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

Development and Validation of an Interpretable Machine Learning Model for Predicting Venous Thromboembolism（VTE）in Intensive Care Unit (ICU) Patients

18 mei 2026 bijgewerkt door: Weiwei Wu, Beijing Tsinghua Chang Gung Hospital

Venous thromboembolism remains a leading cause of preventable mortality in intensive care unit (ICU) patients. Existing risk-stratification tools were developed in general medical populations and lack ICU-specific predictors. This study was to develop and validate an interpretable machine learning (ML) model to predict VTE in ICU patients.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Ander: geen tussenkomst

Studietype

Observationeel

Inschrijving (Werkelijk)

12061

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

China
- Beijing Municipality
  - Beijing, Beijing Municipality, China, 102218
    - Beijing Tsinghua Changgung 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

Patients admitted to ICU were included in the study cohort from January 2022 to October 2025. Inclusion criteria were: (1) age ≥18 years; (2) ICU length of stay ≥48 hours; (3) only the first ICU admission per patient was retained. Exclusion criteria were: (1) VTE diagnosed prior to ICU admission; (2) VTE diagnosed within 24 hours of ICU admission; (3) >20% missing values in key variables. The final cohort comprised 12,061 patients, of whom 587 (4.9%) developed VTE during ICU hospitalization.

Beschrijving

Inclusion Criteria:

age ≥18 years;
ICU length of stay ≥48 hour
the first ICU admission

Exclusion Criteria:

VTE diagnosed prior to ICU admission
VTE diagnosed within 24 hours of ICU admission
>20% missing values in key variables

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat	Tijdsspanne
validate an interpretable machine learning (ML) model to predict VTE in ICU patients Tijdsspanne: the first day after the patients leaf ICU	the first day after the patients leaf ICU

Medewerkers en onderzoekers

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

Sponsor

Beijing Tsinghua Chang Gung Hospital

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 2022

Primaire voltooiing (Werkelijk)

31 december 2025

Studie voltooiing (Werkelijk)

31 december 2025

Studieregistratiedata

Eerst ingediend

12 mei 2026

Eerst ingediend dat voldeed aan de QC-criteria

18 mei 2026

Eerst geplaatst (Werkelijk)

19 mei 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)