PREDIKTIV OG AVANSERT ANALYTIKK I NØDMEDISIN - NEUROLOGISKE UNDER (PAN-EM-NEURO)
Fremtidig prediktiv modellering innen akuttmedisin vil sannsynligvis kombinere bruken av et bredt spekter av datapunkter som kontinuerlig dokumentasjon, overvåking ved bruk av wearables, bildebehandling, biomarkører og sanntids administrative data fra alle involverte helsepersonell. Påfølgende omfattende datasett kan mate avansert dyp læring og nevrale nettverksalgoritmer for nøyaktig å forutsi risikoen for spesifikke helsetilstander. Dessuten styrer prediktiv analyse mot utviklingen av kliniske veier som er adaptive og kontinuerlig oppdatert, og der beslutningstaking i helsevesenet støttes av sofistikerte algoritmer for å gi den beste handlingen effektivt og sikkert. Potensialet for prediktiv analyse til å revolusjonere mange aspekter av helsevesenet synes klart i horisonten. Informasjon om bruk i akuttmedisin er mangelvare.
Vi tar sikte på å evaluere ytelsen ved bruk av rutinedata for å forutsi ressursbruk i akuttmedisin ved å bruke det ofte opptrådte symptomet på akutt nevrologisk underskudd. Som et perspektiv kan dette tjene som en prototype for andre, lignende prosjekter som bruker rutinemessige medisinske data for prediktiv analyse i akuttmedisin.
Studieoversikt
Status
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Jan Niederdöckl, MD
- Telefonnummer: 0042 40 400 19640
- E-post: jan.niederdoeckl@meduniwien.ac.at
Studiesteder
-
-
-
Vienna, Østerrike, 1090
- Rekruttering
- Emergency Department, Medical University Vienna
-
Ta kontakt med:
- Jan Niederdöckl, Dr.
- E-post: jan.niederdoeckl@medunwien.ac.at
-
Ta kontakt med:
- Alexander Simon, Dr.
- E-post: alexander.simon@medunwien.ac.at
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Retrospektiv analyse av rutinemessig innsamlet data. Vi tar sikte på å finne datamønstre assosiert med ressursutnyttelse på sykehus av pasienter innlagt av akuttmedisinske tjenester for mistanke om akutt nevrologisk underskudd.
Vi vil kun bruke informasjon fra det rutinemessige elektroniske medisinske dokumentasjonssystemet for denne studien. Ingen kobling til andre datasett vil bli utført. Data i systemet inkluderer pasientdemografi, innledende symptomer, prehospitale vitale tegn og skårer, mistenkt diagnose av akuttmedisinske tjenester, inhospitale vitale tegn og skårer, sykehusdiagnostikk (computertomografi CT, magnetisk resonanstomografi MR) og terapeutiske (kateterintervensjon) prosedyrer og endelig diagnose. Se "variabler" for et komplett sett med variabler.
For formålet med denne studien vil kun et fullstendig pseudonomysert datasett bli brukt.
Beskrivelse
Inklusjonskriterier:
- Kvinnelige og mannlige fag
- Alder ≥ 18 år
Ekskluderingskriterier:
- ingen
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediksjonsmodell
Tidsramme: 1.1.2025
|
skal utvikles
|
1.1.2025
|
Samarbeidspartnere og etterforskere
Sponsor
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
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 (Antatt)
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
- EK- Nr. 1738/2022
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. .