- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT06870851
Het voorspellen van het aantal bloedplaatjes uit visco -elastische tests
Op machine learning gebaseerde voorspelling van bloedplaatjesconcentratie door rotemmetingen
Visco -elastische testen zijn een sterk aanbevolen hoeksteen van moderne coagulatiegeneeskunde, waardoor transfusiebehoeften worden verminderd. Een nadeel van visco -elastische tests is de onmogelijkheid om een definitieve verklaring af te leggen over het aantal bloedplaatjes.
Daarom is het doel van deze retrospectieve observationele studie enerzijds om het aantal bloedplaatjes te voorspellen op basis van standaard rotem-parameters met behulp van verschillende methoden voor machine learning en anderzijds om een laag aantal bloedplaatjes te detecteren (<100000 ml-1 en <50000 ml-1).
Studie Overzicht
Toestand
Conditie
Studietype
Inschrijving (Geschat)
Contacten en locaties
Studie Locaties
-
-
-
Linz, Oostenrijk
- Universitätsklinik für Anästhesie und Intensivmedizin
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Rotem -meting en meting van bloedplaatjestelling binnen 3 uur.
Uitsluitingscriteria:
- onder de 18 jaar
- Meer dan 3 uur tussen ROTEM- en bloedplaatjestellingmeting
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorspelling van de conentratie van bloedplaatjes uit rotemmetingen met behulp van machine learning
Tijdsspanne: Verkregen ROTEM -analyses zijn de basislijn in alle vier centra en patiënten worden opgenomen als bloedplaatjes gelijktijdig binnen drie uur op dezelfde dag werden bepaald.
|
Verschillende technieken voor machine learning voor de voorspelling van de bloedplaatjesconcentratie van ROTEM -parameters (regressiebenadering), namelijk lineaire regressie, willekeurig bos, neuraal netwerk, gradiëntboostmachine (GBM) en adaptieve boosting (ADA) zullen worden beoordeeld.
De kwaliteit van deze voorspellingsmodellen beschrijven, de gemiddelde vierkante fout (MSE), de wortel van het gemiddelde van het kwadraat van fouten (RMSE), de gemiddelde absolute fout (MAE) en de rootgemiddelde kwadratische logaritmische fout (RMSLE) en de bepalingcoëfficiënt (R2) zal worden gebruikt.
|
Verkregen ROTEM -analyses zijn de basislijn in alle vier centra en patiënten worden opgenomen als bloedplaatjes gelijktijdig binnen drie uur op dezelfde dag werden bepaald.
|
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
- plateletprediction
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
product vervaardigd in en geëxporteerd uit de V.S.
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 .