- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06815523
Prediksjon av varigheten av mekanisk ventilasjon i akutt hypoksemisk respiratoty -svikt (PREMIER)
Prediksjon av varighet av mekanisk venylering hos pasienter med akutt hypoksemisk respirasjonssvikt usinf maskinlæring tilnærminger
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Akutt hypoksemisk respirasjonssvikt (AHRF) er den vanligste årsaken til innleggelse i intensivavdelinger (ICUs) over hele verden. Etterforskerne vil vurdere verdien av maskinlæringsteknikker (ML) for prediksjon av langvarig varighet (> eller equal til 7 dager) av mekanisk ventilasjon (MV) hos 1241 pasienter som er påmeldt i Pandora -studien i Spania. Få studier har undersøkt prediksjonen av langvarig MV hos pasienter med AHRF.
For modellopplæring og testing vil etterforskerne trekke ut data fra tilfeldige pateints fra de første 2 dagene etter diagnose av AHRF. Etterforskerne hadde en database med 2.000.000 anonymiserte og dissosierte demografi og klinisk relevante data fra 1241 pasienter med AHRF fra 22 sykehus i Spania. Etterforskerne vil følge stativretningslinjene for prediksjonsmodeller. Etterforskerne vil screene relevante innsamlede variabler ved bruk av en genetisk algoritmevariabelt utvalg for å oppnå parsimonier. Vi vil bruke 5 ganger Corss-validering i datasettet til pasienter med data ved T0, T24 og T48. Vi vil bruke 25% av pasientene tilfeldig valgt for evaluering av modellen.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Madrid, Spania
- Hospital Universitario La Paz
-
-
Las Palmas
-
Las Palmas de Gran Canaria, Las Palmas, Spania, 35019
- Hospital Dr. Negrín
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Enotrakeal intubasjon Puls Mekanisk ventilasjon
- PAO2/FIO2 -forhold <eller = 300 mmHg under MV med Peep> eller = 5 og fio2> eller = 0,3
Eksklusjonskriterier:
- Hjernedødspasienter
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Avledning/testkohort
Etterforskerne vil bruke en chort på 75% av pasientene, tilfeldig valgt, med data ved T0, T24 og T48 etter diagnose av akutt hypoksemisk respirasjonssvikt (AHRF).
Vi vil anvende maskinlæringsmetoder.
|
Maskinlæring og logistisk regresjon for valideringskohorten
|
|
Validering HOHORT
Vi vil bruke 25% av usett pasienter, tilfeldig valgt, med data ved T0, T24 og T48 etter diagnose av AHRF.
|
Maskinlæring og logistisk regresjon for valideringskohorten
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
MV varighet
Tidsramme: opptil 100 uker
|
Varighet av mekanisk ventilasjon
|
opptil 100 uker
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Studieleder: Jesus Villar, Fundación Canaria Instituto de Investigación Sanitaria de Canarias
Publikasjoner og nyttige lenker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
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
- Sykdommer i luftveiene
- Respirasjonsforstyrrelser
- Respiratorisk insuffisiens
- Helsevesenets kvalitet, tilgang og evaluering
- Undersøkelsesteknikker
- Epidemiologiske metoder
- Helsevesenets evalueringsmekanismer
- Kvalitet på helsehjelpen
- Folkehelse
- Miljø og folkehelse
- Kunstig intelligens
- Algoritmer
- Matematiske konsepter
- Statistikk som emne
- Modeller, teoretisk
- Fare
- Sannsynlighet
- Models, Statistical
- Regression Analysis
- Machine Learning
- Logistic Models
Andre studie-ID-numre
- PIFIISC24
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
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. .