- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT03644940
Identyfikacja sepsy specyficznej dla subpopulacji przy użyciu uczenia maszynowego
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Od lipca 2020 r. do lutego 2021 r. włącznie przeprowadzimy randomizowane badanie kontrolowane (RCT) w ośmiu subpopulacjach w CRMC, OH i UCSF. Subpopulacje, które zostaną włączone do badania to: kardiologia, gastroenterologia (GI), oddział intensywnej terapii (OIOM), medycyna, onkologia, chirurgia, transplantologia i oddział ratunkowy (SOR). Wszystkie cele tego badania w obu fazach, w tym RCT, zostały zatwierdzone przez Pearl Institutional Review Board z rezygnacją ze świadomej zgody (IRB00007772, FWA00026887).
W okresie badania wszyscy pacjenci w wieku powyżej 18 lat zgłaszający się na oddział ratunkowy lub przyjęci na oddział szpitalny w uczestniczących placówkach zostaną automatycznie włączeni do badania, jeśli należą do jednej z ośmiu subpopulacji będących przedmiotem zainteresowania w tym badaniu , do czasu osiągnięcia docelowej liczby zapisów do badania. Włączenie będzie pociągać za sobą randomizację do grupy kontrolnej lub eksperymentalnej. Pacjenci zostaną przydzieleni do grupy eksperymentalnej lub kontrolnej na podstawie losowej sekwencji alokacji, wygenerowanej przez program komputerowy przed rozpoczęciem badania, z zastosowaniem prostej randomizacji, ze stosunkiem alokacji 1:1. Ta sekwencja przydziału będzie ukryta dla pacjentów, pracowników służby zdrowia i badaczy. Jednak badanie będzie miało charakter otwarty, ponieważ pełne zaślepienie nie jest możliwe, ponieważ niektóre zadania grupowe zostaną ujawnione w naturalny sposób po otrzymaniu powiadomień telefonicznych.
W gabinecie będą dwa ramiona. Ramię kontrolne obejmie pacjentów monitorowanych za pomocą oryginalnej wersji InSight, a ramię eksperymentalne obejmie pacjentów monitorowanych za pomocą dostosowanej do subpopulacji wersji InSight. W obu ramionach, jeśli odpowiedni algorytm określi, że pacjent jest w grupie wysokiego ryzyka ciężkiej sepsy, do dyżurnej pielęgniarki dyżurującej w bieżącej lokalizacji pacjenta zostanie wysłane powiadomienie telefoniczne. Reakcja na alerty będzie zgodna z protokołem z naszego poprzedniego badania klinicznego dotyczącego sepsy. Procedura polega na przeprowadzeniu przez pielęgniarkę oceny przy łóżku pacjenta w celu wykluczenia podejrzenia zakażenia. Obejmuje to ocenę parametrów życiowych pacjenta, notatki EHR i ostatnie wyniki badań laboratoryjnych. W przypadku podejrzenia przez pielęgniarkę ciężkiej sepsy lekarz ocenia następnie stan pacjenta iw razie potrzeby wydaje zlecenie na podanie standardowego pakietu leczenia sepsy.
W zarządzaniu badaniami klinicznymi niektóre badania otwarte są randomizowane klastrami, podczas gdy inne są randomizowane na poziomie indywidualnego pacjenta. Randomizacja klastrów jest często stosowana w celu zminimalizowania „zanieczyszczenia” między grupami leczonymi i kontrolnymi, ponieważ narażenie dostawców na pacjentów z obu ramion w badaniu otwartym często prowadzi do niezamierzonych błędów behawioralnych. Te uprzedzenia mogą powodować, że świadczeniodawcy dostosowują swoje interwencje w grupie kontrolnej, aby naśladować ich działania w grupie eksperymentalnej, maskując w ten sposób efekt interwencji i wypaczając wyniki badania w kierunku zera. Chociaż otwarte, randomizowane badania klastrowe są skuteczne w minimalizowaniu kontaminacji między grupami, mają one kilka istotnych wad, w tym większą złożoność projektu i analizy, a także większe wymagania dotyczące rejestracji pacjentów w celu osiągnięcia tej samej mocy statystycznej. Ponieważ większe rozmiary próbek często wymagają zwiększenia kosztów, długości lub złożoności badania, obecne badania wykazały, że osoby biorące udział w badaniu powinny w miarę możliwości stosować indywidualną randomizację ze względu na wady alokacji klastrów. Biorąc pod uwagę te rozważania, doszliśmy do wniosku, że indywidualna randomizacja była najlepszą strategią dla naszego badania, ponieważ zapewnia znaczny wzrost mocy statystycznej i umożliwia ocenę wyniku każdego pacjenta niezależnie od każdego innego pacjenta. Aby zminimalizować możliwe stronniczość, zdecydowaliśmy się również, aby automatyczny tekst rozmowy telefonicznej był identyczny w obu ramionach. Pomyślne zastosowanie randomizacji na poziomie pacjenta w naszym poprzednim badaniu klinicznym dotyczącym sepsy daje nam zaufanie do tego projektu badania.
Po wypisaniu ze szpitala ostatniego zarejestrowanego pacjenta ocenimy, czy pierwszorzędowy punkt końcowy śmiertelności wewnątrzszpitalnej na podstawie SIRS i drugorzędowe punkty końcowe wewnątrzszpitalnej ciężkiej sepsy/śmiertelności z kodem wstrząsu, długość pobytu w szpitalu na podstawie SIRS i ciężka posocznica /czas pobytu w szpitalu określony kodem wstrząsu jest spełniony. Dodatkowe miary wyników będące przedmiotem zainteresowania dla każdej grupy pacjentów z rozpoznaniem SIRS iz ciężką sepsą/wstrząsem będą obejmowały: czas do ukończenia każdego elementu pakietu Surviving Sepsis Campaign (SSC); dni bez respiratora; Dni OIOM; i 30-dniowy wskaźnik ponownych hospitalizacji. 1-godzinny pakiet SSC obejmuje pobranie krwi na posiew, pomiar poziomu mleczanów, podanie antybiotyków o szerokim spektrum działania, podanie 30 ml/kg płynu krystaloidowego w przypadku nadciśnienia lub mleczanu >4 mmol/l oraz zastosowanie leków wazopresyjnych, jeśli pacjent ma niedociśnienie w trakcie lub po uzupełniania płynów.
Pacjenci zostaną uznani za „opartych na SIRS” i włączeni do analizy pierwszorzędowych punktów końcowych, jeśli spełnią co najmniej dwa kryteria SIRS w dowolnym momencie pobytu. Powodem tego kryterium włączenia jest to, że algorytm może wykryć ciężką posocznicę, zanim zostanie to widoczne na wykresie, a zatem posocznicę można rozwiązać dzięki wczesnej interwencji przed udokumentowaniem ciężkiej sepsy w dokumentacji medycznej. Na przykład, jeśli alarm CDS skutkuje rozpoczęciem leczenia przed wylosowaniem laboratoriów wskazujących na dysfunkcję narządów, stan pacjenta „ciężka sepsa” może zostać ocenzurowany. Ograniczenie kryteriów włączenia do konsensusu z 2001 r. (Sepsis-2) kryteriów definicji ciężkiej sepsy lub kryteriów Sepsis-3 wykluczyłoby takich pacjentów z analizy; jednak takiej cenzury unikniemy, stosując kryteria włączenia oparte na SIRS.
Planujemy korzystać z danych klinicznych opartych na EHR do analizy pierwszorzędowych punktów końcowych, w przeciwieństwie do danych opartych na roszczeniach, ze względu na ich zdolność do zapewnienia bardziej obiektywnych pomiarów wyników pacjentów. Jednak w celu porównania z innymi badaniami wykorzystującymi włączenie oparte na kodowaniu, dane z roszczeń zostaną wykorzystane w kryteriach włączenia dla drugorzędowych punktów końcowych. Pacjenci zostaną uznani za udokumentowanych jako „ciężka sepsa/wstrząs septyczny” i włączeni do analizy drugorzędowych punktów końcowych, jeśli spełniają kryteria wdrożenia firmy Angus lub którykolwiek z następujących kodów diagnostycznych: R6520 i/lub R6521 z kodami posocznicy A400, A401, A403 , A408, A4101, A4102, A411, A412, A413, A414, A4150, A4151, A4152, A4153, A4159, A4181, A4189, A427, A021, A227, A267, A327, A5486, B377. Wiadomo, że stosowanie samych wyraźnych kodów ICD do śledzenia sepsy ma wysoką specyficzność, ale niską czułość.
Po zakończeniu badania istotne wyniki zostaną opublikowane w formie artykułów naukowych.
Typ studiów
Faza
- Faza 2
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Opis
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: DIAGNOSTYCZNY
- Przydział: LOSOWO
- Model interwencyjny: RÓWNOLEGŁY
- Maskowanie: POTROIĆ
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
EKSPERYMENTALNY: Algorytm specyficzny dla subpopulacji
|
Specyficzny dla subpopulacji system wspomagania decyzji klinicznych (CDS) do wykrywania ciężkiej sepsy
|
|
NIE_INTERWENCJA: Algorytm sterowania
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Śmiertelność wewnątrzszpitalna na podstawie SIRS
Ramy czasowe: Poprzez ukończenie studiów, średnio 8 miesięcy
|
Śmiertelność przypisywana pacjentom spełniającym dwa lub więcej kryteriów SIRS w pewnym momencie pobytu
|
Poprzez ukończenie studiów, średnio 8 miesięcy
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wewnątrzszpitalna ciężka sepsa/śmiertelność z kodem wstrząsu
Ramy czasowe: Poprzez ukończenie studiów, średnio 8 miesięcy
|
Śmiertelność przypisywana pacjentom zakodowanym jako ciężka posocznica lub wstrząs septyczny
|
Poprzez ukończenie studiów, średnio 8 miesięcy
|
|
Długość pobytu w szpitalu w oparciu o SIRS
Ramy czasowe: Poprzez ukończenie studiów, średnio 8 miesięcy
|
Długość pobytu w szpitalu przypisywana pacjentom spełniającym co najmniej dwa kryteria SIRS w pewnym momencie pobytu
|
Poprzez ukończenie studiów, średnio 8 miesięcy
|
|
Ciężka sepsa / długość pobytu w szpitalu z kodem wstrząsu
Ramy czasowe: Poprzez ukończenie studiów, średnio 8 miesięcy
|
Długość pobytu w szpitalu przypisywana pacjentom zakodowanym jako ciężka posocznica lub wstrząs septyczny
|
Poprzez ukończenie studiów, średnio 8 miesięcy
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Publikacje i pomocne linki
Publikacje ogólne
- Desautels T, Calvert J, Hoffman J, Mao Q, Jay M, Fletcher G, Barton C, Chettipally U, Kerem Y, Das R. Using Transfer Learning for Improved Mortality Prediction in a Data-Scarce Hospital Setting. Biomed Inform Insights. 2017 Jun 12;9:1178222617712994. doi: 10.1177/1178222617712994. eCollection 2017.
- Calvert J, Mao Q, Rogers AJ, Barton C, Jay M, Desautels T, Mohamadlou H, Jan J, Das R. A computational approach to mortality prediction of alcohol use disorder inpatients. Comput Biol Med. 2016 Aug 1;75:74-9. doi: 10.1016/j.compbiomed.2016.05.015. Epub 2016 May 24.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Calvert J, Mao Q, Hoffman JL, Jay M, Desautels T, Mohamadlou H, Chettipally U, Das R. Using electronic health record collected clinical variables to predict medical intensive care unit mortality. Ann Med Surg (Lond). 2016 Sep 6;11:52-57. doi: 10.1016/j.amsu.2016.09.002. eCollection 2016 Nov.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (OCZEKIWANY)
Zakończenie podstawowe (OCZEKIWANY)
Ukończenie studiów (OCZEKIWANY)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (RZECZYWISTY)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (RZECZYWISTY)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 18-347718
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .
Badania kliniczne na Posocznica
-
Drugs for Neglected DiseasesUniversiteit Antwerpen; PENTA Foundation; St George's, University of LondonZakończonySEPSIS noworodkówBangladesz, Uganda, Tajlandia, Afryka Południowa, Włochy, Grecja, Indie, Brazylia, Chiny, Kenia, Wietnam
-
Assiut UniversityNieznany
-
Assiut UniversityNieznany
-
Ahmed Mahmoud Ali Ali YoussefZakończony
-
Assiut UniversityNieznany
-
London School of Hygiene and Tropical MedicineZakończonySEPSIS noworodkówBurkina Faso, Gambia
-
Stephanie BjerrumRigshospitalet, Denmark; University of Copenhagen; University of Ghana; Korle-Bu...Zakończony
-
Drugs for Neglected DiseasesUniversity of Oxford; KEMRI-Wellcome Trust Collaborative Research ProgramZakończonySEPSIS noworodkówKenia
-
Gehad AbdelnaserAssiut UniversityNieznany
-
Franciscus GasthuisErasmus Medical CenterZakończonyZakażenie noworodków | SEPSIS noworodkówHolandia