Forutsigelse av forventet lengde på sykehusopphold ved bruk av maskinlæring
14. april 2021 oppdatert av: David Levine, Brigham and Women's Hospital
Dette er en retrospektiv observasjonsstudie som bygger på data fra Brigham and Women's Home Hospital-databasen.
Sosiodemografiske data og klinikkdata fra en treningskohort ble brukt til å trene en maskinlæringsalgoritme for å forutsi lengden på oppholdet gjennom en pasients innleggelse.
Denne algoritmen ble deretter validert i en valideringskohort.
Studieoversikt
Status
Aktiv, ikke rekrutterende
Studietype
Observasjonsmessig
Registrering (Forventet)
500
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Massachusetts
-
Boston, Massachusetts, Forente stater, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Forente stater, 02130
- Brigham and Women's Faulkner Hospital
-
-
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
18 år og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Forsøkspersoner innlagt ved Brigham and Women's Hospital og Brigham and Women's Faulkner Hospital som oppfyller primærdiagnose, alder og bosted innenfor 5 mils krav og er registrert på hjemmesykehuset.
Beskrivelse
Var et emne i Brigham and Women's Home Hospital-studien og har en fullført post i studiens database.
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 |
|---|
|
Opplæring
En undergruppe av pasienter som brukes til å trene maskinlæringsalgoritmen.
|
|
Validering
En undergruppe av pasienter som "holdes tilbake" og brukes til å validere algoritmens nøyaktighet.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Lengden på oppholdet
Tidsramme: Fra innleggelsesdato til utskrivningsdato (1 til 24 dager)
|
Tiden hver pasient bruker på hjemmesykehuset fra innleggelsestidspunkt til utskrivningstidspunktet, målt i timer
|
Fra innleggelsesdato til utskrivningsdato (1 til 24 dager)
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: David Levine, MD MPH MA, Associate Physician
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Lubelski D, Ehresman J, Feghali J, Tanenbaum J, Bydon A, Theodore N, Witham T, Sciubba DM. Prediction calculator for nonroutine discharge and length of stay after spine surgery. Spine J. 2020 Jul;20(7):1154-1158. doi: 10.1016/j.spinee.2020.02.022. Epub 2020 Mar 13.
- Karnuta JM, Churchill JL, Haeberle HS, Nwachukwu BU, Taylor SA, Ricchetti ET, Ramkumar PN. The value of artificial neural networks for predicting length of stay, discharge disposition, and inpatient costs after anatomic and reverse shoulder arthroplasty. J Shoulder Elbow Surg. 2020 Nov;29(11):2385-2394. doi: 10.1016/j.jse.2020.04.009. Epub 2020 Jun 9.
- Ramkumar PN, Navarro SM, Haeberle HS, Karnuta JM, Mont MA, Iannotti JP, Patterson BM, Krebs VE. Development and Validation of a Machine Learning Algorithm After Primary Total Hip Arthroplasty: Applications to Length of Stay and Payment Models. J Arthroplasty. 2019 Apr;34(4):632-637. doi: 10.1016/j.arth.2018.12.030. Epub 2018 Dec 27.
- Ma X, Si Y, Wang Z, Wang Y. Length of stay prediction for ICU patients using individualized single classification algorithm. Comput Methods Programs Biomed. 2020 Apr;186:105224. doi: 10.1016/j.cmpb.2019.105224. Epub 2019 Nov 20.
- Daghistani TA, Elshawi R, Sakr S, Ahmed AM, Al-Thwayee A, Al-Mallah MH. Predictors of in-hospital length of stay among cardiac patients: A machine learning approach. Int J Cardiol. 2019 Aug 1;288:140-147. doi: 10.1016/j.ijcard.2019.01.046. Epub 2019 Jan 19.
- Bacchi S, Oakden-Rayner L, Menon DK, Jannes J, Kleinig T, Koblar S. Stroke prognostication for discharge planning with machine learning: A derivation study. J Clin Neurosci. 2020 Sep;79:100-103. doi: 10.1016/j.jocn.2020.07.046. Epub 2020 Aug 5.
- Navarro SM, Wang EY, Haeberle HS, Mont MA, Krebs VE, Patterson BM, Ramkumar PN. Machine Learning and Primary Total Knee Arthroplasty: Patient Forecasting for a Patient-Specific Payment Model. J Arthroplasty. 2018 Dec;33(12):3617-3623. doi: 10.1016/j.arth.2018.08.028. Epub 2018 Sep 5.
- Young AJ, Hare A, Subramanian M, Weaver JL, Kaufman E, Sims C. Using Machine Learning to Make Predictions in Patients Who Fall. J Surg Res. 2021 Jan;257:118-127. doi: 10.1016/j.jss.2020.07.047. Epub 2020 Aug 18.
- Sinha I, Aluthge DP, Chen ES, Sarkar IN, Ahn SH. Machine Learning Offers Exciting Potential for Predicting Postprocedural Outcomes: A Framework for Developing Random Forest Models in IR. J Vasc Interv Radiol. 2020 Jun;31(6):1018-1024.e4. doi: 10.1016/j.jvir.2019.11.030. Epub 2020 May 4.
- Merrill RK, Ferrandino RM, Hoffman R, Shaffer GW, Ndu A. Machine Learning Accurately Predicts Short-Term Outcomes Following Open Reduction and Internal Fixation of Ankle Fractures. J Foot Ankle Surg. 2019 May;58(3):410-416. doi: 10.1053/j.jfas.2018.09.004. Epub 2019 Feb 23.
- Nemati M, Ansary J, Nemati N. Machine-Learning Approaches in COVID-19 Survival Analysis and Discharge-Time Likelihood Prediction Using Clinical Data. Patterns (N Y). 2020 Aug 14;1(5):100074. doi: 10.1016/j.patter.2020.100074. Epub 2020 Jul 4.
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)
20. mars 2021
Primær fullføring (Forventet)
1. august 2021
Studiet fullført (Forventet)
1. desember 2021
Datoer for studieregistrering
Først innsendt
2. mars 2021
Først innsendt som oppfylte QC-kriteriene
2. mars 2021
Først lagt ut (Faktiske)
5. mars 2021
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
19. april 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
14. april 2021
Sist bekreftet
1. april 2021
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2017P002583b
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
NEI
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 Hjertefeil
-
Region SkanePåmelding etter invitasjonHjertesvikt New York Heart Association (NYHA) klasse II | Hjertesvikt New York Heart Association (NYHA) klasse IIISverige
-
Medical University of BialystokInstitute of Cardiology, Warsaw, Poland; Medical University of Lodz; Poznan... og andre samarbeidspartnereHar ikke rekruttert ennåHjertesvikt, systolisk | Hjertesvikt med redusert utkastningsfraksjon | Hjertesvikt New York Heart Association Klasse IV | Hjertesvikt New York Heart Association klasse IIIPolen
-
Luigi Sacco University HospitalIRCCS Azienda Ospedaliero-Universitaria di Bologna; University of Padova; Università degli Studi di Ferrara og andre samarbeidspartnereRekrutteringAtrieflimmer | Block Complete HeartItalia, Belgia, Sveits
-
University of WashingtonAmerican Heart AssociationFullførtHjertesvikt, Kongestiv | Mitokondriell endring | Hjertesvikt New York Heart Association Klasse IVForente stater
-
Novartis PharmaceuticalsFullførtPasienter som har fullført den 12-måneders behandlingsperioden i kjernestudien (de Novo Heart-mottakere) som var interessert i å bli behandlet med EC-MPS
-
University Hospital, GasthuisbergUkjentTransient Left Ventricular Ballooning SyndromeBelgia
-
NYU Langone HealthRekrutteringTako-tsubo kardiomyopati | Takotsubo kardiomyopati | Broken Heart SyndromeForente stater
-
French Cardiology SocietyFullført