EHR을 통한 AI 기반 투석 결과 예측
2025년 4월 16일 업데이트: Kang Zhang, The Eye Hospital of Wenzhou Medical University
전자 건강 기록을 활용한 투석 환자의 임상 결과 예측: AI 기반 접근 방식
이는 다양한 건강 데이터를 활용하여 투석 환자의 결과에 대한 AI 지원 예측 모델의 적용 및 효과를 평가하기 위해 설계된 다기관 후향적 임상 연구입니다.
연구 개요
상세 설명
이 연구는 투석 환자의 임상 결과를 예측하기 위해 AI-assisted 모델을 개발하는 것을 목표로하며, 일차 결과 (예 : 사망률) 및 중간 결과 (예 : 빈혈, 혈압, 영양 상태 및 칼슘-포스페이트 대사)에 중점을 둡니다.
이 연구는 이러한 건강 결과를 예측하기 위해 실험실 테스트 결과, 병력, 투석 치료 정보 및 임상 관찰을 포함한 환자의 EHR 데이터를 활용합니다.
목표는 위험에 처한 환자의 조기 식별을 개선하여 더 나은 임상 의사 결정 및 개인 치료 전략을 가능하게하는 것입니다.
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
- 이름: Fei Liu, MD
- 전화번호: +86 13810512704
- 이메일: liufei_2359@163.com
연구 장소
-
-
Beijing
-
Beijing, Beijing, 중국
- 모병
- General Hospital of PLA
-
연락하다:
- Delong Zhao
- 전화번호: +86 13810512704
- 이메일: feiliu0108@gmail.com
-
-
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
연구 인구는 중국 전역의 참여 병원에서 혈액 투석 치료를받는 광범위한 환자를 포함하여 China Hemodiallysis National Network Center의 투석 환자로 구성됩니다.
참가자는 병력, 실험실 검사 결과, 투석 치료 세부 사항 및 임상 관찰을 포함하여 포괄적 인 전자 건강 기록 (EHR)의 가용성에 따라 선정됩니다.
코호트에는 수컷과 여성 환자 모두가 포함 된 남성 및 여성 환자 모두가 일반적으로 투석과 관련된 동반 질환을 포함하여 다양한 정도의 건강 상태를 포함합니다.
이 연구는이 다양한 그룹을 활용하여 투석 환자의 사망률 및 합병증과 관련된 결과를 평가하고 예측하는 것을 목표로합니다.
설명
포함 기준 :
- 투석을 겪은 환자 (혈액 투석 또는 복막 투석)는 최소 3 개월 동안.
- 병력, 실험실 테스트 결과, 투석 치료 세부 사항 및 임상 관찰을 포함한 완전하고 접근 가능한 EHR 데이터.
- 참가자는 연구 목적으로 건강 데이터 사용에 대한 사전 동의를 제공해야합니다.
제외 기준:
- 병력, 실험실 결과, 투석 데이터 또는 연구에 필요한 치료 세부사항을 포함하여 중요한 EHR 데이터가 불완전하거나 누락된 환자.
- 결과 예측을 위한 안정적인 데이터를 보장하기 위해 투석을 받은 지 3개월 미만인 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 |
|---|---|
|
고위험 그룹
참가자는 병력, 실험실 결과, 투석 치료 세부 사항 및 임상 관찰을 포함하여 EHR 데이터를 사용하여 AI 지원 예측 모델을 기반으로 사망률이 높을 것으로 예상했습니다.
|
이 연구는 투석 환자에 대한 결과를 예측하기 위해 병력, 실험실 결과, 투석 치료 세부 사항 및 임상 관찰을 포함하여 전자 건강 기록의 다중 모달 데이터를 분석하는 AI-ASSISTED 예측 모델을 사용합니다.
이 모델은 딥 러닝 알고리즘을 사용하여 사망 위험, 빈혈, 혈압 조절, 영양 및 칼슘-포스페이트 대사와 같은 중간 결과를 예측하고 조기 악화 징후를 식별하는 데 도움이됩니다.
개입은 직접적인 치료 나 절차는 아니지만 환자 결과를 예측하고 투석 환자의 전반적인 건강 및 생존율을 향상시키기위한 치료 전략을 최적화하기위한 도구를 개발하는 것을 목표로합니다.
|
|
저 위험 그룹
참가자들은 AI-지원 예측 모델을 기반으로 사망률이 낮을 것으로 예상되는데, 이는 조기 중재 전략의 효과를 평가하기 위해 고위험 그룹과 비교 될 것입니다.
|
이 연구는 투석 환자에 대한 결과를 예측하기 위해 병력, 실험실 결과, 투석 치료 세부 사항 및 임상 관찰을 포함하여 전자 건강 기록의 다중 모달 데이터를 분석하는 AI-ASSISTED 예측 모델을 사용합니다.
이 모델은 딥 러닝 알고리즘을 사용하여 사망 위험, 빈혈, 혈압 조절, 영양 및 칼슘-포스페이트 대사와 같은 중간 결과를 예측하고 조기 악화 징후를 식별하는 데 도움이됩니다.
개입은 직접적인 치료 나 절차는 아니지만 환자 결과를 예측하고 투석 환자의 전반적인 건강 및 생존율을 향상시키기위한 치료 전략을 최적화하기위한 도구를 개발하는 것을 목표로합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
사망률 예측 정확도
기간: 1 년
|
투석 환자의 사망 위험을 정확하게 예측하는 AI 지원 예측 모델의 능력.
예측 정확도는 AUC(곡선 아래 면적), F1 점수 및 민감도/특이성을 사용하여 평가됩니다.
모델은 예측된 사망 위험을 실제 결과(즉, 연구 기간 동안 환자의 생존 또는 사망 여부)와 비교하여 평가됩니다.
|
1 년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
합병증 예측 정확도
기간: 1년
|
빈혈, 제어되지 않은 혈압, 영양 상태가 좋지 않은 및 칼슘-포스페이트 대사의 이상을 포함한 투석 환자가 일반적으로 경험하는 합병증을 예측할 때 AI 지원 예측 모델의 정확성.
모델의 성능은 AUC, F1 점수 및 정확도와 같은 메트릭을 사용하여 예측 된 값을 실험실 결과, 임상 진단 및 환자 건강 상태와 같은 실제 임상 결과와 비교하여 정확도를 사용하여 평가됩니다.
|
1년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
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 1월 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 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. .