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

Forutsigelse av pasientforringelse ved bruk av maskinlæring

16. mars 2026 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 og klinikkdata fra en treningskohort ble brukt til å trene en maskinlæringsalgoritme for å forutsi pasientforverring gjennom en pasients innleggelse. Denne algoritmen ble deretter validert i en valideringskohort.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Faktiske)

526

Kontakter og plasseringer

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

Studiesteder

  • Forente stater
    • 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

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Forsøkspersoner innlagt ved Brigham and Women's Hospital og Brigham and Women's Faulkner Hospital som oppfyller kravene til primær diagnose, alder og geografisk bosted og er registrert på hjemmesykehuset.

Beskrivelse

Inklusjonskriterier:

Ivaretatt i Brigham and Women's Home Hospital-studien

Ekskluderingskriterier:

Ufullstendige kontinuerlige overvåkingsdata

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
Opplæring
En undergruppe av pasienter som brukes til å trene maskinlæringsalgoritmen.
Annen: Tradisjonelle vitale tegn alarmer versus BioVitals Index vs National Early Warning Score 2
Vi vil retrospektivt sammenligne alarmer produsert fra tradisjonelle vitale tegn alarmer (terskler satt av klinikere) versus BioVitals Index vs National Early Warning Score 2
Validering
En undergruppe av pasienter som "holdes tilbake" og brukes til å validere algoritmens nøyaktighet.
Annen: Tradisjonelle vitale tegn alarmer versus BioVitals Index vs National Early Warning Score 2
Vi vil retrospektivt sammenligne alarmer produsert fra tradisjonelle vitale tegn alarmer (terskler satt av klinikere) versus BioVitals Index vs National Early Warning Score 2

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Alarmbelastning
Tidsramme: Fra innleggelse til utskrivning, målt i timer, i gjennomsnitt 5 dager
Antall utløste alarmer per pasient per time
Fra innleggelse til utskrivning, målt i timer, i gjennomsnitt 5 dager

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Følsomhet for gjenkjennelse av en sikkerhetskompositt
Tidsramme: Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Sensitiviteten (ekte positive delt på tilstandspositive) for påvisning av en sikkerhetskompositt (besøk over natten, ekstra uplanlagt besøk, tilbakeføring til sykehus, død under innleggelse, delirium, bevissthetstap eller annen større hendelse).
Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Spesifisitet for gjenkjennelse av en sikkerhetskompositt
Tidsramme: Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Spesifisiteten (sanne negativer delt på tilstandsnegative) for påvisning av en sikkerhetskompositt (besøk over natten, ekstra uplanlagt besøk, tilbakeføring til sykehus, død under innleggelse, delirium, bevissthetstap eller annen større hendelse).
Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Positiv prediktiv verdi for gjenkjennelse av en sikkerhetskompositt
Tidsramme: Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Den positive prediktive verdien (sanne positive delt på summen av sanne positive pluss falske positive) for påvisning av en sikkerhetskompositt (besøk over natten, ekstra uplanlagt besøk, tilbakeføring til sykehus, død under innleggelse, delirium, bevissthetstap eller annet stor begivenhet).
Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Negativ prediktiv verdi for gjenkjennelse av en sikkerhetskompositt
Tidsramme: Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Den negative prediktive verdien (sanne negative delt på summen av sanne negative pluss falske negativer) for påvisning av en sikkerhetskompositt (besøk over natten, ekstra uplanlagt besøk, tilbakeføring til sykehus, død under innleggelse, delirium, bevissthetstap eller annet stor begivenhet).
Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Antall alarmer med klinisk nytte
Tidsramme: Fra innleggelse til utskrivning, i gjennomsnitt 5 dager
Vi vil bruke generelle estimeringslikninger (GEE) med tre utfall per pasient (antall klinisk viktige alarmer for BioVitals, NEWS2 og tradisjonelle vitale tegn); GEE vil redegjøre for grupperingen mellom de tre utfallene på en pasient. GEE vil bruke en negativ binomial marginalmodell med en loggkobling for antall alarmer med klinisk nytte og en offset for loggoppholdstid (i timer); med denne modellen modellerer vi timefrekvensen for antall alarmer med klinisk nytte med BI, NEWS2 og tradisjonelle vitale tegn. Hovedkovariatet i den negative binomiale modellen vil være en kovariat på tre nivåer for metode: BI vs NEWS2 vs tradisjonelle vitale tegn, og eksponentiell for effekten av denne kovariaten vil være et parvis rateforhold for BI vs NEWS2 vs tradisjonelle vitale tegn. tegn.
Fra innleggelse til utskrivning, i gjennomsnitt 5 dager

Samarbeidspartnere og etterforskere

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

Sponsor

Brigham and Women's Hospital

Samarbeidspartnere

Biofourmis Inc.

Etterforskere

  • Hovedetterforsker: David Levine, MD MPH MA, Associate Physician

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 (Faktiske)

20. mars 2025

Studiet fullført (Faktiske)

16. februar 2026

Datoer for studieregistrering

Først innsendt

14. april 2021

Først innsendt som oppfylte QC-kriteriene

15. september 2021

Først lagt ut (Faktiske)

16. september 2021

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

17. mars 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

16. mars 2026

Sist bekreftet

1. mars 2026

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 2017P002583d

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