Biomarker-verbeterde op kunstmatige intelligentie gebaseerde screeningstool voor pediatrische sepsis
2 september 2025 bijgewerkt door: Ioannis Koutroulis, Computer Technology Associates, Inc.
Op biomarkers gebaseerde, op kunstmatige intelligentie gebaseerde screeningstool voor pediatrische sepsis op weg naar vroege herkenning en gepersonaliseerde therapieën
De algemene doelstelling van dit voorgestelde onderzoek is de afleiding van een biomarker-verbeterde kunstmatige intelligentie (AI)-gebaseerde pediatrische sepsis-screeningtool (PSCT) (software) die kan worden gebruikt in combinatie met het elektronische medische dossier (EHR) van het ziekenhuis om te monitoren en real-time gegevens van de spoedeisende hulp (ED) van elektronische medische dossiers (EPD) beoordelen voor de verbetering van vroege herkenning van sepsis bij kinderen en de start van tijdige, agressieve gepersonaliseerde sepsis-therapie waarvan bekend is dat deze de patiëntresultaten verbetert.
Er wordt verondersteld dat de screeningprestatie (bijv. positieve voorspellende waarde) van het beoogde screeninginstrument aanzienlijk zal worden verbeterd door de opname van een biomarkerpaneltestresultaten (PERSEVERE) waarvan is aangetoond dat ze effectief zijn bij het voorspellen van klinische achteruitgang bij niet- ernstig zieke immuungecompromitteerde pediatrische patiënten geëvalueerd op infectie. Er wordt ook verondersteld dat verbeterde fenotypes kunnen worden afgeleid door PERSEVERE biomarkers te clusteren in combinatie met routinematig verzamelde EPD-gegevens voor verbeterde gepersonaliseerde geneeskunde.
Studie Overzicht
Toestand
Nog niet aan het werven
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Achtergrond en grondgedachte De bestaande geautomatiseerde pediatrische sepsisscreeningtools (PSCT) op basis van consensuscriteria die momenteel worden gebruikt op spoedeisende hulpafdelingen, verbeteren de vroege herkenning niet en/of informeren niet over gepersonaliseerde therapeutische beslissingen die tot betere resultaten leiden. Het Improving Paediatric Sepsis Outcomes (IPSO) -initiatief ontdekte dat door patiënten die een behandeling ondergaan op te nemen, de uitgebreide criteria niet alleen patiënten omvatten die sepsis met orgaandisfunctie (OD) ontwikkelden, maar ook degenen bij wie vroege sepsis werd behandeld met OD die mogelijk werd voorkomen.
Het doel van de voorgestelde inspanning is om een biomarker-verbeterde AI-gebaseerde pediatrische sepsisscreeningtool af te leiden en retrospectief te valideren die kan worden gebruikt om ED EPD-gegevens te screenen om vroege herkenning, ernststratificatie en de tijdige start van gepersonaliseerde sepsistherapie te verbeteren. CTA en haar 6 institutionele partners stellen gezamenlijk voor om twee geanonimiseerde patiëntenregisters op te zetten: 1) het "EHR-data only cohort" (N = 2000) en 2) het "EHR + biomarker data cohort" (N = 400) ter ondersteuning van deze doelstelling.
Ontmoetingsgegevens die uit EPD's moeten worden gehaald om in deze registers te worden opgenomen, omvatten zowel gestructureerde (bijv. tijdgestempelde fysiologische metingen, behandelingen, procedures, resultaten) als vrije tekstnotities.
Gegevensanalyse en vooroordelen Alle onderzoeksgegevens, inclusief fysiologische gegevens uit het EPD van patiënten en resultaten van biomarkerassays, zullen worden geanalyseerd met behulp van een verscheidenheid aan algoritmen en technieken voor machinaal leren om een voorspellend model voor sepsisscreening met hoge precisie te produceren. Analysemethoden omvatten standaard beschrijvende statistische analyse van voorspellende classificatieprestaties (bijv. AUC, gevoeligheid/specificiteit, PPV, enz.).
Studietype
Observationeel
Inschrijving (Geschat)
12961
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studiecontact
- Naam: Ioannis Koutroulis, MD
- Telefoonnummer: 202-476-4177
- E-mail: IKOUTROULI@childrensnational.org
Studie Contact Back-up
- Naam: Carmelo "Tom" E Velez, PhD
- Telefoonnummer: 19495005883
- E-mail: tom.velez@cta.com
Studie Locaties
-
-
District of Columbia
-
Washington D.C., District of Columbia, Verenigde Staten, 20010
- Children's National Hospital
-
Contact:
- Ioannis Koutroulis
-
-
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
3 maanden tot 17 jaar (Kind, Volwassen)
Accepteert gezonde vrijwilligers
Nee
Bemonsteringsmethode
Kanssteekproef
Studie Bevolking
Die pediatrische patiënten die zich op de afdeling spoedeisende hulp presenteren met koorts en/of zorg voor infectie en positief screenen op pediatrische sepsis op basis van het bestaande institutionele screeningprotocol.
Beschrijving
Inclusiecriteria:
Patiënten van 3 maanden tot en met 17 jaar
- Gediagnosticeerd met sepsis door een arts of activeer een sepsiswaarschuwing en er wordt een bloedkweek besteld. Controles zullen vals-positieve patiënten zijn.
- Voor die patiënten die prospectief zullen worden ingeschreven voor bloedafname: een venapunctie of plaatsing van een intraveneuze lijn is vereist.
Uitsluitingscriteria:
- Patiënten die deelnemen aan een onderzoeksprogramma met interventies buiten de dagelijkse klinische praktijk
- Patiënten met ouders of LAR's die geen Engels of Spaans spreken
- Zwangerschap
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
- Observatiemodellen: Case-control
- Tijdsperspectieven: Ander
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Retrospectieve EHR-data Only Group
Leden van deze groep zijn pediatrische patiënten tussen de leeftijd van 3 maanden tot 45 jaar, die gepresenteerd zijn aan een van de spoedeisende hulp van de zes deelnemende instelling tussen de jaren 2016-2021 en positief worden gescreend voor verdenking van sepsis met behulp van het bestaande pediatrische sepsis screening protocol en een bloedcultuur.
Het is bekend dat de huidige pediatrische screening/waarschuwingsgereedschappen zeer gevoelig maar slecht specifiek zijn.
"Gevallen" in dit cohort zullen bestaan uit die welke uiteindelijk worden gediagnosticeerd met sepsis en/of protocoliseerde sepsisbehandeling ontvangen.
"Controles" in dit cohort zijn die met een vals positieve waarschuwing, d.w.z. worden niet gediagnosticeerd met sepsis en ontvangen geen protocoliseerde sepsisbehandeling.
|
Alle deelnemende instellingen gebruiken een algoritmisch, handmatig of gecombineerd algoritmisch/handmatig pediatrisch screeningsprotocol voor sepsis voor patiënten die zich presenteren met koorts en/of een zorg voor infectie.
Hoewel de specifieke parameters die worden getest in screeningtools verschillen, bestaan ze over het algemeen uit tests voor een systemische ontstekingsreactie (bijv.
SIRS) en/of orgaandisfunctie (bijv.
SOFA) en/of hoge gevoeligheid (bijv.
immuungecompromitteerde) factoren.
|
|
Prospectieve EPD en Biomarker Data Group
Leden van deze groep zijn pediatrische patiënten tussen de leeftijd van 3 maanden tot 45 jaar, die gepresenteerd worden aan een van de zesde afdeling spoedeisende hulp tijdens de onderzoeksperiode van de onderzoeksinstelling, screen positief voor verdenking van sepsis met behulp van het bestaande pediatrische sepiather van de instelling van de instelling van de instelling van de instelling van de instelling van de instelling van de instelling van de instelling van het protocol van de bloedcultuur.
Leden van dit cohort zullen ook hebben ingestemd met het hergebruik van hun medische dossiergegevens voor het onderzoek.
Het is bekend dat de huidige pediatrische screening/waarschuwingsgereedschappen zeer gevoelig maar slecht specifiek zijn.
"Gevallen" in dit cohort zullen bestaan uit die welke uiteindelijk worden gediagnosticeerd met sepsis en/of protocoliseerde sepsisbehandeling ontvangen.
"Controles" in dit cohort zijn die met een vals positieve waarschuwing, d.w.z. worden niet gediagnosticeerd met sepsis en ontvangen geen protocoliseerde sepsisbehandeling.
|
Alle deelnemende instellingen gebruiken een algoritmisch, handmatig of gecombineerd algoritmisch/handmatig pediatrisch screeningsprotocol voor sepsis voor patiënten die zich presenteren met koorts en/of een zorg voor infectie.
Hoewel de specifieke parameters die worden getest in screeningtools verschillen, bestaan ze over het algemeen uit tests voor een systemische ontstekingsreactie (bijv.
SIRS) en/of orgaandisfunctie (bijv.
SOFA) en/of hoge gevoeligheid (bijv.
immuungecompromitteerde) factoren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Effectief Expert System-based Pediatric Sepsis Screening Tool (PSCT)
Tijdsspanne: Laatste 3 maanden studieperiode.
|
Gedurende een bruikbaarheidstestperiode, door navolging van de logica van experts in een screeningtool die continu kan worden verbeterd met ervaring, een hoog niveau van ED-workflow-bruikbaarheid bereiken voor verbeterde vroege herkenning van IPSO-sepsis, zoals waargenomen door praktiserende ED-clinici die zich bezighouden met bruikbaarheid testen.
|
Laatste 3 maanden studieperiode.
|
|
Hoogwaardige Expert System-based Pediatric Sepsis Screening Tool (PSCT)
Tijdsspanne: Gebruik van "vroege gegevens" na presentatie aan ED, bijv. na ontvangst van biomarkergegevens binnen de eerste 3 uur na presentatie)
|
Om een goed presterende (bijv. sensitiviteit/specificiteit > 90%, PPV > 40%) PSCT af te leiden om patiënten op de SEH te identificeren die voldoen aan de IPSO-sepsiscriteria met behulp van gegevens over vroege ontmoetingen (bijv.
na ontvangst van biomarkergegevens binnen 1-3 uur na presentatie).
|
Gebruik van "vroege gegevens" na presentatie aan ED, bijv. na ontvangst van biomarkergegevens binnen de eerste 3 uur na presentatie)
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Effectieve fenotypering van sepsis voor gepersonaliseerde behandeling
Tijdsspanne: Functies gebaseerd op 1e 6 uur na presentatie bij patiënten met de diagnose sepsis en gestart met het behandelingsprotocol.
|
Aantonen dat gecombineerde PERSEVERE biomarker- en EPD-gegevens als clusterkenmerken (bijv. Met behulp van latente klasse-analyse) de detectie van klinisch bruikbare prognostische fenotypes verbetert.
|
Functies gebaseerd op 1e 6 uur na presentatie bij patiënten met de diagnose sepsis en gestart met het behandelingsprotocol.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Medewerkers
Onderzoekers
- Studie directeur: Carmelo "Tom" E Velez, PhD, CTA
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
- Goldstein B, Giroir B, Randolph A; International Consensus Conference on Pediatric Sepsis. International pediatric sepsis consensus conference: definitions for sepsis and organ dysfunction in pediatrics. Pediatr Crit Care Med. 2005 Jan;6(1):2-8. doi: 10.1097/01.PCC.0000149131.72248.E6.
- Hajian-Tilaki K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform. 2014 Apr;48:193-204. doi: 10.1016/j.jbi.2014.02.013. Epub 2014 Feb 26.
- Bujang MA, Adnan TH. Requirements for Minimum Sample Size for Sensitivity and Specificity Analysis. J Clin Diagn Res. 2016 Oct;10(10):YE01-YE06. doi: 10.7860/JCDR/2016/18129.8744. Epub 2016 Oct 1.
- Eisenberg M, Madden K, Christianson JR, Melendez E, Harper MB. Performance of an Automated Screening Algorithm for Early Detection of Pediatric Severe Sepsis. Pediatr Crit Care Med. 2019 Dec;20(12):e516-e523. doi: 10.1097/PCC.0000000000002101.
- Eisenberg MA, Freiman E, Capraro A, Madden K, Monuteaux MC, Hudgins J, Harper M. Outcomes of Patients with Sepsis in a Pediatric Emergency Department after Automated Sepsis Screening. J Pediatr. 2021 Aug;235:239-245.e4. doi: 10.1016/j.jpeds.2021.03.053. Epub 2021 Mar 30.
- Iwashyna TJ, Odden A, Rohde J, Bonham C, Kuhn L, Malani P, Chen L, Flanders S. Identifying patients with severe sepsis using administrative claims: patient-level validation of the angus implementation of the international consensus conference definition of severe sepsis. Med Care. 2014 Jun;52(6):e39-43. doi: 10.1097/MLR.0b013e318268ac86.
- Mathias B, Mira JC, Larson SD. Pediatric sepsis. Curr Opin Pediatr. 2016 Jun;28(3):380-7. doi: 10.1097/MOP.0000000000000337.
- Weiss SL, Parker B, Bullock ME, Swartz S, Price C, Wainwright MS, Goodman DM. Defining pediatric sepsis by different criteria: discrepancies in populations and implications for clinical practice. Pediatr Crit Care Med. 2012 Jul;13(4):e219-26. doi: 10.1097/PCC.0b013e31823c98da.
- Scott HF, Brilli RJ, Paul R, Macias CG, Niedner M, Depinet H, Richardson T, Riggs R, Gruhler H, Larsen GY, Huskins WC, Balamuth F; Improving Pediatric Sepsis Outcomes (IPSO) Collaborative Investigators.. Evaluating Pediatric Sepsis Definitions Designed for Electronic Health Record Extraction and Multicenter Quality Improvement. Crit Care Med. 2020 Oct;48(10):e916-e926. doi: 10.1097/CCM.0000000000004505.
- Lippi G. Sepsis biomarkers: past, present and future. Clin Chem Lab Med. 2019 Aug 27;57(9):1281-1283. doi: 10.1515/cclm-2018-1347. No abstract available.
- Marshall JC, Reinhart K; International Sepsis Forum. Biomarkers of sepsis. Crit Care Med. 2009 Jul;37(7):2290-8. doi: 10.1097/CCM.0b013e3181a02afc.
- Patel K, McElvania E. Diagnostic Challenges and Laboratory Considerations for Pediatric Sepsis. J Appl Lab Med. 2019 Jan;3(4):587-600. doi: 10.1373/jalm.2017.025908. Epub 2018 Nov 21.
- Lanziotti VS, Povoa P, Soares M, Silva JR, Barbosa AP, Salluh JI. Use of biomarkers in pediatric sepsis: literature review. Rev Bras Ter Intensiva. 2016 Oct-Dec;28(4):472-482. doi: 10.5935/0103-507X.20160080.
- Wong HR, Salisbury S, Xiao Q, Cvijanovich NZ, Hall M, Allen GL, Thomas NJ, Freishtat RJ, Anas N, Meyer K, Checchia PA, Lin R, Shanley TP, Bigham MT, Sen A, Nowak J, Quasney M, Henricksen JW, Chopra A, Banschbach S, Beckman E, Harmon K, Lahni P, Lindsell CJ. The pediatric sepsis biomarker risk model. Crit Care. 2012 Oct 1;16(5):R174. doi: 10.1186/cc11652.
- Jacobs L, Berrens Z, Stenson EK, Zackoff MW, Danziger LA, Lahni P, Wong HR. The Pediatric Sepsis Biomarker Risk Model (PERSEVERE) Biomarkers Predict Clinical Deterioration and Mortality in Immunocompromised Children Evaluated for Infection. Sci Rep. 2019 Jan 23;9(1):424. doi: 10.1038/s41598-018-36743-z.
- Gardlund B, Dmitrieva NO, Pieper CF, Finfer S, Marshall JC, Taylor Thompson B. Six subphenotypes in septic shock: Latent class analysis of the PROWESS Shock study. J Crit Care. 2018 Oct;47:70-79. doi: 10.1016/j.jcrc.2018.06.012. Epub 2018 Jun 8.
- Williams JB, Ghosh D, Wetzel RC. Applying Machine Learning to Pediatric Critical Care Data. Pediatr Crit Care Med. 2018 Jul;19(7):599-608. doi: 10.1097/PCC.0000000000001567.
- Seymour CW, Kennedy JN, Wang S, Chang CH, Elliott CF, Xu Z, Berry S, Clermont G, Cooper G, Gomez H, Huang DT, Kellum JA, Mi Q, Opal SM, Talisa V, van der Poll T, Visweswaran S, Vodovotz Y, Weiss JC, Yealy DM, Yende S, Angus DC. Derivation, Validation, and Potential Treatment Implications of Novel Clinical Phenotypes for Sepsis. JAMA. 2019 May 28;321(20):2003-2017. doi: 10.1001/jama.2019.5791.
- Sepanski RJ, Godambe SA, Mangum CD, Bovat CS, Zaritsky AL, Shah SH. Designing a pediatric severe sepsis screening tool. Front Pediatr. 2014 Jun 16;2:56. doi: 10.3389/fped.2014.00056. eCollection 2014.
- Sinha P, Calfee CS, Delucchi KL. Practitioner's Guide to Latent Class Analysis: Methodological Considerations and Common Pitfalls. Crit Care Med. 2021 Jan 1;49(1):e63-e79. doi: 10.1097/CCM.0000000000004710.
- Weiss SL, Fitzgerald JC, Balamuth F, Alpern ER, Lavelle J, Chilutti M, Grundmeier R, Nadkarni VM, Thomas NJ. Delayed antimicrobial therapy increases mortality and organ dysfunction duration in pediatric sepsis. Crit Care Med. 2014 Nov;42(11):2409-17. doi: 10.1097/CCM.0000000000000509.
- C. D. Sutton, "Classification and Regression Trees, Bagging, and Boosting," Handb. Stat., vol. 24, pp. 303-329, 2005, doi: 10.1016/S0169-7161(04)24011-1.
- Sinha P, Delucchi KL, Thompson BT, McAuley DF, Matthay MA, Calfee CS; NHLBI ARDS Network. Latent class analysis of ARDS subphenotypes: a secondary analysis of the statins for acutely injured lungs from sepsis (SAILS) study. Intensive Care Med. 2018 Nov;44(11):1859-1869. doi: 10.1007/s00134-018-5378-3. Epub 2018 Oct 5.
- Wiersema R, Jukarainen S, Vaara ST, Poukkanen M, Lakkisto P, Wong H, Linder A, van der Horst ICC, Pettila V. Two subphenotypes of septic acute kidney injury are associated with different 90-day mortality and renal recovery. Crit Care. 2020 Apr 15;24(1):150. doi: 10.1186/s13054-020-02866-x.
- Delucchi K, Famous KR, Ware LB, Parsons PE, Thompson BT, Calfee CS; ARDS Network. Stability of ARDS subphenotypes over time in two randomised controlled trials. Thorax. 2018 May;73(5):439-445. doi: 10.1136/thoraxjnl-2017-211090. Epub 2018 Feb 24.
- Feuillet F, Bellanger L, Hardouin JB, Victorri-Vigneau C, Sebille V. On Comparison of Clustering Methods for Pharmacoepidemiological Data. J Biopharm Stat. 2015;25(4):843-56. doi: 10.1080/10543406.2014.920855.
- Kent P, Jensen RK, Kongsted A. A comparison of three clustering methods for finding subgroups in MRI, SMS or clinical data: SPSS TwoStep Cluster analysis, Latent Gold and SNOB. BMC Med Res Methodol. 2014 Oct 2;14:113. doi: 10.1186/1471-2288-14-113.
- R. Lachman, "Expert systems: A cognitive science perspective," Behav. Res. Methods, Instruments, Comput., 1989, doi: 10.3758/BF03205582.
- L. Medsker, M. Tan, and E. Turban, "Knowledge acquisition from multiple experts: Problems and issues," Expert Syst. Appl., vol. 9, no. 1, pp. 35-40, Jan. 1995, doi: 10.1016/0957-4174(94)00046-X.
- Brewer A, Helfgott MA, Novak J, Schanhals R. An application of cmaps in the description of clinical information structure and logic in electronic health records. Glob Adv Health Med. 2012 Sep;1(4):16-31. doi: 10.7453/gahmj.2012.1.4.003.
- Beglinger B, Rohacek M, Ackermann S, Hertwig R, Karakoumis-Ilsemann J, Boutellier S, Geigy N, Nickel C, Bingisser R. Physician's first clinical impression of emergency department patients with nonspecific complaints is associated with morbidity and mortality. Medicine (Baltimore). 2015 Feb;94(7):e374. doi: 10.1097/MD.0000000000000374.
- R. R. Starr and J. M. Parente De Oliveira, "Concept maps as the first step in an ontology construction method," Inf. Syst., 2013, doi: 10.1016/j.is.2012.05.010.
- R. Matkar and A. Parab, "Ontology based expert systems - replication of human learning," Thinkquest~2010, pp. 43-47, 2011, doi: 10.1007/978-81-8489-989-4_7.
- Yamagata Y, Kozaki K, Imai T, Ohe K, Mizoguchi R. An ontological modeling approach for abnormal states and its application in the medical domain. J Biomed Semantics. 2014 May 21;5:23. doi: 10.1186/2041-1480-5-23. eCollection 2014.
- R. M. RJ Rovetto, "Causality and the ontology of disease," Appl Ontol, vol. 10, no. 2, pp. 79-105, Sep. 2015, doi: 10.3233/ao-150147.
- Bodenreider O. The Unified Medical Language System (UMLS): integrating biomedical terminology. Nucleic Acids Res. 2004 Jan 1;32(Database issue):D267-70. doi: 10.1093/nar/gkh061.
- Ghassemi M, Naumann T, Schulam P, Beam AL, Chen IY, Ranganath R. A Review of Challenges and Opportunities in Machine Learning for Health. AMIA Jt Summits Transl Sci Proc. 2020 May 30;2020:191-200. eCollection 2020.
- Rudin C. Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and Use Interpretable Models Instead. Nat Mach Intell. 2019 May;1(5):206-215. doi: 10.1038/s42256-019-0048-x. Epub 2019 May 13.
- Wong HR, Caldwell JT, Cvijanovich NZ, Weiss SL, Fitzgerald JC, Bigham MT, Jain PN, Schwarz A, Lutfi R, Nowak J, Allen GL, Thomas NJ, Grunwell JR, Baines T, Quasney M, Haileselassie B, Lindsell CJ. Prospective clinical testing and experimental validation of the Pediatric Sepsis Biomarker Risk Model. Sci Transl Med. 2019 Nov 13;11(518):eaax9000. doi: 10.1126/scitranslmed.aax9000.
- Paxton C, Niculescu-Mizil A, Saria S. Developing predictive models using electronic medical records: challenges and pitfalls. AMIA Annu Symp Proc. 2013 Nov 16;2013:1109-15. eCollection 2013.
- Taneja I, Reddy B, Damhorst G, Dave Zhao S, Hassan U, Price Z, Jensen T, Ghonge T, Patel M, Wachspress S, Winter J, Rappleye M, Smith G, Healey R, Ajmal M, Khan M, Patel J, Rawal H, Sarwar R, Soni S, Anwaruddin S, Davis B, Kumar J, White K, Bashir R, Zhu R. Combining Biomarkers with EMR Data to Identify Patients in Different Phases of Sepsis. Sci Rep. 2017 Sep 7;7(1):10800. doi: 10.1038/s41598-017-09766-1.
- Wong A, Otles E, Donnelly JP, Krumm A, McCullough J, DeTroyer-Cooley O, Pestrue J, Phillips M, Konye J, Penoza C, Ghous M, Singh K. External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients. JAMA Intern Med. 2021 Aug 1;181(8):1065-1070. doi: 10.1001/jamainternmed.2021.2626.
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 (Geschat)
1 april 2026
Primaire voltooiing (Geschat)
31 maart 2029
Studie voltooiing (Geschat)
31 maart 2029
Studieregistratiedata
Eerst ingediend
20 maart 2022
Eerst ingediend dat voldeed aan de QC-criteria
31 maart 2022
Eerst geplaatst (Werkelijk)
5 april 2022
Updates van studierecords
Laatste update geplaatst (Geschat)
8 september 2025
Laatste update ingediend die voldeed aan QC-criteria
2 september 2025
Laatst geverifieerd
1 september 2025
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- NIAID 1R41AI167224-01
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 .