Machine Learning Model for Predicting Recovery After Critical Illness
Development and Validation of a Machine Learning Model for Predicting Functional Decline and Return to Work After Critical Illness
This study aims to develop and test an artificial intelligence (AI) model to predict long-term functional status and return to work after critical illness.
The main question is:
Can we develop and validate a machine learning model to predict long-term functional status and return to work after critical illness?
Studieoversikt
Status
Status
Forhold
Forhold
Intervensjon / Behandling
Intervensjon / Behandling
Detaljert beskrivelse
Studietype
Studietype
Registrering (Faktiske)
Registrering
Kontakter og plasseringer
Studiesteder
-
-
Rio Grande do Sul
-
Porto Alegre, Rio Grande do Sul, Brasil, 90035-903
- Hospital de Clínicas de Porto Alegre, Intensive Care Nursing Department
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inclusion Criteria:
- Age ≥18 years
- ICU stay ≥ 72 hours
- ICU stay ≥ 120 hours if the participant was admitted for elective surgery
Exclusion Criteria:
- No telephone contact available
- Failure to establish contact
- Transfer to another ICU
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
Intervensjon / BehandlingIntervensjon / Behandling |
|---|---|
|
Patients in follow-up
Patients under follow-up.
No interventions were performed
|
No interventions were performed.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Functional Status
Tidsramme: 3rd, 6th and 12th months after ICU discharge
|
The primary outcome will be functional status at 6 months after ICU discharge, assessed using the Barthel Index (BI).
The BI is a validated measure of functional status in activities of daily living, with total scores ranging from 0 to 100.
For prediction modeling, the outcome will be treated as a binary variable, with functional impairment defined as a BI score <91 points.
|
3rd, 6th and 12th months after ICU discharge
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Return to Work
Tidsramme: 3rd, 6th and 12th months after ICU discharge
|
Being employed
|
3rd, 6th and 12th months after ICU discharge
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Samarbeidspartnere
Samarbeidspartnere
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Faktiske)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- 20250554
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .