Prediksjon av serumkalium ved bruk av maskinlæring og enkelleddet EKG
21. mars 2026 oppdatert av: David Levine, Brigham and Women's Hospital
Prediksjon av serumkalium ved bruk av maskinlæring og enkanalig EKG
Dette er en retrospektiv studie som trekker på data fra Brigham and Women's Hospital Home Hospital Programs database.
Sosiodemografiske og kliniske data fra en treningskohort ble brukt til å trene en maskinlæringsalgoritme for å forutsi blodkalium gjennom en pasients innleggelse.
Denne algoritmen ble deretter validert i en valideringskohort.
Studieoversikt
Status
Tilbaketrukket
Forhold
Intervensjon / Behandling
Studietype
Observasjonsmessig
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
Massachusetts
-
Boston, Massachusetts, Forente stater, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Forente stater, 02130
- Brigham and Women's Faulkner 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
Deltakere innlagt ved Brigham and Women's Hospital og Brigham and Women's Faulkner Hospital som oppfyller krav til hoveddiagnose, alder og bosetning innen 5 miles og er registrert i hjemmesykehusprogrammet.
Beskrivelse
Var en deltaker i Brigham and Women's Home Hospital-studien og har en fullført oppføring i studiets database.
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 |
|---|---|
|
Opplæring
En undergruppe av pasienter som brukes til å trene maskinlæringsalgoritmen.
|
Bruk en maskinlæringsalgoritme for å estimere en pasients kaliumnivå.
|
|
Validering
En undergruppe av pasienter som "holdes tilbake" og brukes til å validere algoritmens nøyaktighet.
|
Bruk en maskinlæringsalgoritme for å estimere en pasients kaliumnivå.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Serumkonsentrasjon av kalium
Tidsramme: Fra innleggelsesdato til utskrivningsdato, gjennom studiens fullføring i gjennomsnitt 7 dager.
|
Serum kalium, målt i millimol per liter
|
Fra innleggelsesdato til utskrivningsdato, gjennom studiens fullføring i gjennomsnitt 7 dager.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Hyperkalemi
Tidsramme: Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
Serumkalium høyere enn 5,1 millimol per liter
|
Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
|
Hypokalemi
Tidsramme: Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
Serumkalium under 3,4 millimol per liter
|
Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
|
Normokalemi
Tidsramme: Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
Serumkalium mellom 3,4 og 5,1 millimol per liter
|
Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
|
Serumkalium mindre enn versus større enn eller lik 4 millimol per liter
Tidsramme: Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
Serumkalium som faller enten mindre enn versus større enn eller lik 4 millimol per liter
|
Fra innleggelsesdato til utskrivningsdato, gjennom studiefullføring i gjennomsnitt 7 dager.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: David Levine, MD MPH MA, Associate Physician
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
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)
20. mars 2021
Primær fullføring (Antatt)
1. august 2021
Studiet fullført (Antatt)
1. desember 2021
Datoer for studieregistrering
Først innsendt
14. april 2021
Først innsendt som oppfylte QC-kriteriene
21. mars 2026
Først lagt ut (Faktiske)
25. mars 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
25. mars 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
21. mars 2026
Sist bekreftet
1. mars 2026
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
- Urogenitale sykdommer
- Vaskulære sykdommer
- Kardiovaskulære sykdommer
- Patologiske prosesser
- Mannlige urogenitale sykdommer
- Nyresykdommer
- Urologiske sykdommer
- Kvinnelige urogenitale sykdommer
- Kvinnelige urogenitale sykdommer og graviditetskomplikasjoner
- Hjertesykdommer
- Kronisk sykdom
- Sykdomsattributter
- Sykdommer i immunsystemet
- Sykdommer i luftveiene
- Lungesykdommer
- Bronkiale sykdommer
- Lungesykdommer, obstruktiv
- Respiratorisk overfølsomhet
- Overfølsomhet, Umiddelbar
- Overfølsomhet
- Nyreinsuffisiens
- Hypertensjon
- Patologiske tilstander, tegn og symptomer
- Hypertensiv krise
- Hjertefeil
- Lungesykdom, kronisk obstruktiv
- Astma
- Infeksjoner
- Nyresvikt, kronisk
Andre studie-ID-numre
- 2017P002583c
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
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. .