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

SENSING-AI-kohort: Retrospektiv studie (SENSING-AI)

14. februar 2025 oppdatert av: Adhera Health, Inc.

Retrospektiv datainnsamling for SENSING-AI: en bærbar plattform for tidlig diagnose av emosjonelle lidelser og eksacerbasjoner hos pasienter med langvarig covid gjennom bruk av kunstig intelligens

Den retrospektive studien vil bli brukt til å utvikle en kunstig intelligensmodell for risikostratifisering av fysiologiske og psykologiske komplikasjoner som oppstår fra informasjonen som er tilgjengelig i den elektroniske journalen og den første konsultasjonsrapporten for å støtte pasienter og helsepersonell i bedre styring av helsevesenet for pasienter diagnostisert med lang COVID.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Stratifiseringen av risikoen for komplikasjoner knyttet til vedvarende COVID, både fysiologisk og psykologisk på en personlig måte, vil optimalisere kostnadseffektivitetsmodellen for behandling av disse pasientene. Tilsvarende vil tidlig oppdagelse av komplikasjoner assosiert med vedvarende COVID hos pasienter som tilhører sårbare grupper forbedre pleietiden og dermed pasientens prognose.

Hovedmålet for denne studien er å samle anonymiserte retrospektive data fra pasienter som lider av langvarig COVID for å bidra til genereringen av SENSING-AI-kohorten.

Studietype

Observasjonsmessig

Registrering (Faktiske)

103

Kontakter og plasseringer

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

Studiesteder

  • Spania
      • Seville, Spania, 41009
        • Virgen Macarena University 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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Utvalgsstørrelsen for den retrospektive studien nok til å generere en første versjon av risikostratifiseringsmodellene vil være rundt 100 tilfeller. Målpopulasjonen vil være så balansert som mulig mellom forsøkspersoner som trengte spesialisert omsorg på grunn av lange COVID-19-komplikasjoner (enten spesialiserte omsorgskonsultasjoner eller eventuelle ikke-planlagte sykehusinnleggelser) etter 1 måned, 3 måneder, 6 måneder og 1 år fra den lange COVID-19-diagnose og de som ikke trengte slik spesialisert omsorg.

Beskrivelse

Inklusjonskriterier:

  • Juridisk voksen
  • Diagnostisert med lang COVID-19 det siste året
  • Med tilstedeværelsen av noen av disse symptomene:
  • Asteni (tretthet)
  • Dyspné
  • Kortpustethet
  • Angst
  • Understreke
  • Depresjon
  • Søvnforstyrrelse

Ekskluderingskriterier:

  • Deltok på spesialisert omsorgskonsultasjon
  • Ble innlagt på sykehus det siste året på grunn av et problem som ikke var relatert til COVID-komplikasjonene

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
Retrospektive lange COVID-tilfeller
Målpopulasjonen vil være så balansert som mulig mellom forsøkspersoner som trengte spesialisert omsorg på grunn av lange COVID-19-komplikasjoner (enten spesialiserte omsorgskonsultasjoner eller eventuelle ikke-planlagte sykehusinnleggelser) etter 1 måned, 3 måneder, 6 måneder og 1 år fra den lange COVID-19-diagnose og de som ikke trengte slik spesialisert omsorg.
Annen: Gjennomgang av tilgjengelige kliniske datakilder knyttet til brukstilfeller
Det vil være en gjennomgang av tilgjengelige kliniske datakilder knyttet til brukstilfeller. I tillegg vil denne informasjonen bli supplert med en kohort av anonymiserte retrospektive data på 100 tilfeller hentet fra den kliniske informasjonen som er et resultat av assistanse til COVID-19-pasienter administrert av Primary Care Health District of Sevilla Norte og Infectious Diseases Department of the Virgen Macarena universitetssykehus

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Retrospektiv SENSING-AI-kohort
Tidsramme: 1 måned
Den retrospektive SENSING-AI-kohorten vil bli matet fra klinisk informasjon om 100 tilfeller av pasienter med lang COVID-19.
1 måned

Samarbeidspartnere og etterforskere

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

Sponsor

Adhera Health, Inc.

Samarbeidspartnere

Hospital Universitario Virgen Macarena

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)

18. januar 2022

Primær fullføring (Faktiske)

25. februar 2022

Studiet fullført (Faktiske)

25. februar 2022

Datoer for studieregistrering

Først innsendt

31. januar 2024

Først innsendt som oppfylte QC-kriteriene

31. januar 2024

Først lagt ut (Faktiske)

7. februar 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

14. februar 2025

Sist bekreftet

1. februar 2024

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • SEN-0121

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

produkt produsert i og eksportert fra USA

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