Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Maskinlæring og kunstig intelligens-algoritmer for å optimalisere ytelsen og leveringen av akutt dialyse (SMART DIALYSIS)

22. september 2026 oppdatert av: University of Alberta

SMART DIALYSE - Skalering av maskinlæring og kunstig intelligens-algoritmer for å optimalisere ytelsen og leveringen av akutt dialyse.

SMART DIALYSIS - Scaling Machine Learning and Artificial Intelligence AlgoRithms to OpTimize the Performance and Delivery of Acute DIALYSIS.

Hypothesis:

Can the investigators develop and implement Machine Learning and Artificial Intelligence Algorithms into Clinical Information Systems to Optimize the Prescription, Delivery, and Performance of Acute Dialysis?

Objective(s):

  1. Identify variables surrounding identified Key Performance Indicators that may be used by Machine Learning and Artificial Intelligence algorithms to optimize the prescription and performance of acute dialysis.
  2. Develop Machine Learning and Artificial Intelligence algorithms to help guide the prescription and delivery of acute dialysis in the development of Clinical Decision Support tools and Best Practice Advisories and create a ML/AI Augmented SMART DIALYSIS Digital Dashboard.
  3. Implement and evaluate the performance of the developed Machine Learning and Artificial Intelligence algorithms on patient-centered and health economic outcomes.
  4. Validate and benchmark the performance of the evaluated Machine Learning and Artificial Intelligence algorithms across multiple jurisdictions.

Studieoversikt

Status

Status

Indikerer gjeldende rekrutteringsstatus eller utvidet tilgangsstatus.
Har ikke rekruttert ennå

Forhold

Forhold

Sykdommen, lidelsen, syndromet, sykdommen eller skaden som studeres. På ClinicalTrials.gov kan tilstander også inkludere andre helserelaterte problemer, som levetid, livskvalitet og helserisiko.

Intervensjon / Behandling

Intervensjon / Behandling

En prosess eller handling som er fokus for en klinisk studie. Intervensjoner inkluderer legemidler, medisinsk utstyr, prosedyrer, vaksiner og andre produkter som enten er undersøkende eller allerede er tilgjengelige. Intervensjoner kan også inkludere ikke-invasive tilnærminger, som utdanning eller modifisering av kosthold og trening.

Detaljert beskrivelse

Study Background & Rationale:

Acute dialysis is required in approximately 10-15% of all patients admitted to intensive care units (ICUs). Acute dialysis may take the form of continuous renal replacement therapy (CRRT), intermittent hemodialysis (IHD) or slow-low efficiency dialysis (SLED). Worldwide, CRRT remains the predominant form of acute dialysis, with over 75% of acute dialysis being CRRT.

The application of acute dialysis in the ICU is associated with poor patient outcomes. Despite advances in medical technology and care, mortality remains between 40-60%, which is similar to outcomes observed with severe acute respiratory distress syndrome (ARDS). Additionally, even when patients survive their critical illness, up to 10% of patients require ongoing long-term chronic dialysis therapy. This has a significant effect on the quality of life of survivors of critical illness, as well as important effects on their families, often requiring changes in work and housing status, as well as relocation to sites in closer proximity to dialysis centres. This results in not only significant healthcare and social costs (approximately $100,000/patient/year in Alberta, Canada), but also very important reductions in the health-related quality of lives for these patients. Currently, while evidence exist regarding the optimal initiation of acute dialysis, there is a paucity of evidence to predict timing of modality transition or liberation from this therapy. Using a completely integrated electronic Clinical Information System (eCIS) such as Connect Care (EPIC, Wisconsin, USA) in Alberta, the investigators can develop predictive algorithms that may anticipate patient and acute dialysis needs.

Once, acute dialysis is initiated, several factors may affect kidney recovery following acute dialysis. Intra-dialytic hypotension has been identified as a leading modifiable factor, but unfortunately, one where clinicians have limited capacity to accurately predict. This is an important knowledge gap that must be addressed. It has also been previously identified by our study team as one of the most important key performance indicators (KPI) for acute dialysis, especially in IHD and SLED. For CRRT, filter life has been identified as the most important and studied KPI. Both of these KPIs are currently being utilized by the ongoing QUALITY CRRT and DIALYZING WISELY programs to improve the performance and delivery of acute dialysis to critically ill patients. These two programs have been successfully implemented across Alberta and have established the infrastructure necessary to initiate the next steps in these Continuous Quality Initiatives for acute dialysis, the SMART DIALYSIS program.

Recently, advances in computer and machine processing have led to the 4th industrial revolution featuring the development of smart machines, devices, and learning algorithms that can aid humans in the management of patients and optimize the delivery of healthcare. Machine Learning (ML) and Artificial Intelligence (AI) algorithms have been previously used in medicine, but have only begun their implementation into critical care nephrology.

Current initiatives are primarily focused on pattern recognition and risk prediction. This program will contain 4 distinct phases.

In Phase 1, the investigators will continue work from our QUALITY CRRT and DIALYZING WISELY program and will aim to better understand the landscape surrounding decisions around transitions between acute dialysis modalities, termination, and attempts at liberation from acute dialysis, the incidence of intra-dialytic hypotension, and timing of filter clotting in the ICU.

In Phase 2, the investigators will develop models and subsequent Clinical Decision Support (CDS) tools and/or Best Practice Advisories (BPAs) for clinicians to better predict and manage 1) transitions between acute dialysis therapies, 2) management of intra-dialytic hypotension, 3) prediction of filter life and 4) liberation from acute dialysis. Concurrent with this work, we will work to develop an AI/ML Augmented Acute Dialysis Dashboard (i.e., SMART DIALYSIS Digital Dashboard) embedded within our electronic Clinical Information System (eCIS) to present these KPIs to clinicians.

Phase 3 will look into implementing and evaluating the performance and acceptability of these ML/AI algorithms in clinical practice.

Finally, Phase 4 will take our Alberta-derived results and look to implement and benchmark these across other large healthcare authorities to ensure that the algorithms have been developed and validated appropriately and ethically. These will include partners across Canada, the US, Europe and Australia and New Zealand.

Studietype

Studietype

Beskriver arten av en klinisk studie. Studietyper inkluderer intervensjonsstudier (også kalt kliniske studier), observasjonsstudier (inkludert pasientregistre) og utvidet tilgang.
Observasjonsmessig

Registrering (Antatt)

Registrering

Antall deltakere i en klinisk studie. Den "forventede" påmeldingen er måltallet for deltakere som forskerne trenger for studien.
7500

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiekontakt

Studiekontakt

Navn og kontaktinformasjon for personen som kan svare på påmeldingsspørsmål for en klinisk studie. Hvert sted hvor studien gjennomføres kan også ha en spesifikk kontakt, som kan være bedre i stand til å svare på disse spørsmålene.
  • Navn: Oleksa G Rewa, MD MSc FRCPC
  • Telefonnummer: 17802633280
  • E-post: rewa@ualberta.ca

Studer Kontakt Backup

Studiesteder

  • Canada
    • Alberta
      • Calgary, Alberta, Canada, T2N 2T9
        • Foothills Medical Center
        • Ta kontakt med:
      • Calgary, Alberta, Canada, T1Y 6J4
        • Peter Lougheed Center
        • Ta kontakt med:
      • Calgary, Alberta, Canada, T2V 1P9
        • Rockyview General Hospital
        • Ta kontakt med:
      • Calgary, Alberta, Canada, T3M 1M4
        • South Health Campus
        • Ta kontakt med:
      • Edmonton, Alberta, Canada, T5H 3V9
        • Royal Alexandra Hospital
        • Ta kontakt med:
      • Edmonton, Alberta, Canada, T6L 5X8
        • Grey Nuns Community Hospital
        • Ta kontakt med:
      • Edmonton, Alberta, Canada, T6G-2B7
        • University of Alberta Hospital
        • Ta kontakt med:
      • Edmonton, Alberta, Canada, T5R 4H5
        • Misericordia Community Hospital
        • Ta kontakt med:
      • Edmonton, Alberta, Canada, T6G-2B7
        • Mazankowski Heart Institute
        • Ta kontakt med:
      • Fort McMurray, Alberta, Canada, T9H 1P2
        • Northern Lights Regional Hospital.
        • Ta kontakt med:
      • Grand Prairie, Alberta, Canada, T8V 4B1
        • Grand Prairie Regional Hospital
        • Ta kontakt med:
      • Lethbridge, Alberta, Canada, T1J 1W5
        • Chinook Regional Hospital
        • Ta kontakt med:
      • Medicine Hat, Alberta, Canada, T1A 4H6
        • Medicine Hat Regional Hospital
        • Ta kontakt med:
      • Red Deer, Alberta, Canada, T4N 4E7
        • Red Deer Regional Hospital
        • Ta kontakt med:
      • St. Albert, Alberta, Canada, T8N 6C4
        • Sturgeon Community Hospital
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Kvalifikasjonskriterier

Nøkkelkravene som personer som ønsker å delta i en klinisk studie må oppfylle eller egenskapene de må ha. Kvalifikasjonskriterier består av både inklusjonskriterier (som kreves for at en person skal delta i studien) og eksklusjonskriterier (som hindrer en person i å delta). Typer kvalifikasjonskriterier inkluderer om en studie godtar friske frivillige, har alders- eller aldersgruppekrav, eller er begrenset av kjønn.

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

The study population will comprise critically ill patients admitted to an intensive care unit who require acute renal replacement therapy.

Beskrivelse

Inclusion Criteria

Patients admitted to an intensive care unit (ICU) who require acute renal replacement therapy, either intermittent or continuous.

Exclusion Criteria

Receipt of renal replacement therapy for less than 24 hours.

Pre-existing end-stage kidney disease.

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: COHORT
  • Tidsperspektiver: PROSPECTIVE

Kohorter og intervensjoner

Gruppe / Kohort

Gruppe / Kohort

En gruppe eller undergruppe av deltakere i en observasjonsstudie som vurderes for biomedisinske eller helsemessige utfall.
Intervensjon / Behandling

Intervensjon / Behandling

En prosess eller handling som er fokus for en klinisk studie. Intervensjoner inkluderer legemidler, medisinsk utstyr, prosedyrer, vaksiner og andre produkter som enten er undersøkende eller allerede er tilgjengelige. Intervensjoner kan også inkludere ikke-invasive tilnærminger, som utdanning eller modifisering av kosthold og trening.
Critically ill patients requiring acute dialysis

Admitted to an intensive care unit; requiring acute dialysis
Enhet: intermittent OR continuous renal replacement therapies

We will include any critically ill patient admitted to an intensive care unit requiring acute dialysis.

Hva måler studien?

Primære resultatmål

Primære resultatmål

I en klinisk studies protokoll er det planlagte utfallsmålet som er det viktigste for å evaluere effekten av en intervensjon/behandling. De fleste kliniske studier har ett primært utfallsmål, men noen har mer enn ett.
Resultatmål
Tiltaksbeskrivelse
Tidsramme
Identify Key Performance Indicators that may be used by Machine Learning algorithms.
Tidsramme: 12 month

Key Performance Indicators
12 month
Develop Artificial Intelligence and Machine Learning algorithms
Tidsramme: 36 month

Artificial Intelligence and Machine Learning algorithms
36 month
Evaluate the performance of the developed Artificial Intelligence and Machine Learning algorithms.
Tidsramme: 60 month

ICU and hospital mortality; Renal Recovery at ICU and hospital discharge and 90 days; ICU and hospital lengths of stay; Hospital Costs
60 month

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Sponsor

Organisasjonen eller personen som initierer studien og som har myndighet og kontroll over studien.
University of Alberta

Etterforskere

Etterforskere

En forsker involvert i en klinisk studie. Beslektede termer inkluderer stedets hovedetterforsker, stedsunderetterforsker, studieleder, studieleder og studiehovedetterforsker.
  • Hovedetterforsker: Oleksa G Rewa, MD MSc, University of Alberta

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

Studiestart

Den faktiske datoen da den første deltakeren ble registrert i en klinisk studie. Den "forventede" studiestartdatoen er datoen som forskerne tror vil være studiestartdatoen.
1. oktober 2026

Primær fullføring (Antatt)

Primær fullføring

Datoen da den siste deltakeren i en klinisk studie ble undersøkt eller mottok en intervensjon for å samle inn endelige data for det primære utfallsmålet. Hvorvidt den kliniske studien ble avsluttet i henhold til protokollen eller ble avsluttet, påvirker ikke denne datoen. For kliniske studier med mer enn ett primært utfallsmål med ulike fullføringsdatoer, refererer dette begrepet til datoen da datainnsamlingen er fullført for alle de primære utfallsmålene. Den "forventede" primære fullføringsdatoen er datoen som forskerne tror vil være den primære fullføringsdatoen for studien.
30. juni 2030

Studiet fullført (Antatt)

Studiet fullført

Datoen da den siste deltakeren i en klinisk studie ble undersøkt eller mottok en intervensjon/behandling for å samle inn endelige data for de primære utfallsmålene, sekundære utfallsmålene og uønskede hendelsene (det vil si siste deltakers siste besøk). Den "forventede" studiens fullføringsdato er datoen som forskerne tror vil være studiens fullføringsdato.
30. juni 2031

Datoer for studieregistrering

Først innsendt

Først innsendt

Datoen da studiesponsoren eller etterforskeren først sendte inn en studiepost til ClinicalTrials.gov. Det er vanligvis en forsinkelse på noen dager mellom første innsendte dato og postens tilgjengelighet på ClinicalTrials.gov (den første postedatoen).
17. desember 2025

Først innsendt som oppfylte QC-kriteriene

Først innsendt som oppfylte QC-kriteriene

Datoen da studiesponsoren eller etterforskeren først sender inn en studiepost som er i samsvar med gjennomgangskriteriene for National Library of Medicine (NLM) kvalitetskontroll (QC). Sponsoren eller etterforskeren må kanskje revidere og sende inn en studiepost én eller flere ganger før NLMs kvalitetskontrollkriterier oppfylles. Det er sponsorens eller etterforskerens ansvar å sikre at studieposten er i samsvar med NLM QC-gjennomgangskriteriene.
17. desember 2025

Først lagt ut (Faktiske)

Først lagt ut

Datoen da studieposten først var tilgjengelig på ClinicalTrials.gov etter at National Library of Medicine (NLM) kvalitetskontroll (QC) gjennomgang har konkludert. Det er vanligvis en forsinkelse på noen dager mellom datoen studiesponsoren eller etterforskeren sendte inn studieposten og den første postedatoen.
31. desember 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

Sist oppdatering lagt ut

Den siste datoen da endringer i en studiepost ble gjort tilgjengelig på ClinicalTrials.gov. Det kan være en forsinkelse mellom når endringene ble sendt til ClinicalTrials.gov av studiens sponsor eller etterforsker (datoen for siste innsending av oppdatering) og datoen for siste oppdatering.
24. september 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

Siste oppdatering sendt inn som oppfylte QC-kriteriene

Den siste datoen da studiesponsoren eller etterforskeren sendte inn endringer i en studiepost som er i samsvar med gjennomgangskriteriene for National Library of Medicine (NLM) kvalitetskontroll (QC). Det er sponsorens eller etterforskerens ansvar å sikre at studieposten er i samsvar med NLM QC-gjennomgangskriteriene.
22. september 2026

Sist bekreftet

Sist bekreftet

Den siste datoen da studiesponsoren eller etterforskeren bekreftet at informasjonen om en klinisk studie på ClinicalTrials.gov var nøyaktig og oppdatert. Hvis en studie med rekrutteringsstatus for rekruttering; ikke rekrutterer ennå; eller aktiv, ikke rekruttering har ikke blitt bekreftet de siste 2 årene, studiens rekrutteringsstatus vises som ukjent.
1. september 2026

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

Andre studie-ID-numre

Identifikatorer eller ID-numre andre enn NCT-nummeret som er tildelt en klinisk studie av studiens sponsor, finansierere eller andre. Disse tallene kan inkludere unike identifikatorer fra andre prøveregistre og National Institutes of Health-stipendnumre.
  • Pro00160780

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

UBESLUTTE

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Innstillinger for informasjonskapsler

Vi bruker informasjonskapsler for å sikre at vi gir deg den beste opplevelsen på nettstedet vårt. For mer informasjon, les nøye vår Retningslinjer for personvern og informasjonskapsler. ...>>>Du kan når som helst endre preferansene dine eller trekke tilbake samtykket ditt ved å slette informasjonskapslene fra nettstedet ditt eller datamaskinen som beskrevet i policyen. Godta det og velg dine preferanser ved å krysse av i de tilhørende rutene i delen "Administrer innstillinger" nedenfor. Les nøye gjennom servicevilkårene før du fortsetter å bruke noen del av dette nettstedet.
«Administrer innstillinger