Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Early Detection of Clinical Deterioration in Patients With COVID-19 Using Machine Learning (COVID-19)

30 marca 2021 zaktualizowane przez: University Hospital Tuebingen
The aim of this study is to use artificial intelligence in the form of machine learning analysing vital signs as well as symptoms of patients suffering from Covid19 to identify predictors of disease progression and severe course of disease.

Przegląd badań

Status

Nieznany

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

1000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Niemcy
      • Tuebingen, Niemcy, 72076
        • Rekrutacyjny
        • University Hospital of Tuebingen
        • Kontakt:
        • Kontakt:
        • Pod-śledczy:
          • Bijoy N Atique, M.D.
        • Główny śledczy:
          • Juergen Hetzel, M.D.
        • Pod-śledczy:
          • Maik Haentschel, M.D.

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

18 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie dotyczy

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

Patients with detection of SARS-CoV2

Opis

Inclusion Criteria:

  • Written informed consent
  • Age >= 18 years
  • Detection of SARS-CoV2 within the past 5 days

Exclusion Criteria:

  • Inability to measure vital parameters and document symptoms

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Training cohort
Randomly selection of 80% of the study population. The machine learning algorithm is trained on this dataset
Inny: Machine learning
Machine learning on vital parameters, clinical symptoms and underlying diseases
Validation cohort
Randomly selection of 20% of the study population. The machine learning algorithm which was trained on the basis of the training data cohort is validated on the validation cohort.
Inny: Machine based evaluation
Quantification of the prediction power and identification of the most relevant predictive parameters

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Ramy czasowe
Probability of Participants for Hospitalisation or Fatal Outcome
Ramy czasowe: Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks

Miary wyników drugorzędnych

Miara wyniku
Ramy czasowe
Probability of Participants for Intensive Care Unit Admission
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for Fatal Outcome
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Prediction of persisting health impairment by using standardized questionnaires
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of symptoms, vital parameters and comorbidities predicting clinical course
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of size of training data set
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of viral load on the course of disease/ clinical outcome
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different virus variants on the course of disease/ clinical outcome
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of SARS-CoV2 vaccination (yes/no) on the course of disease/ clinical outcome
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Evaluation of parameters (symptoms, vital parameters, comorbidities) according to their potential of clinical course predictions
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for hospitalisation
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different SARS-CoV2 vaccines on the course of disease/ clinical outcome
Ramy czasowe: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

University Hospital Tuebingen

Współpracownicy

Max-Planck-Institute Tuebingen

Śledczy

  • Krzesło do nauki: Bernhard Schoelkopf, PhD, Max-Planck-Institute, Tuebingen, Germany
  • Główny śledczy: Juergen Hetzel, MD, University Hospital of Tuebingen, Tuebingen, Germany

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 lutego 2021

Zakończenie podstawowe (Oczekiwany)

31 lipca 2021

Ukończenie studiów (Oczekiwany)

31 grudnia 2021

Daty rejestracji na studia

Pierwszy przesłany

24 marca 2021

Pierwszy przesłany, który spełnia kryteria kontroli jakości

30 marca 2021

Pierwszy wysłany (Rzeczywisty)

2 kwietnia 2021

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

2 kwietnia 2021

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

30 marca 2021

Ostatnia weryfikacja

1 stycznia 2021

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • TEDDI

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

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 .

Subskrybuj