Voorspellend algoritme voor evaluatie en interventie bij SEpsis (PREVISE)
Voorspelling van ernstige sepsis met behulp van een machine learning-algoritme
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Interventie / Behandeling
Interventie / Behandeling
Studietype
Studietype
Inschrijving (Werkelijk)
Inschrijving
Fase
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
West Virginia
-
Huntington, West Virginia, Verenigde Staten, 25701
- Cabell Huntington Hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Beschrijving
Inclusiecriteria:
- Alle volwassen patiënten die de afdeling spoedeisende hulp bezoeken of worden opgenomen op de deelnemende intensive care-afdelingen (ICU) van het Cabell Huntington Hospital komen in aanmerking.
Uitsluitingscriteria:
- Alle patiënten jonger dan 18 jaar worden uitgesloten.
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Diagnostisch
- Toewijzing: Niet-gerandomiseerd
- Interventioneel model: Faculteitstoewijzing
- Masker: Geen (open label)
Aantal wapens
Wapens en interventies
Deelnemersgroep / ArmDeelnemersgroep / Arm |
Interventie / BehandelingInterventie / Behandeling |
|---|---|
|
Experimenteel: In zicht
Zorgverlener ontvangt een waarschuwing van InSight voor patiënten die neigen naar ernstige sepsis.
Zorgverlener ontvangt ook informatie van de ernstige sepsis-detector in het CHH elektronisch patiëntendossier.
|
Na ontvangst van een InSight-waarschuwing volgt de zorgverlener de standaardpraktijken bij het beoordelen van mogelijke (ernstige) sepsis en dienovereenkomstig ingrijpen.
Bij het ontvangen van informatie van de detector voor ernstige sepsis in het CHH elektronisch patiëntendossier, volgt de zorgverlener de standaardpraktijken bij het beoordelen van mogelijke (ernstige) sepsis en dienovereenkomstig ingrijpen.
|
|
Actieve vergelijker: Zonder inzicht
Zorgverlener ontvangt geen alerts van InSight.
Zorgverlener ontvangt informatie van de ernstige sepsis-detector in het CHH elektronisch patiëntendossier.
|
Bij het ontvangen van informatie van de detector voor ernstige sepsis in het CHH elektronisch patiëntendossier, volgt de zorgverlener de standaardpraktijken bij het beoordelen van mogelijke (ernstige) sepsis en dienovereenkomstig ingrijpen.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Sterfte in het ziekenhuis
Tijdsspanne: Door voltooiing van de studie, gemiddeld 30 dagen
|
Door voltooiing van de studie, gemiddeld 30 dagen
|
Secundaire uitkomstmaten
Secundaire uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Ziekenhuisduur van het verblijf
Tijdsspanne: Door voltooiing van de studie, gemiddeld 30 dagen
|
Door voltooiing van de studie, gemiddeld 30 dagen
|
Andere uitkomstmaten
Andere uitkomstmaten
Uitkomstmaat |
Tijdsspanne |
|---|---|
|
Heropname in het ziekenhuis
Tijdsspanne: Door voltooiing van de studie, gemiddeld 30 dagen
|
Door voltooiing van de studie, gemiddeld 30 dagen
|
|
IC-verblijfsduur
Tijdsspanne: Door voltooiing van de studie, gemiddeld 30 dagen
|
Door voltooiing van de studie, gemiddeld 30 dagen
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Medewerkers
Medewerkers
Onderzoekers
Onderzoekers
- Hoofdonderzoeker: Hoyt Burdick, Cabell Huntington Hospital
Publicaties en nuttige links
Algemene publicaties
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Studie start
Primaire voltooiing (Werkelijk)
Primaire voltooiing
Studie voltooiing (Werkelijk)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
Andere studie-ID-nummers
- 1097090-1
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .