Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Een onderzoek met 48 proefpersonen waarbij gebruik werd gemaakt van niet-invasieve multitechnologiemetingen voor vroege detectie van aanhoudende bloedingen

15 december 2021 bijgewerkt door: Norman A. Paradis, Dartmouth-Hitchcock Medical Center

Ontwikkeling van een Multiplex Precision Medicine-systeem voor vroegtijdige waarschuwing van progressie in de richting van shock na trauma: niet-invasieve meting tijdens hepatectomie met lage centrale veneuze druk

Vroegtijdige detectie van een aanhoudende bloeding (OH) vóór het begin van een hemorragische shock is een algemeen erkende grote onvervulde behoefte, en vooral belangrijk na traumatisch letsel. Vertragingen bij de detectie van OH worden in verband gebracht met een "failure to rescue" en een dramatische verslechtering van de prognose zodra het begin van een klinisch openhartige shock is opgetreden. Een vroege waarschuwing voor de aanwezigheid van OH zou talloze levens kunnen redden.

Dit is een onderzoek op één locatie, waarbij 48 patiënten die een leverresectie ondergingen, deelnamen aan een prospectief klinisch onderzoek met "geen significant risico" om: 1) een minimale subset van niet-invasieve meettechnologieën verder te identificeren die nodig zijn voor de gewenste diagnostische prestatie, 2) de prestatie van onze Fase I-algoritme, en 3) het algoritme opnieuw trainen naar een menselijke iteratie van Fase II.

De belangrijkste uitkomstvariabelen zijn niet-invasieve metingen die zullen worden gebruikt voor machine learning, niet voor real-time patiëntbeheer. De gegenereerde gegevens zullen later worden gebruikt voor ontdekking en validatie in traditionele en innovatieve machine learning.

Studie Overzicht

Toestand

Beëindigd

Gedetailleerde beschrijving

Hemorragische shock blijft een belangrijke doodsoorzaak, zowel op het slagveld als in burgergemeenschappen. Vroegtijdige detectie van aanhoudende bloeding vóór progressie naar openlijke shock zou vroegtijdige interventie mogelijk maken. Het wordt algemeen erkend dat de klassieke medische vitale functies slecht presteren tot laat in de progressie naar shock na traumatisch letsel. Momenteel beschikbare technieken, waaronder intermitterende bewaking van vitale functies, laboratoriumanalyse en enkelvoudige meetapparatuur hebben een slechte prestatie voordat klinisch duidelijke fysiologische problemen optreden.

Het algemene doel van dit project is de ontwikkeling van een niet-invasief multitechnologiesysteem voor de vroege detectie van aanhoudende bloedingen. De onderliggende hypothese is dat door deep learning ontwikkelde algoritmen die diagnostische signalen uit meerdere bronnen verkrijgen, beter zullen presteren dan enkelvoudige technologische oplossingen.

Hoewel de belofte van innovatieve niet-invasieve testen veel aandacht heeft gekregen, is de ontwikkeling van effectieve technologieën aan het bed tot nu toe beperkt gebleven en zijn de prestaties ervan teleurstellend. In 2014 verklaarden Kim et al: "Uit de resultaten van deze meta-analyse bleek dat onnauwkeurigheid en onnauwkeurigheid van continue niet-invasieve arteriële drukbewakingsapparaten groter zijn dan wat als acceptabel werd gedefinieerd" en dat niet-invasieve bloeddrukmeting een van de meest volledig ontwikkelde hiervan is. technologieën. Het falen van niet-invasieve technologieën bij de detectie of diagnose van complexe ziektetoestanden is in wezen voltooid. De onderzoekers zijn van mening dat dit falen de beperkingen weerspiegelt van uniplex-systemen (een enkele sensor op een enkele locatie) en patiënt-tot-patiëntvariatie in fysiologische respons. Uniplex-systemen offeren het volledige diagnostische signaal op in anatomisch-temporele patronen, die waarschijnlijk een aanzienlijk onderscheidend vermogen hebben.

Tot op heden bestaat de technologische innovatie in de vroege detectie van aanhoudende bloedingen uit twee brede categorieën: 1) een zoektocht naar een enkele nieuwe meting van weefsel- of orgaanstatus of 2) toepassing van meer geavanceerde wiskundige technieken op basis van machinaal leren en signaalverwerking.

De onderzoekers stellen voor een systeem te ontwikkelen dat state-of-the-art niet-invasieve detectietechnologieën en geavanceerde multivariabele statistische algoritmen combineert. Dit systeem zal vanaf het begin worden ontwikkeld om goedkoop en gemakkelijk toepasbaar te zijn, zelfs in sobere omgevingen.

Om onnodig gebruik van bloedproducten te voorkomen, worden hepatectomieën uitgevoerd met lage centrale veneuze druk (CVP). Dit wordt bereikt door restrictief gebruik van intraveneuze vloeistoffen en soms medicijnen om de centrale veneuze druk te verlagen. Lage centrale veneuze druk tijdens hepatectomie is een uitstekend model voor de ontwikkeling van technologieën zoals de onze en is hiervoor nog niet eerder gebruikt.

Tijdens elke procedure verkrijgen de onderzoekers een volledig geheel van niet-invasieve optische, elektromagnetische en fysiologische impedantiesignalen tijdens de LCVPLR-procedure. Het hierin voorgestelde werk zal deze technologieën evalueren tijdens standaard leverresecties met lage centrale veneuze druk (LCVPLR). Deze gegevens zullen worden gebruikt voor verdere op machine learning gebaseerde algoritme-ontwikkeling. De voorgestelde studie zal een laag risico met zich meebrengen, aangezien de gemeten gegevens niet beschikbaar zullen zijn voor de clinici.

Specifieke doelstellingen:

  1. Evalueer de prestaties van bestaande niet-invasieve detectietechnologieën en multivariabele algoritmen in LCVPLR.
  2. Verkrijg menselijke modeltraining en validatiedatasets tijdens LCVPLR voor verdere verfijning van de algoritmen.

Vermogen en steekproefomvang: de onderzoekers verwachten gegevens te verzamelen van elke ingeschreven proefpersoon. De gegevens die zijn verkregen vóór het begin van de parenchymale doorsnijding zullen worden gebruikt als de "geen bloeding"-controle. Power- en steekproefomvangberekeningen geven aan dat een steekproefomvang van 48 proefpersonen voldoende zou moeten zijn om: 1) de minimale subset van niet-invasieve meettechnologieën verder te identificeren die nodig zijn voor de gewenste diagnostische prestatie, 2) de bestaande algoritmen te valideren, en 3) in eerste instantie een mens te trainen klinische iteratie van de algoritmen, met voldoende nauwkeurigheid (p < 0,05 voor ROC-AUC).

Als een studie met minimaal risico zal er geen verandering zijn in de standaardzorg voor patiënten die een operatie ondergaan. De chirurgische ingrepen en farmacotherapieën zullen doorgaan volgens het standaard klinische management. Ingeschreven patiënten ondergaan standaard preoperatieve, anesthesie en postoperatieve fysiologische monitoring.

Studietype

Observationeel

Inschrijving (Werkelijk)

7

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

    • Ohio
      • Columbus, Ohio, Verenigde Staten, 43210
        • The Ohio State University Comprehensive Cancer Center

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patiënten die een leverresectie ondergaan

Beschrijving

Inclusiecriteria:

  1. Volwassenen van 18 jaar of ouder
  2. Patiënten die een leverresectie ondergaan.
  3. Mogelijkheid om geïnformeerde toestemming te geven.

Uitsluitingscriteria:

  1. Reeds bestaande systemische ziekte, die waarschijnlijk de systemische cardiovasculaire respons op bloeding verandert. Waaronder congestief hartfalen en een versneld hartritme.
  2. Zwanger
  3. Gevangene status

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Niet-invasieve metingen die zullen worden gebruikt voor machine learning
Tijdsspanne: 2-3 uur
Continue golf nabij-infraroodspectroscopie (CW-NIRS)
2-3 uur
Niet-invasieve metingen die zullen worden gebruikt voor machine learning
Tijdsspanne: 2-3 uur
Tomografie met elektrische impedantie
2-3 uur
Niet-invasieve metingen die zullen worden gebruikt voor machine learning
Tijdsspanne: 2-3 uur
Elektrische impedantiespectroscopie
2-3 uur
Niet-invasieve metingen die zullen worden gebruikt voor machine learning
Tijdsspanne: 2-3 uur
Intrathoracale hemodynamische bioreactantiehandtekeningen
2-3 uur

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Onderzoekers

  • Studie directeur: Norman A Paradis, MD, Dartmouth-Hitchcock Medical Center
  • Hoofdonderzoeker: Mary Dillhoff, MD, Ohio State University
  • Hoofdonderzoeker: Ryan Halter, PhD, Dartmouth College
  • Hoofdonderzoeker: Vikrant Vaze, PhD, Dartmouth College
  • Hoofdonderzoeker: Jonathan Elliott, PhD, Dartmouth-Hitchcock Medical Center

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 februari 2021

Primaire voltooiing (Werkelijk)

15 april 2021

Studie voltooiing (Werkelijk)

15 april 2021

Studieregistratiedata

Eerst ingediend

17 maart 2021

Eerst ingediend dat voldeed aan de QC-criteria

23 maart 2021

Eerst geplaatst (Werkelijk)

24 maart 2021

Updates van studierecords

Laatste update geplaatst (Werkelijk)

5 januari 2022

Laatste update ingediend die voldeed aan QC-criteria

15 december 2021

Laatst geverifieerd

1 december 2021

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren