여 추적 관찰 기간이 불완전한 환자의 데이터는 제외됩니다. 과거 산과 병력 데이터가 불완전하고 재태 연령 추정이 부정확한 환자(예: 임신 예약이 늦어져) 및 '보통 주소지 우편번호' 누락 정보도 제외됩니다. 18세 미만의 환자는 제외됩니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
조산 위험과 불리한 출산 결과를 예측하는 기계 학습 모델
기간: 36개월
|
우리는 전자 건강 기록의 데이터와 런던 내 주변 오염 수준에 대한 시공간 모델을 사용하여 조산 및 기타 불리한 임신 결과의 위험을 예측하는 딥 러닝 알고리즘을 개발하는 것을 목표로 합니다.
이 모델은 전통적인 위험 요인과 함께 개인, 생활 방식 및 환경 요인을 고려하여 출산이 일어날 가능성이 가장 높은 임신 임신을 예측합니다.
이는 '만삭', '후기 조산', '중등도 조산', '매우 조산' 및 '극단 조산'으로 분류될 수 있습니다.
|
36개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
공기 질이 조산 위험과 불리한 출산 결과를 어떻게 증가시키는지 예측하는 기계 학습 모델
기간: 42개월
|
이 모델은 또한 환자의 병력 및 현재 임신 내에서 사건의 시간적 순서를 검토하여 중요한 상호 작용을 식별합니다.
출생 체중, 출생 체중 백분위수, 자간전증, 임신 연령에 비해 작은 태아 성장 제한과 같은 기타 불리한 임신 결과도 연구됩니다.
|
42개월
|
공동 작업자 및 조사자
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
추가 관련 MeSH 약관
기타 연구 ID 번호
- 331247
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. .