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

Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall hos pasienter innlagt på sykehus for COVID19-lungebetennelse under de fire pandemiske bølgene (AI COVID-19)

22. mai 2024 oppdatert av: Stefania Piconi, Azienda Ospedaliera di Lecco

Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall som død og komplikasjoner hos pasienter innlagt på sykehus for COVID-lungebetennelse under de 4 pandemiske bølgene ved ASST i Lecco.

Prediktive modeller kan brukes på forskjellige områder, under krisen til COVID-19-pandemien, faktisk har de vist seg viktige for å støtte helsesystemer i planlegging av strategiske beslutninger og i å formulere helsepolitikk for å begrense sykdommen.

Spesielt Covid-19-pandemien har representert en reell utfordring for helsevesenet vårt. I Italia ble det delt inn i fire hovedbølger, hver preget av forskjellige typer pasienter og forskjellige terapeutiske tilnærminger ble gradvis forbedret basert på nye vitenskapelige bevis.

Målet er å gjennomføre en studie på dataene til pasienter som er innlagt på sykehus for COVID-19 ved ASST of Lecco under alle fire pandemiske bølger, med ulike alvorlighetsgrader av sykdom, samle inn data av interesse og bruke dem på de bruker kunstig intelligens å identifisere tilbakevendende mønstre av klinisk utfall når det gjelder overlevelse og sekundære infeksjonskomplikasjoner, for å bygge nye pålitelige prediktive statistiske modeller som kan brukes til å forutsi utfallet til pasientene selv.

Den sterke ambisjonen til dette prosjektet er at bruken av kunstig intelligens på data av en så betydelig mengde kan tillate oss å bygge gyldige statistiske modeller som deretter hypotetisk kan brukes på enhver pasient for å forutsi, basert på anamnestiske egenskaper, blodkjemiske parametere. ved baseline og ved fastsatt behandling, sannsynligheten for overlevelse og komplikasjoner

Studieoversikt

Status

Har ikke rekruttert ennå

Studietype

Observasjonsmessig

Registrering (Antatt)

5000

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

      • Lecco, Italia, 23900
        • Stefania Piconi

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

For hver pasient vil det bli samlet inn informasjon om:

  • Personopplysninger (dvs. alder, kjønn, nasjonalitet);
  • Dato for sykehusinnleggelse og utskrivning (eller død)
  • komorbiditeter;
  • Behandlinger utført for Covid19;
  • Mulig vaksinasjon for Covid19, dato og antall doser;
  • Mulig utbrudd av sekundære infeksjoner og/eller komplikasjoner;
  • Blodkjemiprøver ved innleggelse

Beskrivelse

Inklusjonskriterier:

  • Alder > 18 år;
  • Sykehusinnleggelse for COVID-19 lungebetennelse ved ASST Lecco.

Ekskluderingskriterier:

  • Sykehusinnleggelse eller funn av asymptomatisk SARS CoV-2-infeksjon.

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
COVID-19 1°-bølge
Innlagte pasienter for COVID19-lungebetennelse under første bølge (FEB-MAI 2020)
Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall som død og komplikasjoner hos pasienter innlagt på sykehus for COVID-lungebetennelse under de 4 pandemibølgene
COVID-19 2°-bølge
Innlagte pasienter for COVID19-lungebetennelse under den andre bølgen (OKT-DES 2020)
Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall som død og komplikasjoner hos pasienter innlagt på sykehus for COVID-lungebetennelse under de 4 pandemibølgene
COVID-19 3°-bølge
Innlagte pasienter for COVID19-lungebetennelse under den tredje bølgen (GEN-MAI 2021)
Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall som død og komplikasjoner hos pasienter innlagt på sykehus for COVID-lungebetennelse under de 4 pandemibølgene
COVID-19 4°-bølge
Innlagte pasienter for COVID19-lungebetennelse under den fjerde bølgen (NOV 2021-MAR 2022)
Bruk av kunstig intelligens (AI) for å forutsi kliniske utfall som død og komplikasjoner hos pasienter innlagt på sykehus for COVID-lungebetennelse under de 4 pandemibølgene

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Konstruksjon av prediktive modeller
Tidsramme: 6 måneder
Konstruksjon av prediktive modeller for å evaluere kliniske utfall som død og/eller begynnelse av sekundær infeksjon basert på dataene som er samlet inn knyttet til de 4 COVID-19-bølgene.
6 måneder

Samarbeidspartnere og etterforskere

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

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 (Antatt)

1. juni 2024

Primær fullføring (Antatt)

1. september 2024

Studiet fullført (Antatt)

31. desember 2024

Datoer for studieregistrering

Først innsendt

21. mai 2024

Først innsendt som oppfylte QC-kriteriene

21. mai 2024

Først lagt ut (Faktiske)

22. mai 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

23. mai 2024

Siste oppdatering sendt inn som oppfylte QC-kriteriene

22. mai 2024

Sist bekreftet

1. mai 2024

Mer informasjon

Begreper knyttet til denne studien

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. .

Kliniske studier på Covid-19-pandemi

3
Abonnere