- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT07493798
Voorspelling van Serumkalium met Machine Learning en Enkele-leads ECG
21 maart 2026 bijgewerkt door: David Levine, Brigham and Women's Hospital
Dit is een retrospectieve studie die gebruikmaakt van gegevens uit de database van het Brigham and Women's Hospital Home Hospital Program.
Sociodemografische en klinische gegevens uit een trainingscohort werden gebruikt om een machine learning-algoritme te trainen om het bloedkaliumgehalte gedurende de opname van een patiënt te voorspellen.
Dit algoritme werd vervolgens gevalideerd in een validatiecohort.
Studie Overzicht
Toestand
Ingetrokken
Conditie
Interventie / Behandeling
Studietype
Observationeel
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
Massachusetts
-
Boston, Massachusetts, Verenigde Staten, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Verenigde Staten, 02130
- Brigham and Women's Faulkner Hospital
-
-
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
Patiënten opgenomen in Brigham and Women's Hospital en Brigham and Women's Faulkner Hospital die voldoen aan de vereisten voor primaire diagnose, leeftijd en wonen binnen 5 mijl en zijn ingeschreven in home hospital.
Beschrijving
Was een deelnemer in de Brigham and Women's Home Hospital studie en heeft een voltooid dossier in de databank van de studie.
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 |
|---|---|
|
Opleiding
Een subset van patiënten die worden gebruikt om het machine learning-algoritme te trainen.
|
Pas een machine learning-algoritme toe om het kaliumgehalte van een patiënt te schatten.
|
|
Geldigmaking
Een subset van patiënten die "teruggehouden" worden en gebruikt worden om de nauwkeurigheid van het algoritme te valideren.
|
Pas een machine learning-algoritme toe om het kaliumgehalte van een patiënt te schatten.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Serumkaliumconcentratie
Tijdsspanne: Van opnamedatum tot ontslagdatum, gedurende de studie voltooiing gemiddeld 7 dagen.
|
Serumkalium, gemeten in millimol per liter
|
Van opnamedatum tot ontslagdatum, gedurende de studie voltooiing gemiddeld 7 dagen.
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Hyperkaliëmie
Tijdsspanne: Van de datum van opname tot de datum van ontslag, door middel van studie voltooiing gemiddeld 7 dagen.
|
Serumkalium hoger dan 5,1 millimol per liter
|
Van de datum van opname tot de datum van ontslag, door middel van studie voltooiing gemiddeld 7 dagen.
|
|
Hypokaliëmie
Tijdsspanne: Van de datum van opname tot de datum van ontslag, door studievoltooiing gemiddeld 7 dagen.
|
Serum kalium minder dan 3,4 millimol per liter
|
Van de datum van opname tot de datum van ontslag, door studievoltooiing gemiddeld 7 dagen.
|
|
Normokaliëmie
Tijdsspanne: Van opnamedatum tot ontslagdatum, door studievoltooiing gemiddeld 7 dagen.
|
Serumkalium tussen 3,4 en 5,1 millimol per liter
|
Van opnamedatum tot ontslagdatum, door studievoltooiing gemiddeld 7 dagen.
|
|
Serumkalium minder dan versus groter dan of gelijk aan 4 millimol per liter
Tijdsspanne: Van opnamedatum tot ontslagdatum, door studievoltooiing gemiddeld 7 dagen.
|
Serumkalium daalt tot minder dan versus groter dan of gelijk aan 4 millimol per liter
|
Van opnamedatum tot ontslagdatum, door studievoltooiing gemiddeld 7 dagen.
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Medewerkers
Onderzoekers
- Hoofdonderzoeker: David Levine, MD MPH MA, Associate Physician
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
Algemene publicaties
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
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)
20 maart 2021
Primaire voltooiing (Geschat)
1 augustus 2021
Studie voltooiing (Geschat)
1 december 2021
Studieregistratiedata
Eerst ingediend
14 april 2021
Eerst ingediend dat voldeed aan de QC-criteria
21 maart 2026
Eerst geplaatst (Werkelijk)
25 maart 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
25 maart 2026
Laatste update ingediend die voldeed aan QC-criteria
21 maart 2026
Laatst geverifieerd
1 maart 2026
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
- Urogenitale ziekten
- Vaatziekten
- Hart-en vaatziekten
- Pathologische processen
- Mannelijke urogenitale ziekten
- Nier Ziekten
- Urologische ziekten
- Vrouwelijke urogenitale ziekten
- Vrouwelijke urogenitale ziekten en zwangerschapscomplicaties
- Hartziekten
- Chronische ziekte
- Ziekte attributen
- Ziekten van het immuunsysteem
- Ziekten van de luchtwegen
- Longziekten
- Bronchiale ziekten
- Longziekten, obstructief
- Ademhalingsovergevoeligheid
- Overgevoeligheid, Onmiddellijk
- Overgevoeligheid
- Nierinsufficiëntie
- Hypertensie
- Pathologische aandoeningen, tekenen en symptomen
- Hypertensieve crisis
- Hartfalen
- Longziekte, chronisch obstructief
- Astma
- Infecties
- Nierinsufficiëntie, chronisch
Andere studie-ID-nummers
- 2017P002583c
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
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 .