VOORSPELLENDE EN GEAVANCEERDE ANALYSE IN DE NOODGENEESKUNDE - NEUROLOGISCHE TEKORTKOMINGEN (PAN-EM-NEURO)
Toekomstige voorspellende modellen in de spoedeisende geneeskunde zullen waarschijnlijk het gebruik van een breed scala aan datapunten combineren, zoals continue documentatie, monitoring met behulp van wearables, beeldvorming, biomarkers en realtime administratieve gegevens van alle betrokken zorgverleners. Daaropvolgende uitgebreide datasets zouden geavanceerde deep learning- en neurale netwerkalgoritmen kunnen voeden om het risico op specifieke gezondheidsproblemen nauwkeurig te voorspellen. Bovendien stuurt voorspellende analyse in de richting van de ontwikkeling van klinische trajecten die adaptief zijn en voortdurend worden bijgewerkt, en waarin de besluitvorming in de gezondheidszorg wordt ondersteund door geavanceerde algoritmen om effectief en veilig de beste handelwijze te bieden. Het potentieel van voorspellende analyses om veel aspecten van de gezondheidszorg radicaal te veranderen, lijkt duidelijk aan de horizon. Informatie over het gebruik in de spoedeisende geneeskunde is schaars.
We willen de prestaties evalueren van het gebruik van routinematige gegevens om het gebruik van hulpbronnen in de spoedeisende geneeskunde te voorspellen met behulp van het veel voorkomende symptoom van acuut neurologisch tekort. Als vooruitzicht zou dit kunnen dienen als prototype voor andere, soortgelijke projecten waarbij routinematige medische gegevens worden gebruikt voor voorspellende analyses in de spoedeisende geneeskunde.
Studie Overzicht
Toestand
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studiecontact
- Naam: Jan Niederdöckl, MD
- Telefoonnummer: 0042 40 400 19640
- E-mail: jan.niederdoeckl@meduniwien.ac.at
Studie Locaties
-
-
-
Vienna, Oostenrijk, 1090
- Werving
- Emergency Department, Medical University Vienna
-
Contact:
- Jan Niederdöckl, Dr.
- E-mail: jan.niederdoeckl@medunwien.ac.at
-
Contact:
- Alexander Simon, Dr.
- E-mail: alexander.simon@medunwien.ac.at
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Retrospectieve analyse van routinematig verzamelde gegevens. We streven ernaar datapatronen te vinden die verband houden met het gebruik van hulpbronnen in het ziekenhuis van patiënten die door medische spoeddiensten in het ziekenhuis zijn opgenomen vanwege een vermoedelijk acuut neurologisch tekort.
Voor dit onderzoek zullen wij uitsluitend informatie uit het routinematige elektronische medische documentatiesysteem gebruiken. Er zal geen koppeling met andere datasets plaatsvinden. Gegevens in het systeem omvatten demografische gegevens van de patiënt, initiële symptomen, preklinische vitale functies en scores, vermoedelijke diagnose door medische hulpdiensten, vitale functies en scores in het ziekenhuis, diagnostische (computertomografie CT, magnetische resonantie beeldvorming MRI) en therapeutische (katheterinterventie) procedures en definitieve diagnose. Zie 'variabelen' voor een volledige set variabelen.
Voor dit onderzoek zal uitsluitend gebruik worden gemaakt van een volledig gepseudonimiseerde dataset.
Beschrijving
Inclusiecriteria:
- Vrouwelijke en mannelijke onderwerpen
- Leeftijd ≥ 18 jaar
Uitsluitingscriteria:
- geen
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorspellingsmodel
Tijdsspanne: 1.1.2025
|
ontwikkeld worden
|
1.1.2025
|
Medewerkers en onderzoekers
Sponsor
Publicaties en nuttige links
Algemene publicaties
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- 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.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Geschat)
Studie voltooiing (Geschat)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Geschat)
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
- EK- Nr. 1738/2022
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
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 .