- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06424925
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)
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
Forhold
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Stefania Piconi, MD
- Telefonnummer: +390341489890
- E-post: s.piconi@asst-lecco.it
Studer Kontakt Backup
- Navn: Silvia Pontiggia, MS
- Telefonnummer: +390341253678
- E-post: s.pontiggia@asst-lecco.it
Studiesteder
-
-
-
Lecco, Italia, 23900
- Stefania Piconi
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
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
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
Sponsor
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
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- AI COVID-19
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. .
Kliniske studier på Covid-19-pandemi
-
Yang I. PachankisAktiv, ikke rekrutterendeCOVID-19 luftveisinfeksjon | COVID-19 stresssyndrom | Covid-19-vaksinebivirkning | COVID-19-assosiert tromboembolisme | COVID-19 Post-Intensive Care Syndrome | COVID-19-assosiert hjerneslagKina
-
University of Roma La SapienzaQueen Mary University of London; Università degli studi di Roma Foro Italico og andre samarbeidspartnereFullførtPostakutte følgetilstander av COVID-19 | Tilstand etter covid-19 | Langvarig COVID | Kronisk COVID-19 syndromItalia
-
Dr. Soetomo General HospitalIndonesia-MoH; Universitas Airlangga; Biotis Pharmaceuticals, IndonesiaRekrutteringCovid-19-pandemi | Covid-19-vaksiner | COVID-19 virussykdomIndonesia
-
Erasmus Medical CenterDa Vinci Clinic; HGC RijswijkHar ikke rekruttert ennåPost-COVID-19 syndrom | Lang COVID | Lang Covid19 | Tilstand etter covid-19 | Post-COVID syndrom | Tilstand etter COVID-19, uspesifisert | Tilstand etter COVIDNederland
-
University of Witten/HerdeckeInstitut für Rehabilitationsforschung NorderneyFullførtPost-COVID-19 syndrom | Long-COVID-19 syndromTyskland
-
First Affiliated Hospital Xi'an Jiaotong UniversityShangluo Central Hospital; Ankang Central Hospital; Hanzhong Central Hospital og andre samarbeidspartnereRekrutteringKohortoppfølging av epidemi og nevroimaging for pasienter under den første bølgen av COVID-19 i KinaCovid-19 | Post-COVID-19 syndrom | Post-akutt COVID-19 | Akutt COVID-19Kina
-
Indonesia UniversityRekrutteringPost-COVID-19 syndrom | Lang COVID | Tilstand etter covid-19 | Post-COVID syndrom | Lang COVID-19Indonesia
-
Endourage, LLCRekrutteringLang COVID | Lang Covid19 | Post-akutt COVID-19 | Langdistanse COVID | Langdistanse COVID-19 | Postakutt covid-19 syndromForente stater
-
University Hospital, Ioannina1st Division of Internal Medicine, University Hospital of IoanninaRekrutteringCOVID-19 lungebetennelse | COVID-19 luftveisinfeksjon | Covid-19-pandemi | COVID-19 akutt respiratorisk distress-syndrom | COVID-19-assosiert lungebetennelse | COVID 19 assosiert koagulopati | COVID-19 (Coronavirus Disease 2019) | COVID-19-assosiert tromboembolismeHellas