- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06238180
Personlig interoperabel sepsisovervåking i sanntid (PRISM) (PRISM)
Prediksjon av sepsis hos pasienter som gjennomgår abdominal kirurgi: en prospektiv, observasjons klinisk studie
Målet med denne prospektive observasjonsstudien er å utvikle og bruke en kunstig intelligens (AI) modell for prediksjon av postoperativ sepsis hos pasienter som gjennomgår abdominal kirurgi. Hovedspørsmålene den tar sikte på å besvare er:
- Kan et eksternt AI-drevet overvåkingssystem nøyaktig forutsi sepsisrisiko hos postoperative pasienter?
- Hvor effektivt kan dette systemet integrere og analysere multimodale data for tidlig sepsisdeteksjon i kirurgisk avdeling?
Deltakerne er utstyrt med ikke-invasive PPG-baserte bærbare enheter for kontinuerlig å overvåke vitale tegn og samle inn kliniske data av høy kvalitet. Disse dataene, sammen med demografisk informasjon og laboratorieinformasjon fra den elektroniske helsejournalen (EPJ) til sykehuset, brukes til utvikling og validering av AI-modeller.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Kontakter og plasseringer
Studiesteder
-
-
Thessaly
-
Larissa, Thessaly, Hellas, 41110
- General University Hospital of Larissa
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Pasienter som gjennomgår elektiv abdominal kirurgi.
- Postoperativ innleggelse på kirurgisk avdeling.
- Alder 18 år eller eldre, som kan og vil delta og har gitt skriftlig samtykke.
- Ved innleggelse vurderer primærforskeren risikoen for å forverres i løpet av de første 72 timene etter innleggelsen som rimelig høy.
Ekskluderingskriterier:
- <18 år Kjent allergi eller kontraindikasjon mot overvåkingsapparatet.
- Eksisterende tilstander som kan forstyrre studien (f.eks. kronisk sepsis, immunsviktforstyrrelser).
- Dagkirurgi.
- Svangerskap.
- Umiddelbar overføring til ICU postoperativt.
- Pasienten nekter eller kan ikke gi skriftlig samtykke.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet av AI-drevet sepsis-prediksjon i postoperativ periode
Tidsramme: Nøyaktigheten av sepsis-prediksjonen vil bli vurdert fra operasjonsdagen, vurdert daglig i opptil 7 dager etter operasjonen eller til utskrivelse fra sykehuset.
|
Denne primære utfallsmålingen evaluerer nøyaktigheten til et AI-drevet overvåkingssystem for å predikere postoperativ sepsis blant pasienter som gjennomgår abdominalkirurgi.
Målingen fokuserer på systemets evne til å korrekt identifisere sepsis, med hensyn til sensitivitet, spesifisitet og prediktive verdier.
|
Nøyaktigheten av sepsis-prediksjonen vil bli vurdert fra operasjonsdagen, vurdert daglig i opptil 7 dager etter operasjonen eller til utskrivelse fra sykehuset.
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Studiestol: Eleni Arnaoutoglou, MD, PhD, Larissa University Hospital
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 27681/13-06-23
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. .