- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT04678986
ER2 i głębokie uczenie się do przewidywania niekorzystnych skutków zdrowotnych
Ocena izby przyjęć dla starszych użytkowników oddziałów ratunkowych: przewidywanie niekorzystnych skutków zdrowotnych za pomocą algorytmów głębokiego uczenia
Wizyta na oddziale ratunkowym (SOR) osoby starszej to interwencja medyczna wysokiego ryzyka. Znane zdarzenia niepożądane (AE) obejmują delirium, przedłużony SOR lub pobyt w szpitalu, hospitalizację, powtarzające się wizyty na SOR i śmierć w szpitalu. Dzieje się tak w coraz większym odsetku osób odwiedzających SOR w wieku powyżej 65 lat, które są reprezentowane na wizytach w SOR.
Narzędzia do przewidywania AE na SOR mają ogromne znaczenie, aby pomóc w podejmowaniu decyzji dotyczących segregacji pacjentów i dyspozycji. Mogą pomóc zidentyfikować obszary niezaspokojonych potrzeb seniorów w celu opracowania ukierunkowanych działań. Wiele systemów punktacji, w tym „Programme de recherche sur l'intégration des services de maintien de l'autonomie” (PRISMA-7), Identification of Seniors at Risk (ISAR), Clinical Frailty Scale (CFS), Brief Geriatric Assessment (BGA) szeroko badano na oddziale ratunkowym i innych ustawieniach pod kątem różnych wyników. Narzędzia te opierają się na prostym systemie oceniania, którym minimalnie przeszkolony personel może niezawodnie i szybko zarządzać. Jest mało prawdopodobne, aby inne postępowanie miało zastosowanie w codziennej praktyce klinicznej.
Ponieważ dokładność prognoz nie poprawiła się znacząco w ciągu ostatniej dekady, być może konieczne są nowe strategie analizy. Obecny szum wokół głębokiego uczenia wynika z lepszego i tańszego sprzętu oraz dostępności prostych i otwartych bibliotek obsługiwanych przez duże firmy i szeroką społeczność użytkowników. W związku z tym wdrażanie algorytmów głębokiego uczenia się (DL) jest obecnie dostępne w szerokim zakresie ustawień, w tym w opiece medycznej w standardowej praktyce klinicznej. Wykazano, że DL jest dokładniejszy niż przeciętny specjalista z certyfikatem zarządu w przypadku bardzo konkretnych zadań. Przewidywanie różnych wyników klinicznych przyniosło mniej dramatyczne wyniki, być może dlatego, że tradycyjne modele (nie-DL) już przewyższały klinicystów w przypadku wielu stanów chorobowych. Opublikowane podejścia DL zastosowane do przewidywania wyników na SOR skupiały się na ostro chorych osobach dorosłych w ogólnych, specyficznych stanach lub kwestiach administracyjnych, takich jak oddział przyjęć lub przepełnienie SOR. Żaden nie był skierowany do określonej grupy wiekowej, jak starsi goście ED.
Ważnym zastrzeżeniem dla wielu podejść DL jest interpretacja wyników. Aby opracować interwencje w oparciu o ukierunkowane cechy związane z zdarzeniami niepożądanymi w danym modelu, musi to być w pewnym stopniu przejrzyste. Jeśli wiele warstw NN poprawia przewidywanie w porównaniu z regresją liniową, często nie zapewniają one żadnego klinicznie istotnego wglądu w to, w jaki sposób i które zmienne oddziałują na siebie, aby uzyskać ten wynik.
Przegląd badań
Typ studiów
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Olivier beauchet, MD
- Numer telefonu: 3637 (514)-340-3540
- E-mail: olivier.beauchet@umontreal.ca
Lokalizacje studiów
-
-
Quebec
-
Montréal, Quebec, Kanada, H3T 1E2
- Jewish General Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Wiek powyżej 75 lat
- Nieplanowana wizyta na oddziale ratunkowym
Kryteria wyłączenia:
- Nie spełniają kryteriów włączenia
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Kohorta
- Perspektywy czasowe: Inny
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
---|---|
Uczestnicy ER2
analizie zostaną poddani wszyscy uczestnicy bazy ER2
|
Bez interwencji, tylko analiza danych
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
ED długość pobytu
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Czas pobytu na oddziale ratunkowym definiuje się jako średnią liczbę godzin, jakie pacjenci spędzają na oddziale ratunkowym.
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Przedłużający się pobyt w szpitalu
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Wydłużony czas pobytu w szpitalu definiuje się jako pobyt powyżej średniej liczby dni, jakie pacjenci spędzają w szpitalu
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Liczba uczestników z co najmniej jedną hospitalizacją
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Zdefiniowane jako przyjęcie do szpitala po przyjęciu na oddział ratunkowy
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
powtarzające się wizyty na SOR
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Zdefiniowane jako wszystkie powtarzające się wizyty w oddziale ratunkowym w ciągu 30 dni
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Liczba uczestników z rozpoznaniem delirium
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Zdefiniowane jako rozpoznanie delirium w karcie medycznej pacjenta
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Liczba uczestników ze zgonem szpitalnym
Ramy czasowe: poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Zdefiniowany jako zgłoszony zgon podczas hospitalizacji
|
poprzez konstytucję bazy danych, od września 2017 do lipca 2020
|
Współpracownicy i badacze
Sponsor
Śledczy
- Główny śledczy: Olivier Beauchet, MD, McGill University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
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
- 2021-2699
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (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 ER2
-
Jewish General HospitalAktywny, nie rekrutującyStarsi ludzie | Opieka zdrowotna | Uszczerbek na zdrowiu | OcenyKanada