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

Model uczenia maszynowego do przewidywania wyników i czasu trwania wentylacji mechanicznej w ostrej hipoksemicznej niewydolności oddechowej (MEMORIAL)

7 lutego 2025 zaktualizowane przez: Jesus Villar, Dr. Negrin University Hospital

Opracowanie optymalnego modelu uczenia maszynowego do przewidywania wyników leczenia na OIT i czasu trwania wentylacji mechanicznej u pacjentów z ostrą hipoksemiczną niewydolnością oddechową

Ostra hipoksemiczna niewydolność oddechowa (AHRF) jest najczęstszą przyczyną hospitalizacji na oddziałach intensywnej terapii (UCI) na całym świecie. Ocenimy wartość technik uczenia maszynowego (ML) we wczesnym przewidywaniu śmierci na OIOM-ie i przedłużonego (> 7 dni) wentylacji mechanicznej (MV) u 1241 pacjentów włączonych do badania PANDORA (Prevalence AND Outcome of ostrej niewydolności oddechowej) w Hiszpania. Badanie zostało zarejestrowane na stronie ClinicalTrials.gov (NCT03145974). Naszym celem jest ocena minimalnej liczby modeli zmiennych przy użyciu regresji logistycznej i czterech nadzorowanych algorytmów ML: Random Forest, Extreme Gradient Boosting, Support Vector Machine i Multilayer Perceptron.

Przegląd badań

Status

Aktywny, nie rekrutujący

Warunki

Interwencja / Leczenie

Szczegółowy opis

Ostra hipoksemiczna niewydolność oddechowa (AHRF) jest najczęstszą przyczyną hospitalizacji na oddziałach intensywnej terapii (UCI) na całym świecie. Ocenimy wartość technik uczenia maszynowego (ML) we wczesnym przewidywaniu śmierci na OIT i przedłużonego czasu trwania (> 7 dni) wentylacji mechanicznej (MV) u pacjentów z AHRF na MV. W niewielu badaniach oceniano możliwość przewidywania śmiertelności i czasu trwania MV u pacjentów z AHRF.

Na potrzeby opracowania modelu badacze pobiorą dane z pierwszych 3 dni po rozpoznaniu AHRF od pacjentów znajdujących się w zdeidentyfikowanej bazie danych kohorty PANDORA. Dysponujemy bazą danych zawierającą 2 000 000 zanonimizowanych i odrębnych danych demograficznych i klinicznych od 1241 pacjentów z AHRF włączonych do naszej kohorty PANDORA (częstość i wyniki ostrej niewydolności oddechowej) z 22 hiszpańskich szpitali i koordynowanych przez głównego badacza (JV). Badacze będą postępować zgodnie z wytycznymi dotyczącymi przejrzystego raportowania wielowymiarowego modelu predykcyjnego w zakresie indywidualnego prognozowania lub diagnozy (TRIPOD) w zakresie przewidywania modelu. Przeanalizujemy zebrane zmienne, stosując metodę selekcji zmiennych algorytmu genetycznego, aby osiągnąć oszczędność. Oceniliśmy minimalną liczbę modeli zmiennych za pomocą regresji logistycznej i 4 nadzorowanych algorytmów ML: Random Forest, Extreme Gradient Boosting, Support Vector Machine i Multilayer Perceptron. Zastosujemy 5-krotną walidację krzyżową w zbiorze danych 1000 pacjentów wybranych losowo w danych szkoleniowych (80%) i danych testowych (20%). Do zewnętrznej walidacji wykorzystamy pozostałych 241 pacjentów.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1241

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Hiszpania
      • Ciudad Real, Hiszpania, 13005
        • Hospital General Universitario de Ciudad Real
      • Cuenca, Hiszpania, 16002
        • Hospital Virgen de la Luz
      • Madrid, Hiszpania, 28046
        • Hospital Universitario La Paz
      • Madrid, Hiszpania, 28222
        • Hospital Universitario Puerta de Hierro
      • Murcia, Hiszpania, 3012
        • Hospital Universitario Virgen de Arrixaca
      • Santa Cruz De Tenerife, Hiszpania, 38010
        • Hospital Universitario NS de Candelaria
      • Valencia, Hiszpania, 46010
        • Hospital Cinico de Valencia
      • Valladolid, Hiszpania, 47012
        • Hospital Universitario Rio Hortega

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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Zdezidentyfikowany zbiór danych obejmujący 1241 wentylowanych mechanicznie pacjentów z ostrą hipoksemiczną niewydolnością oddechową, przyjętych kolejno w sieci hiszpańskich oddziałów intensywnej terapii.

Opis

Kryteria przyjęcia:

  • intubacja dotchawicza plus wentylacja mechaniczna (MV)
  • Stosunek PaO2/FiO2 ≤300 mmHg poniżej MV z dodatnim ciśnieniem końcowo-wydechowym (PEEP) ≥5 cmH2O i FiO2 ≥0,3.

Kryteria wyłączenia:

  • Pacjenci pooperacyjni wentylowani < 24 godz
  • Pacjenci ze śmiercią mózgową.

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
Kohorta walidacyjna
Będzie zawierać 200 losowo wybranych pacjentów (20% z 1000 pacjentów z AHRF
Inny: analiza uczenia maszynowego
Będziemy stosować solidne podejścia do uczenia maszynowego, takie jak Random Forest, Extreme Gradient Boosting, maszyna wektorów nośnych i perceptron wielowarstwowy.
Inne nazwy:
  • Regresja logistyczna, walidacja krzyżowa i pole pod krzywymi ROC
Kohorta potwierdzająca
Będzie zawierać pozostałych 241 losowo wybranych pacjentów (po weryfikacji zewnętrznej)
Inny: analiza uczenia maszynowego
Będziemy stosować solidne podejścia do uczenia maszynowego, takie jak Random Forest, Extreme Gradient Boosting, maszyna wektorów nośnych i perceptron wielowarstwowy.
Inne nazwy:
  • Regresja logistyczna, walidacja krzyżowa i pole pod krzywymi ROC
Kohorta pochodna
Będzie zawierał 800 pacjentów losowo wybranych (1000 pacjentów z AHRF)
Inny: analiza uczenia maszynowego
Będziemy stosować solidne podejścia do uczenia maszynowego, takie jak Random Forest, Extreme Gradient Boosting, maszyna wektorów nośnych i perceptron wielowarstwowy.
Inne nazwy:
  • Regresja logistyczna, walidacja krzyżowa i pole pod krzywymi ROC

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Śmiertelność na OIT
Ramy czasowe: do 100 tygodni (od włączenia do śmierci lub wypisu z oddziału intensywnej terapii).
śmierć na oddziale intensywnej terapii
do 100 tygodni (od włączenia do śmierci lub wypisu z oddziału intensywnej terapii).

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Czas trwania SN
Ramy czasowe: do 100 tygodni (od włączenia do ekstubacji)
czas trwania wentylacji mechanicznej
do 100 tygodni (od włączenia do ekstubacji)

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Dr. Negrin University Hospital

Śledczy

  • Główny śledczy: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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)

19 marca 2024

Zakończenie podstawowe (Szacowany)

30 maja 2026

Ukończenie studiów (Szacowany)

30 maja 2026

Daty rejestracji na studia

Pierwszy przesłany

19 marca 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 marca 2024

Pierwszy wysłany (Rzeczywisty)

27 marca 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

25 marca 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

7 lutego 2025

Ostatnia weryfikacja

1 lutego 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • PI24/00325

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 .

Badania kliniczne na analiza uczenia maszynowego

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in South Korea

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj