Machine Learning Miskraambeheer Klinische beslissingsondersteunende toolstudie (MLMM)
Met behulp van machine learning werd een algoritme ontwikkeld om de kans op succes bij een afwachtend of medisch beleid voor een individuele patiënt te bepalen. Rekening houdend met de volgende objectieve maatregelen:
- Demografie: leeftijd van moeder, pariteit
- Geschiedenis: Vorige CS, Vorige SMM/MVA, Vorige Myomectomie
- Dracht door LMP
- Symptomen presenteren: Bloedingsscore, Pijnscore
- USS-metingen: CRL, GS, RPOC 3 dimensies, vasculariteit
- Discrepantie tussen dracht volgens CRL en LMP
Voer een audit uit om 1000 gevallen te verzamelen en kenmerken te identificeren die bijdragen aan een algoritme dat de uitkomst van miskraammanagement kan voorspellen voor geïndividualiseerd casemanagement.
Studie Overzicht
Toestand
Conditie
Gedetailleerde beschrijving
- Wetenschap van ontdekking van kunstmatige intelligentie: ontwikkeling van algoritmen op basis van een retrospectieve audit van ongeveer 1000 gevallen van miskraam
- Om de betrouwbaarheid van de tool te bepalen met testdatasets
- De gevoeligheid en specificiteit van de beslissingshulp vergroten door de gegevensverzameling uit te breiden naar meerdere locaties en het algoritme te testen met prospectieve gegevens
Het onderzoek zal worden uitgevoerd in het Queen Charlotte's en Chelsea Hospital van het Imperial College Healthcare NHS Trusts (primair centrum van het onderzoek).
Dit is een retrospectief cohortobservatieonderzoek in meerdere centra.
Het onderzoek zal over een periode van minimaal drie jaar worden uitgevoerd, zodat er voldoende tijd is om de retrospectieve gegevens door te nemen en testgegevenssets te verzamelen.
Retrospectieve geanonimiseerde gevallen van gemiste miskramen en onvolledige miskramen, beheerd door Imperial College Healthcare NHS Trust, zullen worden geanalyseerd:
Voor elk geval worden de volgende klinische kenmerken en uitkomsten verzameld:
- Demografie: leeftijd van moeder, pariteit
- Geschiedenis: Vorige CS, Vorige SMM/MVA, Vorige Myomectomie
- Dracht door LMP
- Symptomen presenteren: Bloedingsscore, Pijnscore
- USS-metingen: CRL, GS, RPOC 3 dimensies, vasculariteit
- Discrepantie tussen dracht volgens CRL en LMP
Alle gegevens worden achteraf verzameld en geanonimiseerd.
Na de gegevensverzameling zullen machine learning-modellen en methoden voor kenmerkreductie worden toegepast om het best presterende model te bepalen om respectievelijk het succes of falen van de aanstaande of medische behandeling van een miskraam te voorspellen.
De volgende fase omvat een prospectieve audit om gegevens te verzamelen en de voorspellende kracht van het MLM-hulpmiddel voor klinische besluitvorming te testen.
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
London, Verenigd Koninkrijk, W12 0HS
- Werving
- Imperial College Heatlhcare NHS Trust
-
Contact:
- Sughashini Murugesu
- Telefoonnummer: 07988390772
- E-mail: sughashini.murugesu@nhs.net
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Gemiste miskraam en onvolledige miskraam minder dan 14 weken zwangerschap
- Follow-up geregistreerd na 2 weken
Uitsluitingscriteria:
- Gegevens over de definitieve uitkomsten zijn niet beschikbaar
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
Verwachtend management van een miskraam
Cohort dat ervoor koos om op dag 14 een afwachtend beleid van een miskraam, succes of mislukking van de uiteindelijke uitkomst na te streven vanuit de managementkeuze
|
Aanstaande behandeling: Conservatieve behandeling bij een miskraam, waarbij een vervolgbehandeling binnen 2 weken wordt geboekt om te bepalen of er een volledige miskraam heeft plaatsgevonden.
|
|
Medisch beheer van een miskraam
Cohort dat ervoor koos om medische behandeling van een miskraam, succes of falen van de uiteindelijke uitkomst na te streven op dag 14 van de managementkeuze
|
Medisch management: Misoprostol wordt ingenomen om een miskraam in het eerste trimester te behandelen, met een follow-up geboekt binnen 2 weken om te bepalen of er een volledige miskraam heeft plaatsgevonden.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Machine learning voorspellende modelontwikkeling voor de resultaten van miskraambeheer.
Tijdsspanne: Januari 2023 - juni 2024
|
Machine learning voorspellende modelontwikkeling op basis van een retrospectieve audit van ongeveer 1000 gevallen van miskraam.
|
Januari 2023 - juni 2024
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Toekomstige audit om het voorspellende model te testen en te valideren
Tijdsspanne: Juli 2024-juni 2025
|
De gevoeligheid en specificiteit van de beslissingshulp vergroten door de gegevensverzameling uit te breiden naar meerdere sites en het machine learning-model te testen met toekomstige gegevens.
|
Juli 2024-juni 2025
|
Medewerkers en onderzoekers
Sponsor
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 (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
- 23QC8155
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 .
Klinische onderzoeken op Miskraam in het eerste trimester
-
Central Hospital, Nancy, FranceVoltooidAbortus in het eerste trimester | Abortus, tweede trimester
-
Ain Shams Maternity HospitalVoltooid
-
Academisch Medisch Centrum - Universiteit van Amsterdam...VoltooidZwangerschapsbeëindiging tweede trimesterNederland
-
Stanford UniversityVoltooidAbortus, tweede trimesterVerenigde Staten
-
Kanuni Sultan Suleyman Training and Research HospitalVoltooid
-
Kanuni Sultan Suleyman Training and Research HospitalVoltooidAbortus, tweede trimesterKalkoen
-
Gynuity Health ProjectsVoltooidAbortus, eerste trimesterArmenië, Azerbeidzjan
-
Gynuity Health ProjectsVoltooidAbortus, eerste trimesterGeorgië
-
Gynuity Health ProjectsVoltooidAbortus, eerste trimesterArmenië, Azerbeidzjan, Mexico, Puerto Rico
-
University of California, San DiegoVoltooid
Klinische onderzoeken op Verwachtend management van een miskraam in het eerste trimester
-
Haseki Training and Research HospitalActief, niet wervendChromosomale aneuploïdies (bijv. Trisomie 21, trisomie 18, trisomie 13); Prenatale screening nauwkeurigheidTurkije (Türkiye)