Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy
2026년 8월 8일 업데이트: Sofia De La Villa, Instituto de Investigación Sanitaria Gregorio Marañón
Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy: A Prospective Quasi-Experimental Study
The goal of this quasi-experimental study is to analyze if a Machine Learning Clinical Decision Support System can improve the empirical antibiotic treatment in patients with pneumonia, urinary tract infection and / or sepsis.
The main questions it aims to answer are:
- Primary outcome: clinical success defined as clinical cure (resolution of all signs and symptoms related to infection); no complications until day 30 (recurrence, or development of adverse events- AEs-); no new acquisition of MDROs; and survival at day 30.
- Secondary outcomes: a subgroup analysis of the primary outcome according to the department participants, infectious syndrome, severity of the infection assessed by the SOFA score, and in microbiological confirmed infections. In microbiological confirmed infections, desirability of Outcome Ranking (DOOR) for the Management of Antimicrobial Therapy (MAT) according to the beta-lactam classification
Researchers will compare a pre-intervention group with a post-intervention to see if improve in the DOOR MAT score
Participants in the post-intervention group will:
• Received empirical antibiotic therapy prescribed by their treating physicians according to the machine-learning recommendations
연구 개요
연구 유형
중재적
등록 (추정된)
486
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Sofía De la Villa
- 전화번호: 34912868453
- 이메일: sofiadela.villa@salud.madrid.org
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
설명
Inclusion Criteria:
- Adult patients (aged ≥18 years)
- Admitted to the Nephrology, Oncology or ICU wards
- Diagnosis of sepsis, pneumonia and/or UTI
- Empirical antibiotics prescribed
Exclusion Criteria:
- informed consent obtained > 48 hours since the infection onset
- beta-lactam allergy
- infection syndrome other than sepsis, pneumonia or UTI
- confirmed no-bacterial infection
- death within the first 48 hours of inclusion or imminent risk of death at time of the inclusion
- pregnancy and/or breastfeeding
- inclusion in a clinical trial of antimicrobial treatment
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 치료
- 할당: 무작위화되지 않음
- 중재 모델: 순차적 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
간섭 없음: Pre-interventional
Hospital standard practices for diagnosis and/or treatment applied
|
|
|
실험적: Interventional
Hospital standard practices + use of a CDSS tool
|
iAST® (Pragmatech AI Solutions) is a medical device designed to assist the antibiotic prescription, currently approved by the European Medicines Agency.
It used complex algorithms to accurately predict the most likely recommended antibiotics for providing coverage for specific aerobic bacteria before definitive microbiological results, bacterial identification and antibiotic susceptibility testing, were known
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Clinical success
기간: 30-Day
|
resolution of all signs and symptoms related to infection with no complications and survival
|
30-Day
|
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 (추정된)
2026년 9월 1일
기본 완료 (추정된)
2027년 8월 1일
연구 완료 (추정된)
2027년 9월 1일
연구 등록 날짜
최초 제출
2026년 8월 5일
QC 기준을 충족하는 최초 제출
2026년 8월 8일
처음 게시됨 (실제)
2026년 8월 13일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 8월 13일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 8월 8일
마지막으로 확인됨
2026년 8월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- MICRO.HGUGM.2026-003
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
미정
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
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. .