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

Gebruik van kunstmatige intelligentie (AI) om klinische resultaten te voorspellen bij patiënten die tijdens de vier pandemiegolven in het ziekenhuis zijn opgenomen vanwege COVID19-longontsteking (AI COVID-19)

22 mei 2024 bijgewerkt door: Stefania Piconi, Azienda Ospedaliera di Lecco

Gebruik van kunstmatige intelligentie (AI) voor de voorspelling van klinische resultaten zoals overlijden en complicaties bij patiënten die in het ziekenhuis zijn opgenomen vanwege COVID-longontsteking tijdens de vier pandemiegolven bij de ASST van Lecco.

Voorspellende modellen kunnen op verschillende gebieden worden toegepast tijdens de noodsituatie van de COVID-19-pandemie. Ze zijn zelfs belangrijk gebleken bij het ondersteunen van gezondheidszorgsystemen bij het plannen van strategische beslissingen en bij het formuleren van gezondheidsbeleid voor de beheersing van de ziekte.

Vooral de Covid-19-pandemie vormt een echte uitdaging voor ons gezondheidszorgsysteem. In Italië was het verdeeld in vier hoofdgolven, elk gekenmerkt door verschillende soorten patiënten en verschillende therapeutische benaderingen die geleidelijk werden verbeterd op basis van nieuw wetenschappelijk bewijs.

Het doel is om een ​​onderzoek uit te voeren naar de gegevens van patiënten die vanwege COVID-19 in het ASST van Lecco zijn opgenomen tijdens alle vier pandemische golven, met verschillende graden van ernst van de ziekte, waarbij de relevante gegevens worden verzameld en toegepast op het gebruik van kunstmatige intelligentie. om terugkerende patronen van klinische uitkomsten in termen van overleving en secundaire infectieuze complicaties te identificeren, om zo nieuwe betrouwbare voorspellende statistische modellen te bouwen die kunnen worden gebruikt om de uitkomst van de patiënten zelf te voorspellen.

De sterke ambitie van dit project is dat de toepassing van kunstmatige intelligentie op gegevens van zo'n aanzienlijke hoeveelheid ons in staat kan stellen valide statistische modellen te bouwen die vervolgens hypothetisch kunnen worden toegepast op elke patiënt om, op basis van anamnestische kenmerken, bloedchemische parameters te voorspellen. bij baseline en bij de ingestelde behandeling, de kans op overleving en complicaties

Studie Overzicht

Toestand

Nog niet aan het werven

Studietype

Observationeel

Inschrijving (Geschat)

5000

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

Studie Contact Back-up

Studie Locaties

      • Lecco, Italië, 23900
        • Stefania Piconi

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Voor elke patiënt wordt informatie verzameld over:

  • Persoonlijke gegevens (bijv. leeftijd, geslacht, nationaliteit);
  • Datum van ziekenhuisopname en ontslag (of overlijden)
  • Comorbiditeiten;
  • Behandelingen ondernomen voor Covid19;
  • Eventuele vaccinatie tegen Covid19, datum en aantal doses;
  • Mogelijk begin van secundaire infecties en/of complicaties;
  • Bloedonderzoek bij opname

Beschrijving

Inclusiecriteria:

  • Leeftijd > 18 jaar;
  • Ziekenhuisopname wegens COVID-19-longontsteking bij ASST Lecco.

Uitsluitingscriteria:

  • Ziekenhuisopname of constatering van een asymptomatische SARS CoV-2-infectie.

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

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
COVID-19 1° golf
Ziekenhuispatiënten voor COVID19-longontsteking tijdens de eerste golf (FEB-MEI 2020)
Gebruik van kunstmatige intelligentie (AI) voor het voorspellen van klinische uitkomsten zoals overlijden en complicaties bij patiënten die tijdens de vier pandemiegolven in het ziekenhuis zijn opgenomen vanwege COVID-longontsteking
COVID-19 2° golf
Ziekenhuispatiënten voor COVID19-longontsteking tijdens de tweede golf (OKT-DEC 2020)
Gebruik van kunstmatige intelligentie (AI) voor het voorspellen van klinische uitkomsten zoals overlijden en complicaties bij patiënten die tijdens de vier pandemiegolven in het ziekenhuis zijn opgenomen vanwege COVID-longontsteking
COVID-19 3° golf
Ziekenhuispatiënten voor COVID19-longontsteking tijdens de derde golf (GEN-MEI 2021)
Gebruik van kunstmatige intelligentie (AI) voor het voorspellen van klinische uitkomsten zoals overlijden en complicaties bij patiënten die tijdens de vier pandemiegolven in het ziekenhuis zijn opgenomen vanwege COVID-longontsteking
COVID-19 4° golf
Ziekenhuispatiënten voor COVID19-longontsteking tijdens de vierde golf (NOV 2021-MAR 2022)
Gebruik van kunstmatige intelligentie (AI) voor het voorspellen van klinische uitkomsten zoals overlijden en complicaties bij patiënten die tijdens de vier pandemiegolven in het ziekenhuis zijn opgenomen vanwege COVID-longontsteking

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Constructie van voorspellende modellen
Tijdsspanne: 6 maanden
Constructie van voorspellende modellen om klinische uitkomsten zoals overlijden en/of het ontstaan ​​van secundaire infecties te evalueren op basis van de verzamelde gegevens met betrekking tot de 4 COVID-19-golven.
6 maanden

Medewerkers en onderzoekers

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

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 juni 2024

Primaire voltooiing (Geschat)

1 september 2024

Studie voltooiing (Geschat)

31 december 2024

Studieregistratiedata

Eerst ingediend

21 mei 2024

Eerst ingediend dat voldeed aan de QC-criteria

21 mei 2024

Eerst geplaatst (Werkelijk)

22 mei 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

23 mei 2024

Laatste update ingediend die voldeed aan QC-criteria

22 mei 2024

Laatst geverifieerd

1 mei 2024

Meer informatie

Termen gerelateerd aan deze studie

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 .

Klinische onderzoeken op Covid-19-pandemie

3
Abonneren