Monitoring en risicovoorspelling van iatrogene sedatieve hypnotica-verslaving in een psychiatrisch ziekenhuis in Shanghai
Iatrogene verslaving aan sedatie in Shanghai
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
Deze studie is een longitudinale analyse van de poliklinische voorschrijfgegevens van psychiatrische ziekenhuizen. Het omvat twee aspecten: 1) Evaluatiemethoden ontwikkelen voor het risico van verslaving aan sedativa en hypnotica in psychiatrische ziekenhuizen; 2) Stel een voorspellend model op voor het risico van iatrogene verslaving aan sedativa-hypnotica.
Stap 1. Exporteer alle informatie over het recept voor sedativa en hypnotica uit het poliklinische medische dossiersysteem van het Shanghai Psychiatric Hospital.
Het gegevensbereik loopt van 1 januari 2019 tot 31 december 2020. De gegevensitems die moeten worden geëxporteerd, zijn onder meer: patiëntidentificatie-informatie, geslacht, leeftijd, diagnose, naam van het voorgeschreven medicijn, methode van medicijngebruik, totale dosis, tijd en het artsnummer van het recept. Genereer een uniek patiëntnummer op basis van identificatie-informatie (zoals ID-nummer) en voeg alle receptinformatie en elektronische medische dossiers van dezelfde patiënt tijdens de onderzoeksperiode samen.
Stap 2. Identificeer patiënten die het risico lopen verslaafd te raken aan kalmerende hypnotica. Deze studie definieert het risico van verslaving aan sedativa en hypnotica wanneer de poliklinische patiënten "dubbele off-label voorschriften" lijken te hebben. De standaard van "dubbele off-label voorschriften" is: de hoogste dagelijkse gemiddelde dosis van voorschriften verkregen door patiënten> 60 mg diazepam-equivalent milligram, en het aantal opeenvolgende receptdagen> 120 dagen. Markeer eerst of de patiënt tijdens de onderzoeksperiode een voorschrift heeft dat het specificatiebereik overschrijdt (over indicatie, over dagelijks dosisbereik, over behandelingskuur). Ten tweede wordt de analysedataset verder geconverteerd en gelabeld, inclusief: alle benzodiazepinedoses worden omgezet in diazepam-equivalenten volgens de "Benzazepine Dose Conversion Table". Bereken de "gemiddelde dagelijkse receptdosis" voor elke patiënt: tel de recepten van benzodiazepines op om het totale recept te krijgen en deel door het aantal dagen om de gemiddelde dagelijkse receptdosis te krijgen. Bereken ten slotte de maandelijkse of jaarlijkse gevallen of het aandeel van "dubbele off-label voorschriften" patiënten die het risico lopen verslaafd te raken aan sedativa en hypnotica.
Stap 3. Stel een risicovoorspellingsmodel op voor iatrogene verslaving aan sedativa en hypnotica in psychiatrische ziekenhuizen.
Gebruik correlatieanalyse of machine learning-methoden om het vormingstraject van het "dubbel off-label" patroon van sedatieve hypnotische voorschriften te onderzoeken en bouw een voorspellend model dat de vorming van het "dubbel off-label" patroon kan voorspellen. Gebruik een subset van receptgegevens om patiënten met de status "dubbel off-label" te identificeren en evalueer en bekijk ze vervolgens om de verslavingsstatus van sedativa en hypnotica te bevestigen. Gebruik de validatiesubset om het voorspellingsmodel voor verslavingsrisico's te verifiëren en te verbeteren op basis van de trainingsgegevensset.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
ambulant
Patiënten die een psychiatrisch ziekenhuis bezoeken
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorschrift van de polikliniek
Tijdsspanne: Gegevens van 1 januari 2019 tot 31 december 2020
|
Het onderzoeksobject is de poliklinische receptinformatie van elk onafhankelijk jaar (2019, 2020) van elk ziekenhuis (4 ziekenhuizen), waaronder: patiëntidentificatie-informatie, geslacht, leeftijd, diagnose, naam van het voorgeschreven medicijn, methode van drugsgebruik, totale dosis, tijd, En het doktersnummer van het voorschrift.
Genereer een uniek patiëntnummer op basis van identificatie-informatie (zoals ID-nummer) en voeg alle receptinformatie en elektronische medische dossiers van dezelfde patiënt tijdens de onderzoeksperiode samen.
En markeer of de patiënt een voorschrift heeft dat het specificatiebereik overschrijdt (over indicatie, over dagelijks dosisbereik, over behandelingskuur) tijdens de onderzoeksperiode.
|
Gegevens van 1 januari 2019 tot 31 december 2020
|
Medewerkers en onderzoekers
Sponsor
Studie record data
Bestudeer belangrijke data
Studie start (Verwacht)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- HFJiang-005
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .