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

Przewidywanie pogorszenia stanu pacjenta za pomocą uczenia maszynowego

16 marca 2026 zaktualizowane przez: David Levine, Brigham and Women's Hospital
Jest to retrospektywne badanie obserwacyjne oparte na danych z bazy danych Brigham and Women's Home Hospital. Dane socjodemograficzne i kliniczne z kohorty szkoleniowej wykorzystano do wytrenowania algorytmu uczenia maszynowego w celu przewidywania pogorszenia stanu pacjenta w trakcie przyjmowania pacjenta. Algorytm ten został następnie zweryfikowany w kohorcie walidacyjnej.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

526

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Stany Zjednoczone
    • Massachusetts
      • Boston, Massachusetts, Stany Zjednoczone, 02115
        • Brigham and Women's Hospital
      • Boston, Massachusetts, Stany Zjednoczone, 02130
        • Brigham and Women's Faulkner Hospital

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

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci przyjęci do szpitala Brigham and Women's Hospital oraz Brigham and Women's Faulkner Hospital, którzy spełniają podstawowe wymagania dotyczące diagnozy, wieku i miejsca zamieszkania oraz są zapisani do szpitala macierzystego.

Opis

Kryteria przyjęcia:

Opieka w badaniu Brigham and Women's Home Hospital

Kryteria wyłączenia:

Niepełne dane z ciągłego monitoringu

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
Szkolenie
Podzbiór pacjentów, który jest używany do trenowania algorytmu uczenia maszynowego.
Inny: Tradycyjne alarmy parametrów życiowych a wskaźnik BioVitals a krajowy wynik wczesnego ostrzegania 2
Retrospektywnie porównamy alarmy wywołane tradycyjnymi alarmami parametrów życiowych (progi ustalone przez klinicystów) z indeksem BioVitals i National Early Warning Score 2
Walidacja
Podzbiór pacjentów, którzy są „powstrzymywani” i wykorzystywani do sprawdzania dokładności algorytmu.
Inny: Tradycyjne alarmy parametrów życiowych a wskaźnik BioVitals a krajowy wynik wczesnego ostrzegania 2
Retrospektywnie porównamy alarmy wywołane tradycyjnymi alarmami parametrów życiowych (progi ustalone przez klinicystów) z indeksem BioVitals i National Early Warning Score 2

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Obciążenie alarmem
Ramy czasowe: Od przyjęcia do wypisu, liczony w godzinach, średnio 5 dni
Liczba uruchomionych alarmów na pacjenta na godzinę
Od przyjęcia do wypisu, liczony w godzinach, średnio 5 dni

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Czułość rozpoznawania kompozytu bezpieczeństwa
Ramy czasowe: Od przyjęcia do wypisu średnio 5 dni
Czułość (prawdziwie pozytywne wyniki podzielone przez pozytywne warunki) dla wykrycia złożonego bezpieczeństwa (nocleg, dodatkowa nieplanowana wizyta, przeniesienie z powrotem do szpitala, śmierć podczas przyjęcia, delirium, utrata przytomności lub inne poważne zdarzenie).
Od przyjęcia do wypisu średnio 5 dni
Specyfika rozpoznawania kompozytu zabezpieczającego
Ramy czasowe: Od przyjęcia do wypisu średnio 5 dni
Swoistość (liczba prawdziwie negatywnych wyników podzielona przez stan ujemny) dla wykrycia złożonego bezpieczeństwa (wizyta z noclegiem, dodatkowa nieplanowana wizyta, powrót do szpitala, śmierć podczas przyjęcia, delirium, utrata przytomności lub inne poważne zdarzenie).
Od przyjęcia do wypisu średnio 5 dni
Dodatnia wartość predykcyjna dla rozpoznania kompozytu bezpieczeństwa
Ramy czasowe: Od przyjęcia do wypisu średnio 5 dni
Pozytywna wartość predykcyjna (liczba wyników prawdziwie dodatnich podzielona przez sumę wyników prawdziwie dodatnich i wyników fałszywie dodatnich) dla wykrycia złożonego elementu bezpieczeństwa (wizyta nocna, dodatkowa nieplanowana wizyta, powrót do szpitala, śmierć podczas przyjęcia, delirium, utrata przytomności lub inne główne wydarzenie).
Od przyjęcia do wypisu średnio 5 dni
Ujemna wartość predykcyjna dla rozpoznania kompozytu bezpieczeństwa
Ramy czasowe: Od przyjęcia do wypisu średnio 5 dni
Ujemna wartość predykcyjna (liczba prawdziwie negatywnych wyników podzielona przez sumę prawdziwie negatywnych i fałszywie ujemnych wyników) dla wykrycia złożonego bezpieczeństwa (wizyta nocna, dodatkowa nieplanowana wizyta, powrót do szpitala, śmierć podczas przyjęcia, delirium, utrata przytomności lub inne główne wydarzenie).
Od przyjęcia do wypisu średnio 5 dni
Wskaźnik alarmów o przydatności klinicznej
Ramy czasowe: Od przyjęcia do wypisu średnio 5 dni
Użyjemy ogólnych równań szacunkowych (GEE) z trzema wynikami na pacjenta (liczba klinicznie ważnych alarmów dla BioVitals, NEWS2 i tradycyjnych parametrów życiowych); GEE uwzględni grupowanie między trzema wynikami u pacjenta. GEE użyje ujemnego dwumianowego modelu krańcowego z łączem logarytmicznym dla liczby alarmów o użyteczności klinicznej i przesunięciem dla logarytmicznej długości pobytu (w godzinach); za pomocą tego modelu modelujemy wskaźnik liczby alarmów na godzinę z użytecznością kliniczną za pomocą BI, NEWS2 i tradycyjnych parametrów życiowych. Główną współzmienną w ujemnym modelu dwumianowym będzie trójpoziomowa współzmienna dla metody: BI vs NEWS2 vs tradycyjne parametry życiowe, a wykładniczym efektem tej współzmiennej będzie stosunek częstości parami dla BI vs NEWS2 vs tradycyjne parametry życiowe oznaki.
Od przyjęcia do wypisu średnio 5 dni

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Brigham and Women's Hospital

Współpracownicy

Biofourmis Inc.

Śledczy

  • Główny śledczy: David Levine, MD MPH MA, Associate Physician

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)

20 marca 2021

Zakończenie podstawowe (Rzeczywisty)

20 marca 2025

Ukończenie studiów (Rzeczywisty)

16 lutego 2026

Daty rejestracji na studia

Pierwszy przesłany

14 kwietnia 2021

Pierwszy przesłany, który spełnia kryteria kontroli jakości

15 września 2021

Pierwszy wysłany (Rzeczywisty)

16 września 2021

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 marca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 marca 2026

Ostatnia weryfikacja

1 marca 2026

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 2017P002583d

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