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

Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy

8. august 2026 oppdatert av: Sofia De La Villa, Instituto de Investigación Sanitaria Gregorio Marañón

Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy: A Prospective Quasi-Experimental Study

The goal of this quasi-experimental study is to analyze if a Machine Learning Clinical Decision Support System can improve the empirical antibiotic treatment in patients with pneumonia, urinary tract infection and / or sepsis.

The main questions it aims to answer are:

  • Primary outcome: clinical success defined as clinical cure (resolution of all signs and symptoms related to infection); no complications until day 30 (recurrence, or development of adverse events- AEs-); no new acquisition of MDROs; and survival at day 30.
  • Secondary outcomes: a subgroup analysis of the primary outcome according to the department participants, infectious syndrome, severity of the infection assessed by the SOFA score, and in microbiological confirmed infections. In microbiological confirmed infections, desirability of Outcome Ranking (DOOR) for the Management of Antimicrobial Therapy (MAT) according to the beta-lactam classification

Researchers will compare a pre-intervention group with a post-intervention to see if improve in the DOOR MAT score

Participants in the post-intervention group will:

• Received empirical antibiotic therapy prescribed by their treating physicians according to the machine-learning recommendations

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Intervensjon / Behandling

Studietype

Intervensjonell

Registrering (Antatt)

486

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiekontakt

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

Beskrivelse

Inclusion Criteria:

  • Adult patients (aged ≥18 years)
  • Admitted to the Nephrology, Oncology or ICU wards
  • Diagnosis of sepsis, pneumonia and/or UTI
  • Empirical antibiotics prescribed

Exclusion Criteria:

  • informed consent obtained > 48 hours since the infection onset
  • beta-lactam allergy
  • infection syndrome other than sepsis, pneumonia or UTI
  • confirmed no-bacterial infection
  • death within the first 48 hours of inclusion or imminent risk of death at time of the inclusion
  • pregnancy and/or breastfeeding
  • inclusion in a clinical trial of antimicrobial treatment

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Behandling
  • Tildeling: Ikke-randomisert
  • Intervensjonsmodell: Sekvensiell tildeling
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Ingen inngripen: Pre-interventional
Hospital standard practices for diagnosis and/or treatment applied
Eksperimentell: Interventional
Hospital standard practices + use of a CDSS tool
Annen: Machine Learning Decision Support System
iAST® (Pragmatech AI Solutions) is a medical device designed to assist the antibiotic prescription, currently approved by the European Medicines Agency. It used complex algorithms to accurately predict the most likely recommended antibiotics for providing coverage for specific aerobic bacteria before definitive microbiological results, bacterial identification and antibiotic susceptibility testing, were known

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Clinical success
Tidsramme: 30-Day
resolution of all signs and symptoms related to infection with no complications and survival
30-Day

Samarbeidspartnere og etterforskere

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

Sponsor

Instituto de Investigación Sanitaria Gregorio Marañón

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. september 2026

Primær fullføring (Antatt)

1. august 2027

Studiet fullført (Antatt)

1. september 2027

Datoer for studieregistrering

Først innsendt

5. august 2026

Først innsendt som oppfylte QC-kriteriene

8. august 2026

Først lagt ut (Faktiske)

13. august 2026

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

13. august 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

8. august 2026

Sist bekreftet

1. august 2026

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • MICRO.HGUGM.2026-003

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

UBESLUTTE

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. .

Abonnere