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

Kunstig intelligens for sepsisprediksjon på intensivavdelingen (AICUSepsis)

2. juni 2021 oppdatert av: Second Affiliated Hospital, School of Medicine, Zhejiang University

Anvendelse av kunstig intelligens sepsis prediksjonsmodell for å hjelpe ICU klinisk beslutning

Utviklingen av sepsis prediksjonsmodell i tråd med kinesisk befolkning, og utvidet til kliniske, bistå klinikere for tidlig identifikasjon, tidlig intervensjon, har gode søknadsmuligheter. Denne studien er en prospektiv observasjonsstudie, hovedsakelig for å evaluere nøyaktigheten til den tidligere etablerte sepsisprediksjonsmodellen. Forekomsten av sepsis ble bestemt av legenes daglige kliniske vurdering, og resultatene av sepsisprediksjonsmodellen ble matchet og korrigert for å forbedre den kliniske nøyaktigheten og anvendeligheten til sepsisprediksjonsmodellen.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Sepsisprediksjonsmodellen som ble tatt i bruk i denne studien, er fullført i den foreløpige forberedelsen, som ble konstruert på 7000 pasienter siden etableringen av omfattende intensivavdeling, og sepsis 3.0 diagnostisk standard ble tatt i bruk. Sepsisprediksjonsmodellen ble bygget ved hjelp av Python-plattformen og XGBoost-algoritmen , som ble brukt til å forutsi forekomsten av sepsis hos ICU-pasienter innen 24 timer. Den totale nøyaktigheten var 82 %, og arealet under Auroc-kurven var 0,854.

Pasienter som oppfylte inklusjons- og eksklusjonskriteriene ble gitt en daglig prediksjon av sepsismodell, og en kvantitativ sjekkliste ble dannet basert på testresultatene. Det er to typer prognoseutfall: lav risiko og høy risiko. Kvantitative sjekklister er tilgjengelige for behandlende leger for å forbedre diagnostisk effektivitet. Resultatene ble holdt konfidensielle for klinikeren.

Alle pasienter ble diagnostisert med sepsis av to senior behandlende leger til et fast tidspunkt. Diagnosen besto av to typer: ja og nei. Hvis to behandlende leger har forskjellige meninger, vil den tredje behandlende legen bli inkludert for korrigeringsdiagnose, og tilstedeværelsen av sepsis vil bli bestemt på en 2:1 måte. De behandlende legene er uavhengige av hverandre.

Når diagnoseresultatene til den behandlende legen legges inn i systemet, blir prediksjonsresultatene fra gårsdagens sepsisprediksjonsmodell sammenlignet og beregnet for å bestemme nøyaktigheten til prediksjonsmodellen

Studietype

Observasjonsmessig

Registrering (Forventet)

2000

Kontakter og plasseringer

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

Studiekontakt

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

16 år til 100 år (Barn, Voksen, Eldre voksen)

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Pasienter som oppfylte inklusjons- og eksklusjonskriteriene ble predikert daglig ved sepsismodell, og en kvantitativ liste ble dannet i henhold til testresultatene. Det er to typer prediksjonsresultater: lav risiko og høy risiko. Den kvantitative listen er åpen for behandlende leger for å forbedre effektiviteten av diagnosen. De forutsagte resultatene holdes hemmelige for klinikere.

Beskrivelse

Inklusjonskriterier:

Alle pasienter med akutt kritisk sykdom som er kvalifisert for innleggelse på intensivavdeling i løpet av studieperioden

Ekskluderingskriterier:

  1. Pasienter under 16 år;
  2. Gravide og fødende kvinner;
  3. Pasienter som planla å bli lagt inn på avdelingen for operasjon og overflyttet neste dag etter utredning;
  4. Pasienter innlagt på avdelingen og diagnostisert med sepsis;
  5. Pasienter med intensivavdeling oppholder seg mindre enn 24 timer;

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
Sepsis prediksjonsmodell
Denne gruppen mennesker ble brukt til klinikerens beslutning, og sepsisprediksjonsmodellen ble brukt samtidig for prediksjonen, men modellen var ikke involvert i beslutningen, og ble kun brukt til verifisering
Diagnostisk test: Prediksjonsmodell for kunstig intelligens sepsis
Hovedformålet med denne artikkelen er å evaluere nøyaktigheten av sepsis-prediksjonsmodellen etablert på et tidlig stadium. Forekomsten av sepsis bestemmes av legenes daglige kliniske vurdering, og resultatene av sepsisprediksjonsmodellen matches og korrigeres.
Daglig klinisk vurdering av leger
Denne gruppen mennesker ble brukt til klinikerens beslutning uten sepsis prediksjonsmodell.
Diagnostisk test: Prediksjonsmodell for kunstig intelligens sepsis
Hovedformålet med denne artikkelen er å evaluere nøyaktigheten av sepsis-prediksjonsmodellen etablert på et tidlig stadium. Forekomsten av sepsis bestemmes av legenes daglige kliniske vurdering, og resultatene av sepsisprediksjonsmodellen matches og korrigeres.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktighet av modelldiagnose
Tidsramme: 2 år
Evaluering av nøyaktigheten av prediksjonsmodellen i klinisk anvendelse
2 år

Samarbeidspartnere og etterforskere

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

Sponsor

Second Affiliated Hospital, School of Medicine, Zhejiang University

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 (Forventet)

1. juni 2021

Primær fullføring (Forventet)

1. juni 2022

Studiet fullført (Forventet)

1. juni 2023

Datoer for studieregistrering

Først innsendt

31. mai 2021

Først innsendt som oppfylte QC-kriteriene

2. juni 2021

Først lagt ut (Faktiske)

4. juni 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

4. juni 2021

Siste oppdatering sendt inn som oppfylte QC-kriteriene

2. juni 2021

Sist bekreftet

1. mai 2021

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • SHZJU-ICU2020-202

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. .

Abonnere