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

EHR을 통한 AI 기반 병원 감염 예측

2025년 4월 16일 업데이트: Kang Zhang, The Eye Hospital of Wenzhou Medical University

전자 건강 기록을 사용한 병원 획득 감염 예측 : AI-ASSISTED 접근

이것은 다중 중심의 후 향적 임상 연구로, 다중 모드 건강 데이터를 활용하고 감염을 식별하고 진단하기위한 AI 지원 예측 모델의 적용 및 효과를 평가하기 위해 고안된 후 향적 임상 연구입니다.

연구 개요

상태

모병

정황

개입 / 치료

상세 설명

병원 획득 감염 (HAI)은 의료 환경에서 이환율과 사망률의 중요한 원인입니다. HAI의 조기 식별 및 예방은 환자 결과를 개선하고 의료 비용을 줄이며 감염 확산을 예방하는 데 중요합니다. 임상 실습에서 의료 서비스 제공자는 종종 감염 위험을 평가하고 HAI를 예방하기 위해 병력, 실험실 검사 결과, 약물 사용, 수술 절차 및 임상 관찰을 포함한 광범위한 환자 데이터를 통합해야합니다. 감염 제어 및 정밀 의학이 점점 더 중요 해짐에 따라, 특히 미묘하거나 무증상 위험 요인이있는 환자의 감염을 예측하고 예방하는 데 어려움이 남아 있습니다. 인공 지능 및 데이터 분석 기술의 최근 발전은 감염 예측 및 예방의 정확성과 효율성을 향상시키는 데 큰 가능성을 보여 주었다. 이 연구는 전자 건강 기록, 실험실 결과, 임상 관찰 및 환자 인구 통계의 멀티 모달 데이터를 통합하여 AI 지원 의사 결정 시스템을 개발하는 것을 목표로합니다. 목적은 HAI에 대한 위험에 처한 환자의 조기 식별을 향상시키고, 임상 워크 플로우를 간소화하며, 감염 통제 조치를 최적화하는 것입니다. 궁극적 으로이 시스템은 병원 획득 감염의 발생률을 줄이고 환자 안전을 향상 시키며 전반적인 의료 품질을 향상 시키려고합니다.

연구 유형

관찰

등록 (추정된)

1000000

연락처 및 위치

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

연구 연락처

연구 장소

  • 중국
    • Zhejiang
      • Wenzhou, Zhejiang, 중국
        • 모병
        • First Affiliated Hospital of Wenzhou Medical University
        • 연락하다:
      • Wenzhou, Zhejiang, 중국
        • 모병
        • Second Affiliated Hospital of Wenzhou Medical University
        • 연락하다:

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

예

샘플링 방법

비확률 샘플

연구 인구

연구 집단은 참여 연구 센터에서 치료를 받은 개인으로 구성됩니다. 참가자는 병력, 실험실 테스트 결과, 치료 데이터 및 임상 관찰을 포함하여 포괄적인 전자 건강 기록(EHR)을 보유해야 합니다. 병원 획득 감염(HAI)이 발생한 개인과 그렇지 않은 개인 모두가 연구에 포함되어 감염 위험에 대한 AI 지원 모델의 예측 기능을 평가합니다. 이 연구는 참여 센터의 완전하고 문서화된 진료 기록을 보유한 환자에 초점을 맞춰 다양한 연령대와 감염 유형에 대한 분석을 위한 다양한 코호트를 보장합니다.

설명

포함 기준 :

  1. 병력, 실험실 테스트 결과, 치료 요법, 임상 관찰 및 감염 이력을 포함하여 완전하고 접근 가능한 EHR 데이터를 가진 환자.
  2. 연구 기간 동안 참여 병원 또는 의료 시설에 입원한 환자.
  3. 모든 참가자는 연구 목적으로 건강 데이터를 사용하기 위해 사전 동의를 제공해야합니다.

제외 기준:

  1. 감염 예측에 필요한 실험실 결과, 병력 또는 치료 세부 사항과 같은 중요한 EHR 데이터가 불완전하거나 누락 된 환자.
  2. 심각한 인지 장애, 치매 또는 사전 동의를 제공하거나 연구에 참여할 수 없는 상태를 가진 환자.
  3. 연구 기간 동안 병원에 입원하지 않았거나 외래 환자 치료 만받는 환자.
  4. 감염 예측이 연구의 임상 목표에 적용되지 않을 수 있는 말기 질환을 가진 환자.

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
병원 획득 감염 코호트
이 그룹은 입원 기간 동안 병원 획득 감염(HAI)이 발생한 환자로 구성됩니다. 이 코호트의 참가자는 병원 감염으로 이어지는 위험 요인을 식별하는 데 있어 AI 지원 예측 모델의 효과를 평가하는 데 사용됩니다. 이 모델은 입원 환자의 감염 위험 예측 정확도를 기반으로 평가됩니다. 기존 병원 감염 관리 관행을 넘어서는 이 코호트의 일부로 특정 개입이 제공되지 않습니다.
진단 검사: AI 기반 진단 및 예후 모델
이 중재에는 환자 병력, 실험실 검사 결과, 임상 관찰 및 치료 데이터를 포함한 멀티 모달 데이터를 통합하여 병원 획득 감염 (HAI)의 위험을 예측하는 AI 시스템이 포함됩니다. 이 시스템은 딥 러닝 알고리즘을 사용하여 실시간의 정확한 예측을 제공하여 감염 위험이있는 환자를 조기에 식별 할 수 있습니다. 이 모델은 역사적 건강 데이터를 분석함으로써 잠재적 인 감염 개발을 예측하고, 조기 탐지, 예방 전략 및 병원 환경에서 환자 결과를 개선하는 것을 목표로합니다.
건강한 코호트(HAI 없음)
이 그룹은 입원 기간 동안 병원 획득 감염을 겪지 않은 환자로 구성됩니다. 이 코호트의 참가자는 실험 그룹과 비교하기위한 대조군 역할을합니다. AI 지원 모델은 감염이 발생할 위험이있는 환자와 입원 중에 감염이없는 환자를 구별 할 수있는 능력에 대해 평가 될 것입니다. 감염 관련 합병증이없는 환자를 나타내 므로이 코호트의 일부로 중재는 제공되지 않습니다.
진단 검사: AI 기반 진단 및 예후 모델
이 중재에는 환자 병력, 실험실 검사 결과, 임상 관찰 및 치료 데이터를 포함한 멀티 모달 데이터를 통합하여 병원 획득 감염 (HAI)의 위험을 예측하는 AI 시스템이 포함됩니다. 이 시스템은 딥 러닝 알고리즘을 사용하여 실시간의 정확한 예측을 제공하여 감염 위험이있는 환자를 조기에 식별 할 수 있습니다. 이 모델은 역사적 건강 데이터를 분석함으로써 잠재적 인 감염 개발을 예측하고, 조기 탐지, 예방 전략 및 병원 환경에서 환자 결과를 개선하는 것을 목표로합니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
곡선 아래 면적(AUC)
기간: 1년
ROC 곡선의 AUC는 진단 정확도를 정량화하는 데 사용됩니다. 단위 (비율 또는 백분율, 일반적으로 0과 1 사이의 숫자로 표현됨).
1년
F1 점수
기간: 1년
F1 점수는 정밀도와 감도의 고조파 평균입니다 (리콜). 특히 클래스가 불균형 한 경우 (예 : 건강한 사례의 수가 질병 사례보다 훨씬 높은 경우), 진정한 긍정을 식별하고 허위 양성을 최소화하는 모델의 능력을 잘 측정합니다. F1 점수는 0에서 1까지이며 1은 완벽한 정밀도와 리콜을 나타냅니다.
1년

2차 결과 측정

결과 측정
측정값 설명
기간
민감도(진양성률)
기간: 1 년
민감도는 AI 모델이 합병증을 가진 임산부를 올바르게 진단하거나 신생아 장애를 식별하는 등 실제 긍정적 인 사례를 얼마나 잘 식별하는지를 측정합니다.
1 년
특이성 (진정한 음수)
기간: 1 년
특이성은 AI 모델이 질병없이 사례를 올바르게 식별하는 능력을 측정하여 건강한 어머니와 영아가 부정적인 것으로 정확하게 식별되도록합니다.
1 년

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

The Eye Hospital of Wenzhou Medical University

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)

2023년 2월 1일

기본 완료 (추정된)

2025년 5월 1일

연구 완료 (추정된)

2025년 5월 1일

연구 등록 날짜

최초 제출

2025년 1월 19일

QC 기준을 충족하는 최초 제출

2025년 1월 19일

처음 게시됨 (실제)

2025년 1월 24일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2025년 4월 17일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 4월 16일

마지막으로 확인됨

2025년 4월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • Hospital-Acquired Infections

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

미국에서 제조되어 미국에서 수출되는 제품

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