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

Development and Validation of an Interpretable Machine Learning Model for Predicting Venous Thromboembolism（VTE）in Intensive Care Unit (ICU) Patients

18. mai 2026 oppdatert av: Weiwei Wu, Beijing Tsinghua Chang Gung Hospital

Venous thromboembolism remains a leading cause of preventable mortality in intensive care unit (ICU) patients. Existing risk-stratification tools were developed in general medical populations and lack ICU-specific predictors. This study was to develop and validate an interpretable machine learning (ML) model to predict VTE in ICU patients.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Annen: ingen inngrep

Studietype

Observasjonsmessig

Registrering (Faktiske)

12061

Kontakter og plasseringer

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

Studiesteder

Kina
- Beijing Municipality
  - Beijing, Beijing Municipality, Kina, 102218
    - Beijing Tsinghua Changgung 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

Patients admitted to ICU were included in the study cohort from January 2022 to October 2025. Inclusion criteria were: (1) age ≥18 years; (2) ICU length of stay ≥48 hours; (3) only the first ICU admission per patient was retained. Exclusion criteria were: (1) VTE diagnosed prior to ICU admission; (2) VTE diagnosed within 24 hours of ICU admission; (3) >20% missing values in key variables. The final cohort comprised 12,061 patients, of whom 587 (4.9%) developed VTE during ICU hospitalization.

Beskrivelse

Inclusion Criteria:

age ≥18 years;
ICU length of stay ≥48 hour
the first ICU admission

Exclusion Criteria:

VTE diagnosed prior to ICU admission
VTE diagnosed within 24 hours of ICU admission
>20% missing values in key variables

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål	Tidsramme
validate an interpretable machine learning (ML) model to predict VTE in ICU patients Tidsramme: the first day after the patients leaf ICU	the first day after the patients leaf ICU

Samarbeidspartnere og etterforskere

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

Sponsor

Beijing Tsinghua Chang Gung Hospital

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)

1. januar 2022

Primær fullføring (Faktiske)

31. desember 2025

Studiet fullført (Faktiske)

31. desember 2025

Datoer for studieregistrering

Først innsendt

12. mai 2026

Først innsendt som oppfylte QC-kriteriene

18. mai 2026

Først lagt ut (Faktiske)

19. mai 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)