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

Prognozowanie śmiertelności w oparciu o sztuczną inteligencję wśród chorych na raka w oddziale hospicyjnym

6 maja 2021 zaktualizowane przez: Shabbir Syed Abdul, Taipei Medical University

Rozpoznawanie aktywności i prognozowanie śmiertelności w oparciu o sztuczną inteligencję z wykorzystaniem rytmu okołodobowego wśród pacjentów onkologicznych na oddziale hospicyjnym

Celem tego badania jest opracowanie nowatorskiego modelu prognozowania przeżycia opartego na głębokim uczeniu się, wykorzystującego dane dotyczące aktywności pacjenta zarejestrowane przez urządzenie do noszenia.

Przegląd badań

Status

Rekrutacyjny

Warunki

Szczegółowy opis

To badanie ma na celu opracowanie modelu prognozowania przeżycia opartego na głębokim uczeniu się, który wykorzystuje dane dotyczące ruchu pacjenta przy przyjęciu do przewidywania jego wyników klinicznych: zgonu lub wypisu ze stabilnym stanem. Obiektywne dane pacjentów są rejestrowane przez urządzenie do noszenia i dokumentowane jako parametry aktywności fizycznej, kąta i rotacji. Oprócz obiektywnych danych, badacze dokumentują również status sprawności Karnofsky'ego oceniany subiektywnie przez lekarzy klinicznych. Na koniec badacze zamierzają zbadać i opisać przydatność, potencjał i ograniczenia modelu przewidywania przeżycia w oparciu o dane ruchu pacjenta jako prosty parametr prognostyczny w warunkach klinicznych.

Typ studiów

Obserwacyjny

Zapisy (Oczekiwany)

80

Kontakty i lokalizacje

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

Kontakt w sprawie studiów

Lokalizacje studiów

  • Tajwan
    • TW - Taiwan
      • Taipei City, TW - Taiwan, Tajwan, 110
        • Rekrutacyjny
        • Taipei Medical University
        • Kontakt:

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

20 lat i starsze (Dorosły, Starszy dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci w wieku 20 lat lub starsi, którzy zostali przyjęci na oddział opieki hospicyjnej w Szpitalu Uniwersyteckim w Tajpej z co najmniej jednym rozpoznaniem schyłkowej choroby guza litego.

Opis

Kryteria przyjęcia:

  • Uczestnicy w wieku 20 lat lub starsi przyjęci na oddział opieki hospicyjnej w Taipei Medical University Hospital
  • Uczestnicy, u których zdiagnozowano co najmniej jedną schyłkową chorobę guza litego
  • Uczestnicy wyrazili zgodę na objęcie opieką hospicyjną

Kryteria wyłączenia:

  • Uczestnicy w wieku poniżej 20 lat
  • Uczestnicy z rozpoznaną białaczką lub rakiem o nieznanej pierwotnej postaci
  • Uczestnicy z wyraźnymi oznakami zbliżającej się śmierci w momencie przyjęcia
  • Uczestnicy bez oznak życia przy przyjęciu
  • Uczestnicy, którzy pomimo przyjęcia na oddział hospicyjny nadal otrzymywali agresywne leczenie

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

  • Modele obserwacyjne: Kohorta
  • Perspektywy czasowe: Spodziewany

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Specyfika i czułość wykorzystania modeli opartych na sztucznej inteligencji do prognozowania wyników klinicznych pacjentów ze schyłkową chorobą nowotworową z wykorzystaniem danych aktygraficznych
Ramy czasowe: Od dnia przyjęcia na oddział hospicyjny do dnia pierwszego udokumentowanego wypisu ze szpitala lub daty zgonu z dowolnej przyczyny, w zależności od tego, co nastąpi wcześniej, ocenia się do 1 miesiąca
Podstawowym wynikiem badania będzie ocena, czy analiza danych dotyczących ruchu zarejestrowanych za pomocą urządzenia do aktygrafii może pomóc w przewidywaniu wyników klinicznych dotyczących zgonu lub wypisu żywego ze szpitala, z wysoką specyficznością i czułością, przy użyciu modelowania predykcyjnego opartego na sztucznej inteligencji.
Od dnia przyjęcia na oddział hospicyjny do dnia pierwszego udokumentowanego wypisu ze szpitala lub daty zgonu z dowolnej przyczyny, w zależności od tego, co nastąpi wcześniej, ocenia się do 1 miesiąca

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Taipei Medical University

Współpracownicy

Taipei Medical University Hospital
National Yang Ming University
Ministry of Science and Technology, Taiwan

Śledczy

  • Główny śledczy: Shabbir Syed-Abdul, PhD, Taipei Medical University

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

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)

11 grudnia 2019

Zakończenie podstawowe (Oczekiwany)

31 sierpnia 2021

Ukończenie studiów (Oczekiwany)

31 grudnia 2021

Daty rejestracji na studia

Pierwszy przesłany

28 kwietnia 2021

Pierwszy przesłany, który spełnia kryteria kontroli jakości

6 maja 2021

Pierwszy wysłany (Rzeczywisty)

12 maja 2021

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

12 maja 2021

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

6 maja 2021

Ostatnia weryfikacja

1 maja 2021

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • N201910041

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

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 .

Badania kliniczne na Końcowe stadium raka

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Croatia

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj