AI-aangedreven voorspelling van dialysesuitkomst met EHR
16 april 2025 bijgewerkt door: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Het voorspellen van klinische resultaten bij dialysepatiënten met behulp van elektronische gezondheidsdossiers: een op AI gebaseerde aanpak
Dit is een retrospectief klinisch onderzoek in meerdere centra, ontworpen om de toepassing en effectiviteit van een AI-ondersteund voorspellend model voor de uitkomst van dialysepatiënten te evalueren, waarbij gebruik wordt gemaakt van multimodale gezondheidsgegevens.
Studie Overzicht
Toestand
Werving
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
Deze studie heeft als doel een AI-geassisteerd model te ontwikkelen om klinische resultaten bij dialysepatiënten te voorspellen, gericht op zowel primaire resultaten (bijv. Mortaliteit) als intermediaire uitkomsten (bijv. Bloedarmoede, bloeddruk, voedingsstatus en calciumfosfaatmetabolisme).
De studie zal gebruik maken van de EPD -gegevens van patiënten, waaronder laboratoriumtestresultaten, medische geschiedenis, dialysebehandelingsinformatie en klinische observaties, om deze gezondheidsresultaten te voorspellen.
Het doel is om de vroege identificatie van risicopatiënten te verbeteren, waardoor betere klinische besluitvorming en gepersonaliseerde zorgstrategieën mogelijk zijn.
Studietype
Observationeel
Inschrijving (Geschat)
1000000
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: Fei Liu, MD
- Telefoonnummer: +86 13810512704
- E-mail: liufei_2359@163.com
Studie Locaties
-
-
Beijing
-
Beijing, Beijing, China
- Werving
- General Hospital of PLA
-
Contact:
- Delong Zhao
- Telefoonnummer: +86 13810512704
- E-mail: feiliu0108@gmail.com
-
-
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
De onderzoekspopulatie bestaat uit dialysepatiënten van het China Hemodialyse National Network Center, waaronder een breed scala aan patiënten die een hemodialysebehandeling ondergaan in deelnemende ziekenhuizen in heel China.
Deelnemers worden geselecteerd op basis van de beschikbaarheid van uitgebreide elektronische medische dossiers (EPD), inclusief medische geschiedenis, laboratoriumtestresultaten, details van dialysebehandelingen en klinische observaties.
Het cohort zal zowel mannelijke als vrouwelijke patiënten omvatten, met verschillende graden van gezondheidsstatus, inclusief patiënten met comorbiditeiten die vaak geassocieerd worden met dialyse.
Het onderzoek heeft tot doel deze diverse groep te gebruiken om de uitkomsten met betrekking tot mortaliteit en complicaties bij dialysepatiënten te beoordelen en te voorspellen.
Beschrijving
Inclusiecriteria:
- Patiënten die dialyse (ofwel hemodialyse of peritoneale dialysis) ondergaan, al minstens 3 maanden.
- Volledige en toegankelijke EPD-gegevens, inclusief medische geschiedenis, laboratoriumtestresultaten, details van dialysebehandelingen en klinische observaties.
- Deelnemers moeten geïnformeerde toestemming geven voor het gebruik van hun gezondheidsgegevens voor onderzoeksdoeleinden.
Uitsluitingscriteria:
- Patiënten met onvolledige of ontbrekende kritische EPD -gegevens, waaronder medische geschiedenis, laboratoriumresultaten, dialysegegevens of behandelingsdetails die nodig zijn voor de studie.
- Patiënten die minder dan 3 maanden gedialyseerd zijn, om stabiele gegevens voor de uitkomstvoorspelling te garanderen.
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 |
|---|---|
|
Groep met hoog risico
Deelnemers voorspeld een hoog risico op mortaliteit te hebben op basis van AI-geassisteerde voorspellingsmodellen met behulp van hun EPD-gegevens, waaronder medische geschiedenis, laboratoriumresultaten, dialysebehandelingsdetails en klinische observaties.
|
Deze studie maakt gebruik van een AI-ondersteund voorspellend model dat multimodale gegevens uit elektronische medische dossiers analyseert, waaronder medische geschiedenis, laboratoriumresultaten, details van dialysebehandelingen en klinische observaties, om de resultaten voor dialysepatiënten te voorspellen.
Het model maakt gebruik van diepgaande leeralgoritmen om het sterfterisico en tussenliggende uitkomsten zoals bloedarmoede, controle van de bloeddruk, voeding en calciumfosfaatmetabolisme te voorspellen, en helpt bij het identificeren van vroege tekenen van achteruitgang.
De interventie is geen directe behandeling of procedure, maar heeft tot doel een hulpmiddel te ontwikkelen voor het voorspellen van de uitkomsten van patiënten en het optimaliseren van behandelstrategieën om de algehele gezondheid en overlevingskansen van dialysepatiënten te verbeteren.
|
|
Lage risicogroep
Deelnemers voorspeld een laag risico op sterfte te hebben op basis van het AI-geassisteerde voorspellingsmodel, dat zal worden vergeleken met de risicogroep voor het evalueren van de effectiviteit van vroege interventiestrategieën.
|
Deze studie maakt gebruik van een AI-ondersteund voorspellend model dat multimodale gegevens uit elektronische medische dossiers analyseert, waaronder medische geschiedenis, laboratoriumresultaten, details van dialysebehandelingen en klinische observaties, om de resultaten voor dialysepatiënten te voorspellen.
Het model maakt gebruik van diepgaande leeralgoritmen om het sterfterisico en tussenliggende uitkomsten zoals bloedarmoede, controle van de bloeddruk, voeding en calciumfosfaatmetabolisme te voorspellen, en helpt bij het identificeren van vroege tekenen van achteruitgang.
De interventie is geen directe behandeling of procedure, maar heeft tot doel een hulpmiddel te ontwikkelen voor het voorspellen van de uitkomsten van patiënten en het optimaliseren van behandelstrategieën om de algehele gezondheid en overlevingskansen van dialysepatiënten te verbeteren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid van sterftevoorspellingen
Tijdsspanne: 1 jaar
|
Het vermogen van het AI-ondersteunde voorspellende model om het sterfterisico bij dialysepatiënten nauwkeurig te voorspellen.
De nauwkeurigheid van de voorspelling wordt beoordeeld aan de hand van de Area Under the Curve (AUC), de F1-score en de gevoeligheid/specificiteit.
Het model zal worden geëvalueerd door het voorspelde sterfterisico te vergelijken met de werkelijke uitkomsten (dat wil zeggen of patiënten tijdens de onderzoeksperiode hebben overleefd of overleden).
|
1 jaar
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Complicaties voorspelling nauwkeurigheid
Tijdsspanne: 1 jaar
|
De nauwkeurigheid van het AI-geassisteerde voorspellende model bij het voorspellen van complicaties die vaak worden ervaren door dialysepatiënten, waaronder bloedarmoede, ongecontroleerde bloeddruk, slechte voedingsstatus en afwijkingen in calcium-fosfaatmetabolisme.
De prestaties van het model zullen worden beoordeeld met behulp van metrieken zoals AUC, F1 -score en nauwkeurigheid door voorspelde waarden te vergelijken met werkelijke klinische resultaten, zoals laboratoriumresultaten, klinische diagnoses en de gezondheidstoestand van de patiënt.
|
1 jaar
|
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 (Werkelijk)
1 januari 2023
Primaire voltooiing (Geschat)
1 mei 2025
Studie voltooiing (Geschat)
1 mei 2025
Studieregistratiedata
Eerst ingediend
19 januari 2025
Eerst ingediend dat voldeed aan de QC-criteria
19 januari 2025
Eerst geplaatst (Werkelijk)
24 januari 2025
Updates van studierecords
Laatste update geplaatst (Werkelijk)
17 april 2025
Laatste update ingediend die voldeed aan QC-criteria
16 april 2025
Laatst geverifieerd
1 april 2025
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- Dialysis
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
product vervaardigd in en geëxporteerd uit de V.S.
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 .