중증 코로나19 환자에서의 신경망 기반 예측
신경망 기반 위중 코로나19 환자 예측
확립된 예후 점수 체계가 없는 신종 팬데믹 상황에서 딥러닝 접근법을 사용하여 경험적 예후 모델을 신속하게 개발할 수 있습니다.
본 연구는 중환자실 COVID-19 환자의 기계 환기 기간과 사망률을 예측하기 위한 인공 신경망(ANN) 모델을 제시하는 것을 목표로 하였습니다.
방법: 2020년 2월부터 2020년 6월까지 중환자실에서 추적 관찰된 113명의 COVID-19 환자의 의무 기록에서 데이터를 수집하였습니다. ANN 접근법을 사용하여 환자의 임상 데이터(인구통계학적, 검사실, 동반 질환)를 평가하여 COVID-19 환자의 기계 환기 기간과 사망률을 예측하였습니다.
연구 개요
상세 설명
코로나바이러스감염증-19(COVID-19)는 침습적 기계 환기가 필요한 높은 호흡부전률로 인해 중환자실(ICU)에 전례 없는 부담을 초래하였습니다. 장기간 기계 환기 및 사망 위험이 있는 환자를 조기에 식별하는 것은 자원 할당 및 임상적 의사 결정을 최적화하는 데 중요합니다.
이 후향적 코호트 연구는 ICU에 입원한 COVID-19 환자의 기계 환기 기간 및 병원 내 사망률을 예측하기 위한 인공신경망(ANN) 모델을 개발하고 평가하는 것을 목표로 하였습니다.
Gaziantep 대학교 임상연구윤리위원회의 승인(결정 번호: 2024/07, 날짜: 2024년 1월 17일) 후, 2020년 2월 1일부터 2020년 6월 30일까지 ICU에 입원한 113명의 성인 환자 데이터를 후향적으로 분석하였습니다. 인구통계학적 특성, 동반 질환, 활력 징후, 실험실 매개변수, 중증도 점수(예: APACHE, SOFA), 치료 방식 및 임상 결과를 의무 기록에서 추출하였습니다.
인공신경망 모델은 상용 소프트웨어(Alyuda NeuroIntelligence, Alyuda Research Inc., Los Altos, CA, USA)를 사용하여 개발되었습니다. Quick Propagation, Conjugate Gradient Descent, Limited Memory Quasi-Newton, Online Backpropagation 및 Batch Backpropagation을 포함한 여러 훈련 알고리즘이 테스트되었습니다. 모델 성능은 10겹 교차 검증을 사용하여 평가되었습니다. 사망률에 대한 예측 정확도 및 기계 환기 기간에 대한 상관 성능이 계산되었습니다. 비교를 위해 다중 선형 회귀 및 이항 로지스틱 회귀를 포함한 고전적 통계 방법도 수행되었습니다.
주요 목적은 ICU 사망률에 대한 ANN 모델의 예측 성능을 평가하는 것이었습니다. 부차적 목적은 기계 환기 기간 추정에서 ANN 성능을 평가하는 것이었습니다. 이 연구는 헬싱키 선언에 따라 수행되었습니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Gaziantep, 터키 (Türkiye), 27310
- Gaziantep University Hospital
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
연령 ≥ 18세
COVID-19 확진
2020년 2월 1일부터 2020년 6월 30일 사이에 중환자실(ICU) 입원
의무기록에 완전한 임상, 검사 및 결과 데이터 보유
제외 기준:
연령 < 18세
불완전하거나 누락된 임상 데이터
결과 평가 전 타 기관으로 전원
동일 입원 기간 중 중환자실 재입원 (첫 입원만 포함)
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
전체 원인 중환자실 사망률
기간: ICU 입원부터 퇴원 또는 사망까지 (최대 90일)
|
인공 신경망 모델링을 기반으로 인구통계학적, 임상적, 실험실 변수를 사용하여 중환자실에 입원한 COVID-19 환자의 병원 내 사망률(퇴원 상태) 예측
|
ICU 입원부터 퇴원 또는 사망까지 (최대 90일)
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Elzem Sen, Assoc Prof, University of Gaziantep
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
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
- 2024/07
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
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. .