- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05150548
Prediktiv Time-to-Event-modell for store medisinske komplikasjoner etter kolektomi
Utvikling og intern validering av modeller for å forutsi tid-til-hendelse for store medisinske komplikasjoner innen 30 dager etter planlagt kolektomi: en retrospektiv populasjonskohortstudie
Hensikt: Hensikten med denne studien er å lage prediksjonsmodeller for når store komplikasjoner oppstår etter elektiv kolektomikirurgi.
Begrunnelse: Etter operasjonen kan pasienter ha flere komplikasjoner. Nøyaktig risikoprediksjon etter operasjon er viktig for å bestemme et passende nivå for overvåking og lette pasientens restitusjon hjemme.
Mål: Etterforskerne tar sikte på å utvikle og internt validere prediksjonsmodeller for å forutsi tid til komplikasjon for hver enkelt store medisinske komplikasjon (lungebetennelse, hjerteinfarkt (MI) (dvs. hjerteinfarkt), cerebral vaskulær hendelse (CVA) (dvs. slag), venøs tromboemboli (VTE) (dvs. blodpropper), akutt nyresvikt (ARF) (dvs. nyresvikt), og sepsis (dvs. alvorlige infeksjoner)) eller uønskede utfall (dødelighet, reinnleggelse) innen 30 dager etter elektiv kolektomi.
Dataanalyse: Etterforskerne skal analysere et datasett levert av National Surgical Quality Improvement Program (NSQIP). Beskrivende statistikk vil bli utført. Cox proporsjonale fare- og maskinlæringsmodeller vil bli laget for hver komplikasjon og utfall som er skissert i "Mål". Ytelsene til modellene vil bli vurdert og sammenlignet med hverandre.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Bakgrunn: Planlagt (elektiv eller tidssensitiv) kolektomi utføres for indikasjoner inkludert kreft, inflammatorisk tarmsykdom (IBD) og divertikulitt. Etter kolektomi er pasientene utsatt for en rekke store medisinske komplikasjoner, inkludert lungebetennelse, hjerteinfarkt (MI), cerebral vaskulær hendelse (CVA), venøs tromboemboli (VTE), akutt nyresvikt (ARF) og sepsis. Imidlertid har forskjellige komplikasjoner en tendens til å skje på forskjellige tidspunkter etter operasjonen. Nøyaktig risikoprediksjon, ikke bare om en komplikasjon kan oppstå hos en pasient, men også når, er avgjørende for pasientopplæring, overvåking og disposisjonsplanlegging. Mens flere studier har undersøkt forekomst og binær risikoprediksjon for store komplikasjoner etter operasjoner, har det vært lite litteratur om tid-til-komplikasjonsprediksjonsmodellering i nyere befolkningskohortdata.
Mål
- Å utvikle og internt validere Cox proporsjonale faremodeller for å forutsi tid-til-komplikasjon for hver enkelt store medisinske komplikasjon fanget i American College of Surgeons National Surgical Quality Improvement Program (NSQIP) datasett (lungebetennelse, hjerteinfarkt (MI), cerebral vaskulær hendelse (CVA), venøs tromboemboli (VTE), akutt nyresvikt (ARF) og sepsis) eller uønskede utfall (dødelighet, reinnleggelse), som startet innen 30 dager etter elektiv kolektomi.
- Å utvikle og internt validere maskinlæringsmodeller for å forutsi tid-til-komplikasjon for store medisinske komplikasjoner og uønskede utfall (samme som i mål 1) innen 30 dager etter elektiv kolektomi i NSQIP. Den beste maskinlæringsmodellen for hver komplikasjon vil bli sammenlignet med Cox proporsjonale faremodellen når det gjelder diskriminering og kalibrering.
Metoder: Etterforskere vil gjennomføre en overlevelsesanalyse fra tid til hendelse i en retrospektiv kohort ved å bruke NSQIP®, et prospektivt innsamlet multisenterdatasett med mer enn 150 kliniske variabler innen 30 dager etter operasjonen. Dette datasettet inneholder informasjon om hvorvidt pasienten ble diagnostisert med store komplikasjoner (in- eller utenfor sykehus) samt antall postoperative dager til diagnostisering av komplikasjoner, som definert av et standardisert kriterium i NSQIP operasjonsmanualen. Det generelle datasettet vil bli koblet til NSQIP® Procedure Targeted Colectomy datasettet, som inneholder flere kolektomispesifikke variabler.
Studien vil bli rapportert i henhold til Transparent rapportering av en multivariabel prediksjonsmodell for individuell prognose eller diagnose (TRIPOD) retningslinjer og retningslinjer for utvikling og rapportering av maskinlæringsprediktive modeller i biomedisinsk forskning.
Studietype
Registrering (Forventet)
Kontakter og plasseringer
Studiesteder
-
-
British Columbia
-
Vancouver, British Columbia, Canada, V6Z 1Y6
- St. Paul's Hospital
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- gjennomgår elektiv kolektomi
- data er samlet inn i datasettet NSQIP® Procedure Targeted Colectomy fra 2014-2019
Ekskluderingskriterier:
- American Society of Anesthesiologists (ASA) Fysisk status (PS) V (definert som "5-Moribund") (ASA PS 6 - organdonasjon er ikke inkludert i NSQIP)
- gjennomgår hasteoperasjoner eller akuttoperasjoner
- indikasjon for kolektomi bestående av "akutt divertikulitt", "Enterokolitt (f.eks. C. Difficile)" og "Volvulus" på grunn av den ikke-elektive naturen til disse patologiene
- pasient med spredt kreft
- sårinfeksjon (dvs. potensielt nylig kirurgi)
- systemisk sepsis
- respiratoravhengighet preoperativt
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Hele kohorten
Pasienter som gjennomgår elektiv kolektomi med data som er samlet inn i NSQIP® Procedure Targeted Colectomy datasettet fra 2014-2019 med American Society of Anesthesiologists (ASA) Physical Status I-IV. Pasienter vil ikke inkluderes i denne kohorten med akutt eller akutt kolektomi eller indikasjon for kolektomi bestående av "akutt divertikulitt", "Enterokolitt (f.eks. C. Difficile)", og "Volvulus", pasienter med disseminert kreft, sårinfeksjon, systemisk sepsis eller respiratoravhengighet preoperativt. |
Ikke aktuelt, ikke-intervensjonsstudie
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Lungebetennelse
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av lungebetennelse innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
|
Hjerteinfarkt (MI)
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av hjerteinfarkt innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
|
Cerebral vaskulær hendelse (CVA)
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av hjerteinfarkt innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
|
Venøs tromboembolisme (VTE)
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av venøs tromboembolisme innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
|
Akutt nyresvikt (ARF)
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av akutt nyresvikt innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
|
Sepsis eller septisk sjokk
Tidsramme: Innen 30 dager etter operasjonen
|
Forekomst av sepsis eller septisk sjokk innen 30 dager etter operasjonen.
|
Innen 30 dager etter operasjonen
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Janny Xue Chen Ke, MD, University of British Columbia
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Riley RD, Snell KI, Ensor J, Burke DL, Harrell FE Jr, Moons KG, Collins GS. Minimum sample size for developing a multivariable prediction model: PART II - binary and time-to-event outcomes. Stat Med. 2019 Mar 30;38(7):1276-1296. doi: 10.1002/sim.7992. Epub 2018 Oct 24. Erratum In: Stat Med. 2019 Dec 30;38(30):5672.
- Morris MS, Deierhoi RJ, Richman JS, Altom LK, Hawn MT. The relationship between timing of surgical complications and hospital readmission. JAMA Surg. 2014 Apr;149(4):348-54. doi: 10.1001/jamasurg.2013.4064.
- Scarborough JE, Schumacher J, Kent KC, Heise CP, Greenberg CC. Associations of Specific Postoperative Complications With Outcomes After Elective Colon Resection: A Procedure-Targeted Approach Toward Surgical Quality Improvement. JAMA Surg. 2017 Feb 15;152(2):e164681. doi: 10.1001/jamasurg.2016.4681. Epub 2017 Feb 15.
- Thompson JS, Baxter BT, Allison JG, Johnson FE, Lee KK, Park WY. Temporal patterns of postoperative complications. Arch Surg. 2003 Jun;138(6):596-602; discussion 602-3. doi: 10.1001/archsurg.138.6.596.
- Luo W, Phung D, Tran T, Gupta S, Rana S, Karmakar C, Shilton A, Yearwood J, Dimitrova N, Ho TB, Venkatesh S, Berk M. Guidelines for Developing and Reporting Machine Learning Predictive Models in Biomedical Research: A Multidisciplinary View. J Med Internet Res. 2016 Dec 16;18(12):e323. doi: 10.2196/jmir.5870.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Forventet)
Studiet fullført (Forventet)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- H21-02670
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .