- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT04337502
Model kliniczny i radiomiczny COVID-19
Model kliniczny i radiologiczny do przewidywania rokowania dla pacjentów z COVID-19
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
W grudniu 2019 r. w Wuhan w Chinach pojawił się nowy koronawirus, koronawirus zespołu ostrej niewydolności oddechowej 2 (SARS-CoV-2; wcześniej nazwany 2019-nCoV). Choroba wywołana przez SARS-CoV-2 to COVID-19. Na dzień 8 marca 2020 r. na całym świecie zgłoszono ponad 100 000 pacjentów z COVID-19 (ponad 80 000 przypadków w Chinach, ponad 20 000 w innych krajach) i 3 600 pacjentów (3 100 w Chinach, 500 poza Chinami). Chiny) zmarły. Wybuch COVID-19 stanowi zagrożenie zdrowia publicznego o zasięgu międzynarodowym.
Wśród pacjentów z COVID-19 około 80% to pacjenci z łagodną (nie ciężką) chorobą, która zwykle wraca do zdrowia w ciągu dwóch tygodni. Jednak kolejne 20% pacjentów może zaostrzyć się do ciężkiej lub krytycznej choroby, co skutkuje dłuższym pobytem w szpitalu, a śmiertelność takich pacjentów wynosi 13,4%. Dlatego wstępna identyfikacja ciężkich pacjentów wysokiego ryzyka jest niezwykle ważna dla zarządzania pacjentami i alokacji zasobów medycznych. Ogólna kwarantanna i leczenie objawowe mogą być stosowane w przypadku większości pacjentów o mniej ciężkim przebiegu, podczas gdy wyższy poziom opieki i zielony kanał do oddziału intensywnej terapii (OIOM) są pomocne w przypadku ciężkich pacjentów. Poprzednie badania podsumowały kliniczną i radiologiczną charakterystykę pacjentów z ciężkim przebiegiem COVID-19, podczas gdy wciąż nie jest jasne, które czynniki są ważnymi czynnikami predykcyjnymi.
Uczenie maszynowe jest gałęzią sztucznej inteligencji, która umożliwia nam poznanie wiedzy i potencjalnych praw z danych oraz zbudowanie modelu rozwiązywania problemów jako potrzeb człowieka. W ostatnich latach uczenie maszynowe zostało opracowane jako nowatorskie narzędzie do analizy dużych ilości danych z dokumentacji medycznej lub obrazów. Poprzednie badania modelowe koncentrowały się na prognozowaniu potencjalnego międzynarodowego rozprzestrzeniania się COVID-19.
Dlatego naszym celem jest opracowanie i walidacja modelu uczenia maszynowego w oparciu o same cechy kliniczne, laboratoryjne i radiologiczne lub kombinację pacjentów z COVID-19 we wczesnym stadium bez ciężkiej choroby z wielu ośrodków w celu przewidywania ciężkiego (lub krytycznego) choroby w dalszej hospitalizacji w celu ułatwienia oceny ryzyka przed i po objawach oraz segregacji (dom, hospitalizacja w oddziale lub OIOM).
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Hubei
-
Wuhan, Hubei, Chiny
- The Central Hospital Of Wuhan
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Płeć kwalifikująca się do nauki
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- potwierdzonych pacjentów z COVID-19 za pomocą wysokoprzepustowego sekwencjonowania lub testu reakcji łańcuchowej polimerazy z odwrotną transkryptazą w czasie rzeczywistym (RT-PCR) dla próbek wymazów z nosa i gardła.
Kryteria wyłączenia:
- pacjenci z ciężką chorobą w momencie przyjęcia;
- odstęp czasowy > 2 dni między przyjęciem a egzaminami;
- brak danych lub opóźnione wyniki
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
---|---|
ciężka grupa
Ciężka grupa została wyznaczona, gdy pacjenci mieli jedno z następujących kryteriów podczas hospitalizacji wydanych przez Chiński Narodowy Komitet Zdrowia (wersja 3-5). 1) Niewydolność oddechowa z częstością oddechów ≥ 30/min; 2) Pulsoksymetr Nasycenie tlenem ≤ 93% w spoczynku; 3) wskaźnik natlenienia (tętnicze ciśnienie cząstkowe tlenu/frakcja tlenu wdychanego, PaO2/FiO2) ≤ 300 mmHg; 4) Jeden z następujących stanów: a) występuje niewydolność oddechowa wymagająca wentylacji mechanicznej; b) Występuje wstrząs; c) Przyjęcie na OIOM jest wymagane w przypadku złożonej niewydolności narządowej.
|
Uczenie maszynowe, takie jak regresja logistyczna, las losowy i uczenie głębokie
|
niegroźna grupa
Do grupy nieciężkiej kwalifikowano pacjentów, którzy do wypisu ze szpitala nie spełniali wymienionych kryteriów ciężkich.
|
Uczenie maszynowe, takie jak regresja logistyczna, las losowy i uczenie głębokie
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Predykcyjna wydajność
Ramy czasowe: 1 stycznia 2020 r. do 13 lutego 2020 r
|
AUC, dokładność, czułość i specyficzność
|
1 stycznia 2020 r. do 13 lutego 2020 r
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
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
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- UM_2020_GY_COVID-19
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
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 Koronawirus
-
AbbVieZakończonyZespół ciężkiej ostrej niewydolności oddechowej - CoronaVirus 2 (SARS-CoV-2)Stany Zjednoczone
Badania kliniczne na Model uczenia maszynowego
-
Antoine FourréUniversiteit Antwerpen; University of Mons; University of Picardie Jules VerneZakończonyBóle krzyża | Fizykoterapia | Wiedza, postawy, praktyka | LekarzeBelgia
-
Baylor Research InstituteZakończonyKrwotok poporodowy | Atonia macicyStany Zjednoczone
-
McMaster UniversityJeszcze nie rekrutacja
-
Rigshospitalet, DenmarkZakończonyChoroby układu mięśniowo-szkieletowegoDania
-
Vilnius UniversityRejestracja na zaproszenieAlergia pokarmowa u dzieci | Alergia pokarmowa u niemowlątLitwa
-
Centre Hospitalier Universitaire VaudoisRekrutacyjnyZaburzenia ze spektrum autyzmuSzwajcaria
-
Maastricht University Medical CenterZakończonyRak podstawnokomórkowyHolandia
-
Radboud University Medical CenterMaastricht University Medical Center; ZonMw: The Netherlands Organisation for... i inni współpracownicyZakończonyNiestrawność | NiestrawnośćHolandia
-
Mario Negri Institute for Pharmacological ResearchAgenzia Italiana del FarmacoZakończony
-
Amsterdam UMC, location VUmcReinier de Graaf Groep; Janssen-Cilag B.V.ZakończonyInterwencja w zakresie żywienia i stylu życia u pacjentów z tętniczym nadciśnieniem płucnym (UPHILL)Nadciśnienie tętnicze płucHolandia