Voorspelling van het risico op drukletsel op de IC met behulp van data mining (ICU)
Voorspelling van het Risico op Decubitus op de Intensive Care: Een Vergelijkende Analyse van Data Mining Algoritmen in een Retrospectieve Cohortstudie van één Centrum
Studie Overzicht
Gedetailleerde beschrijving
Deze observationele studie gebruikt een retrospectief cohortontwerp om de klinische, demografische, laboratorium- en verpleegkundige documentatierecords te analyseren van volwassen intensive care (ICU)-patiënten die zijn opgenomen tussen 10 oktober 2020 en 10 oktober 2025. Het doel van de studie is om factoren te identificeren die geassocieerd zijn met de ontwikkeling van decubitus en om de voorspellende prestaties van meerdere data mining- en machine learning-algoritmen te vergelijken, waaronder logistische regressie, beslissingsbomen, random forest, support vector machines en gradient boosting-modellen.
Gegevensverzameling omvat het doorlopen van gearchiveerde ICU-records, patiëntendossiers en verpleegkundige observatieformulieren. Er worden geen nieuwe gegevens rechtstreeks van patiënten verzameld en er worden geen medische interventies of prospectieve follow-up uitgevoerd. Alle geëxtraheerde gegevens worden volledig geanonimiseerd vóór analyse. De studie wordt uitgevoerd in overeenstemming met ethische principes en is goedgekeurd door de Bolu Abant Izzet Baysal University Non-Interventional Clinical Research Ethics Committee.
Het verwachte resultaat van deze studie is om het meest accurate voorspellende model voor decubitusrisico te identificeren en om klinische besluitvormingsprocessen te ondersteunen door bij te dragen aan vroegtijdige preventiestrategieën op de ICU.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Bolu
-
Bolu, Bolu, Turkije (Türkiye), 14100
- Bolu Izzet Baysal State Hospital
-
Merkez, Bolu, Turkije (Türkiye), 14100
- Bolu Izzet Baysal State Hospital
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Insluitingscriteria
- Patiënten die tussen 10 oktober 2020 en * 10 oktober 2025 opgenomen zijn op de intensive care
- Volwassen patiënten van 18 jaar en ouder
- Opnameduur op de intensive care van minimaal 24 uur
- Beschikbaarheid van complete en toegankelijke elektronische of papieren medische dossiers
Uitsluitingscriteria
- Patiënten jonger dan 18 jaar
- Opnameduur op de intensive care korter dan 24 uur Onvolledige, ontbrekende of inconsistente elektronische of papieren medische dossiers
- Aanwezigheid van een drukletsel gediagnosticeerd voor of op het moment van opname op de intensive care
- Onmogelijkheid om drukletsel-gerelateerde gegevens uit medische dossiers te extraheren
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
ICU-patiëntencohort
Volwassen patiënten die tussen 10 oktober 2020 en 10 oktober 2025 in de intensive care worden opgenomen.
Er worden geen interventies toegepast en alle gegevens worden verkregen uit bestaande medische dossiers.
|
Dit is een retrospectieve observationele studie.
Er zullen geen interventies worden toegepast.
Alle gegevens zullen worden verkregen uit bestaande medische dossiers.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Voorspellingsnauwkeurigheid van drukletselontwikkeling
Tijdsspanne: 10 oktober 2020 tot 10 oktober 2025
|
Het primaire eindpunt is de voorspellende nauwkeurigheid van data mining algoritmen bij het identificeren van het risico op het ontwikkelen van decubitus bij patiënten die opgenomen zijn op de intensive care (IC).
Nauwkeurigheidsmaten zoals de oppervlakte onder de receiver operating characteristic curve (AUC), sensitiviteit, specificiteit, precisie, recall en F1-score worden berekend met behulp van retrospectieve medische dossiergegevens.
|
10 oktober 2020 tot 10 oktober 2025
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Saadet Can Çiçek, Assoc. Prof., PhD, Abant Izzet Baysal University
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
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
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- AIBU-SBF-NSY-2025
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
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 .