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

Klinisk og radiomisk modell av COVID-19

6. april 2020 oppdatert av: Maastricht University

En klinisk og radiologisk modell for å forutsi prognosen for COVID-19-pasienter

Å utvikle og validere en maskinlæringsmodell basert på kliniske, laboratorie- og radiologiske egenskaper alene eller kombinasjon av COVID-19-pasienter for å lette risikovurdering før og etter symptomer og triage (hjem, sykehusinnleggelse eller intensivavdeling).

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

I desember 2019 dukket det opp et nytt koronavirus, alvorlig akutt respiratorisk syndrom coronavirus 2 (SARS-CoV-2; tidligere kalt 2019-nCoV), i Wuhan, Kina. Sykdommene forårsaket av SARS-CoV-2 er COVID-19. Per 8. mars 2020 er mer enn 100 000 COVID-19-pasienter rapportert globalt (mer enn 80 000 tilfeller i Kina, mer enn 20 000 i andre land), og 3 600 pasienter (3 100 i Kina, 500 utenfor Kina) har dødd. Utbruddet av COVID-19 utgjør en folkehelsenødsituasjon av internasjonal bekymring.

Blant COVID-19-pasienter er rundt 80 % pasienter med mild (ikke-alvorlig) sykdom, som vanligvis leges innen to uker. Imidlertid kan ytterligere 20 % av pasientene forverres til en alvorlig eller kritisk sykdom som resulterer i lengre sykehusopphold, og dødeligheten for slike pasienter er 13,4 %. Derfor er inchoate identifikasjon av høyrisiko alvorlige pasienter ekstremt viktig for pasientbehandling og medisinsk ressursallokering. Generell karantene og symptomatisk behandling kan brukes for de fleste ikke-alvorlige pasienter, mens et høyere omsorgsnivå og grønn kanal til intensivavdelingen (ICU) er nyttig for alvorlige pasienter. Tidligere studier har oppsummert de kliniske og radiologiske egenskapene til alvorlige covid-19-pasienter, mens det fortsatt er uklart hvilke faktorer som er viktige prediktorer.

Maskinlæring er en gren av kunstig intelligens som gjør oss i stand til å lære kunnskap og potensielle lover fra de gitte dataene og å bygge en modell for å løse problemer som menneskelige behov. De siste årene har maskinlæring blitt utviklet som et nytt verktøy for å analysere store mengder data fra journaler eller bilder. Tidligere modelleringsstudier fokuserte på å forutsi potensiell internasjonal spredning av COVID-19.

Derfor er formålet vårt å utvikle og validere en maskinlæringsmodell basert på kliniske, laboratorie- og radiologiske egenskaper alene eller kombinasjon av COVID-19-pasienter i et tidlig stadium uten alvorlig sykdom fra flere sentre for prediksjon av alvorlig (eller kritisk) sykdom ved påfølgende sykehusinnleggelse for å lette risiko Vurdering før og etter symptomer og triage (hjemme, sykehusinnleggelse eller intensivavdeling).

Studietype

Observasjonsmessig

Registrering (Faktiske)

300

Kontakter og plasseringer

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

Studiesteder

  • Kina
    • Hubei
      • Wuhan, Hubei, Kina
        • The Central Hospital of Wuhan

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

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

COVID-19 pasienter

Beskrivelse

Inklusjonskriterier:

  • bekreftet COVID-19-pasienter ved høykapasitetssekvensering eller sanntids revers-transkriptase-polymerase-kjedereaksjon (RT-PCR)-analyse for nese- og faryngeale vattpinneprøver.

Ekskluderingskriterier:

  1. pasienter med alvorlig sykdom ved innleggelse;
  2. tidsintervall > 2 dager mellom opptak og eksamen;
  3. manglende data eller forsinkede resultater

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
alvorlig gruppe
Den alvorlige gruppen ble utpekt når pasientene hadde ett av følgende kriterier under sykehusinnleggelse utstedt av den kinesiske nasjonale helsekomiteen (versjon 3-5). 1) Åndenød med respirasjonsfrekvens ≥ 30/min; 2) Pulsoksymeter oksygenmetning ≤ 93 % i hvile; 3) Oksygeneringsindeks (arteriepartialtrykk av oksygen/inspirert oksygenfraksjon, PaO2/FiO2) ≤ 300 mmHg; 4) En av tilstandene som følger: a) respirasjonssvikt oppstår og krever mekanisk ventilasjon; b) Sjokk oppstår; c) ICU-innleggelse er nødvendig for kombinert organsvikt.
Diagnostisk test: Maskinlæringsmodell
Maskinlæring, som logistisk regresjon, tilfeldig skog og dyp læring
ikke-alvorlig gruppe
Den ikke-alvorlige gruppen ble utpekt når pasientene ikke opptrådte i de nevnte alvorlige kriteriene før de ble skrevet ut fra sykehuset.
Diagnostisk test: Maskinlæringsmodell
Maskinlæring, som logistisk regresjon, tilfeldig skog og dyp læring

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Prediktiv ytelse
Tidsramme: 1. januar 2020 til 13. februar 2020
AUC, nøyaktighet, sensitivitet og spesifisitet
1. januar 2020 til 13. februar 2020

Samarbeidspartnere og etterforskere

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

Sponsor

Maastricht University

Samarbeidspartnere

Wuhan Central Hospital

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 (Faktiske)

23. desember 2019

Primær fullføring (Faktiske)

20. januar 2020

Studiet fullført (Faktiske)

3. mars 2020

Datoer for studieregistrering

Først innsendt

6. april 2020

Først innsendt som oppfylte QC-kriteriene

6. april 2020

Først lagt ut (Faktiske)

7. april 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

7. april 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

6. april 2020

Sist bekreftet

1. mars 2020

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • UM_2020_GY_COVID-19

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Ingen aksjeplan

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. .

Kliniske studier på Koronavirus

Kliniske studier på Maskinlæringsmodell

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Morocco

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

3
Abonnere