Kunstig intelligens-basert dødelighetsprediksjon blant kreftpasienter på hospice-avdelingen
6. mai 2021 oppdatert av: Shabbir Syed Abdul, Taipei Medical University
Kunstig intelligens-basert aktivitetsgjenkjenning og dødelighetsprediksjon ved bruk av døgnrytme, blant kreftpasienter på hospice-avdelingen
Hensikten med denne studien er å utvikle en ny dyplæringsbasert overlevelsesprediksjonsmodell som bruker pasientaktivitetsdata registrert av en bærbar enhet.
Studieoversikt
Status
Rekruttering
Forhold
Detaljert beskrivelse
Denne studien tar sikte på å utvikle en dyplæringsbasert overlevelsesprediksjonsmodell som bruker pasientbevegelsesdata ved innleggelse for å forutsi deres kliniske utfall: enten død eller utskrivning med stabil tilstand.
Objektive data om pasientene registreres av en bærbar enhet og dokumenteres som parametere for fysisk aktivitet, vinkel og spinn.
I tillegg til objektive data, dokumenterer etterforskerne også pasienters Karnofsky Performance Status vurdert subjektivt av kliniske leger.
Til slutt har etterforskerne som mål å utforske og beskrive anvendeligheten, potensialet og begrensningene til overlevelsesprediksjonsmodellen basert på pasientbevegelsesdata som en enkel prognostisk parameter i kliniske omgivelser.
Studietype
Observasjonsmessig
Registrering (Forventet)
80
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Shabbir Syed-Abdul, PhD
- Telefonnummer: 1514 886 2-6638-2736
- E-post: drshabbir@tmu.edu.tw
Studiesteder
-
-
TW - Taiwan
-
Taipei City, TW - Taiwan, Taiwan, 110
- Rekruttering
- Taipei Medical University
-
Ta kontakt med:
- Shabbir Syed Abdul
- Telefonnummer: 1501 +886-2-66382736
- E-post: drshabbir@tmu.edu.tw
-
-
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
20 år og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Nei
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
Pasienter i alderen 20 år eller eldre som ble innlagt på hospiceavdelingen ved Taipei Medical University Hospital med minst én diagnose av solide tumorsykdommer i sluttstadiet.
Beskrivelse
Inklusjonskriterier:
- Deltakere i alderen 20 år eller eldre innlagt på hospice-avdelingen ved Taipei Medical University Hospital
- Deltakere diagnostisert med minst én sluttstadium solid tumorsykdommer
- Deltakerne samtykket til å motta hospice
Ekskluderingskriterier:
- Deltakere under 20 år
- Deltakere diagnostisert med leukemi eller karsinom av ukjent primær
- Deltakere med tydelige tegn på å nærme seg døden ved innleggelse
- Deltakere uten vitale tegn ved opptak
- Deltakere som fortsatte å motta aggressiv behandling til tross for innleggelse på hospiceavdelingen
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Kohort
- Tidsperspektiver: Potensielle
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Spesifisitet og sensitivitet ved bruk av kunstig intelligensbaserte modeller for prediksjon av kliniske utfall av kreftpasienter i sluttstadiet ved bruk av aktigrafidata
Tidsramme: Fra dato for innleggelse til hospiceavdeling til dato for første dokumenterte utskrivning fra sykehus eller dato for død uansett årsak, avhengig av hva som kom først, vurdert inntil 1 måned
|
Det primære resultatet av studien vil være å evaluere om analysen av bevegelsesdata fanget ved bruk av aktigrafi kan bidra til å forutsi kliniske utfall enten døde eller utskrevet i live fra sykehus, med høy spesifisitet og sensitivitet, ved bruk av kunstig intelligens basert prediksjonsmodellering.
|
Fra dato for innleggelse til hospiceavdeling til dato for første dokumenterte utskrivning fra sykehus eller dato for død uansett årsak, avhengig av hva som kom først, vurdert inntil 1 måned
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Shabbir Syed-Abdul, PhD, Taipei Medical University
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.
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)
11. desember 2019
Primær fullføring (Forventet)
31. august 2021
Studiet fullført (Forventet)
31. desember 2021
Datoer for studieregistrering
Først innsendt
28. april 2021
Først innsendt som oppfylte QC-kriteriene
6. mai 2021
Først lagt ut (Faktiske)
12. mai 2021
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
12. mai 2021
Siste oppdatering sendt inn som oppfylte QC-kriteriene
6. mai 2021
Sist bekreftet
1. mai 2021
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Andre studie-ID-numre
- N201910041
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
Nei
produkt produsert i og eksportert fra USA
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. .