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

Zanieczyszczenie powietrza i ciąża (PTB)

21 listopada 2025 zaktualizowane przez: Queen Mary University of London

Wpływ zanieczyszczenia powietrza na ciążę i niekorzystne wyniki porodu

Jesteśmy interdyscyplinarnym zespołem brytyjskich naukowców specjalizujących się w położnictwie, zdrowiu kobiet i dzieci, epidemiologii, naukach o klimacie, stanach zapalnych, modelowaniu obliczeniowym, uczeniu maszynowym i sztucznej inteligencji. Wspólnie mamy długą historię i mocne strony, które leżą u podstaw badań nad porodami przedwczesnymi, które obejmują wiele dyscyplin, a także doskonałe osiągnięcia w postaci publikacji i nagród za wiodące badania nad porodami przedwczesnymi.

Naszym celem jest opracowanie i walidacja modelu głębokiego uczenia się w celu przewidywania ryzyka porodu przedwczesnego i innych niekorzystnych skutków ciąży na podstawie danych z elektronicznej dokumentacji zdrowotnej EPIC w University College London Hospital Trust (UCLH) dla kohorty 18 000 pacjentek. Odpowiednie dane dotyczące narażenia na zanieczyszczenia otoczenia uzyskamy za pomocą nieidentyfikatorów kodu pocztowego (obszar) i daty dostawy (miesiąc). Model dokona przeglądu czasowej sekwencji zdarzeń z historii medycznej pacjentki i aktualnej ciąży, identyfikując istotne interakcje i prognozując ryzyko porodu przedwczesnego. Określi także próg i okres ciąży, w którym narażenie na zanieczyszczenia ma największy wpływ.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Przedwczesny poród jest główną przyczyną zachorowalności i śmiertelności noworodków na całym świecie. U dzieci urodzonych przedwcześnie częściej występuje porażenie mózgowe, zaburzenia czucia, trudności w uczeniu się i choroby układu oddechowego. W Wielkiej Brytanii każdego roku rodzi się przedwcześnie około 60 000 dzieci. Odpowiada to 1 na 9 ciąż w Anglii, a w Londynie liczba ta wzrasta do 1 na 7 ciąż. W około 40% przypadków przyczyna porodu przedwczesnego jest nieznana. Obecne algorytmy przewidywania porodu przedwczesnego mają ograniczoną zdolność do identyfikowania kobiet o najwyższym ryzyku porodu przedwczesnego i nie uwzględniają w swoich przewidywaniach warunków genetycznych, stylu życia i środowiska. Dzięki szybkiemu rozwojowi uczenia maszynowego i głębokiego uczenia się możliwe jest obecnie opracowywanie modeli, które w ramach algorytmu predykcyjnego uwzględniają większą liczbę zmiennych w celu sformułowania przewidywania ryzyka specyficznego dla pacjenta. Istnieje coraz więcej dowodów na to, że narażenie matki na zanieczyszczone powietrze w czasie ciąży wiąże się ze zwiększonym ryzykiem porodu przedwczesnego. Narażenie na zanieczyszczone powietrze może wiązać się ze słabą funkcją łożyska, stanem przedrzucawkowym i słabym wzrostem płodu, chociaż istnieją ograniczone dane na temat tych niekorzystnych skutków ciąży, a wszystkie z nich mogą prowadzić do przedwczesnego porodu. Obecnie w wielu ostatnich badaniach epidemiologicznych w tym obszarze brakuje szczegółowych i pasujących zestawów danych klinicznych, bez luk w zapisach elektronicznych.

Celem tego badania jest:

  1. Połącz dane dotyczące narażenia na zanieczyszczenia powietrza z bardzo szczegółowymi zbiorami danych klinicznych uzyskanymi z elektronicznej dokumentacji zdrowotnej pacjentów z University College London Hospital NHS Trust (UCLH)
  2. Opracuj model obliczeniowy, który będzie w stanie dokładnie przewidzieć ciążę, w której pacjentka urodzi, w ciągu tygodni i dni
  3. Korzystając z modelu, określ momenty ciąży, w których zanieczyszczenie powietrza ma największy wpływ na przebieg ciąży

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

200000

Kontakty i lokalizacje

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

Lokalizacje studiów

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 dotyczy

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Naszym celem jest uwzględnienie danych kobiet w ciąży, które rodziły na UCLH, od 2019 r., kiedy uruchomiono EPIC, do końca 2023 r. W tym badaniu nie określono górnego przedziału wiekowego. Aby poprawić włączenie, będziemy dążyć do gromadzenia informacji od wszystkich kobiet dokonujących rezerwacji i porodów na UCLH, aby zapewnić uwzględnienie w naszym zbiorze danych grup mniejszości etnicznych i pacjentek z deprywacją społeczną lub dodatkowymi zaburzeniami wikłającymi ciążę.

Opis

Kryteria przyjęcia:

  • Naszym celem jest uwzględnienie danych kobiet w ciąży, które rodziły w szpitalach University College London od 2019 r., po uruchomieniu elektronicznego rejestru pacjentek EPIC. Aby poprawić włączenie społeczne, nie określono przedziału wiekowego w tym badaniu. Naszym celem jest także reprezentowanie w naszym zbiorze danych mniejszości etnicznych i pacjentów dotkniętych deprywacją społeczną.

Kryteria wyłączenia:

  • Wykluczymy dane od pacjentek, których okres obserwacji był niepełny ze względu na przeniesienie opieki przedporodowej w celu porodu w innym ośrodku. Pacjentki z niepełnym wywiadem położniczym, niedokładnym oszacowaniem wieku ciążowego (np. ze względu na późną rezerwację ciąży) oraz brakujące dane dotyczące „kodu pocztowego zwykłego adresu” również zostaną wykluczone. Pacjenci w wieku poniżej 18 lat zostaną wykluczeni.

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

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Model uczenia maszynowego do przewidywania ryzyka porodu przedwczesnego i niekorzystnych skutków porodu
Ramy czasowe: 36 miesięcy
Naszym celem jest opracowanie algorytmu głębokiego uczenia się, który będzie przewidywał ryzyko porodu przedwczesnego i innych niekorzystnych skutków ciąży na podstawie danych z elektronicznej dokumentacji medycznej i czasoprzestrzennego modelu poziomu zanieczyszczenia otoczenia w Londynie. Model uwzględni czynniki osobiste, styl życia i środowisko, a także tradycyjne czynniki ryzyka, aby przewidzieć, w którym momencie ciąży wystąpi największe prawdopodobieństwo porodu. Można je sklasyfikować jako „donoszony”, „późny wcześniak”, „umiarkowany wcześniak”, „bardzo przedwczesny” i „skrajny wcześniak”.
36 miesięcy

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Model uczenia maszynowego umożliwiający przewidywanie, w jaki sposób jakość powietrza zwiększa ryzyko porodu przedwczesnego i niekorzystnych jego skutków
Ramy czasowe: 42 miesiące
Model ten dokona także przeglądu czasowej sekwencji zdarzeń w historii choroby pacjentki i aktualnej ciąży, identyfikując istotne interakcje. Zbadane zostaną również inne niekorzystne skutki ciąży, takie jak masa urodzeniowa, centyl masy urodzeniowej, stan przedrzucawkowy, mały rozmiar w stosunku do wieku ciążowego, ograniczenie wzrostu płodu.
42 miesiące

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Queen Mary University of London

Współpracownicy

University College London Hospitals

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 listopada 2024

Zakończenie podstawowe (Szacowany)

31 października 2029

Ukończenie studiów (Szacowany)

30 listopada 2029

Daty rejestracji na studia

Pierwszy przesłany

26 marca 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

26 marca 2024

Pierwszy wysłany (Rzeczywisty)

2 kwietnia 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

24 listopada 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

21 listopada 2025

Ostatnia weryfikacja

1 listopada 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 331247

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Dane z bazy danych elektronicznych kart zdrowia EPIC zostaną zanonimizowane na Uniwersytecie UCLH w celu utworzenia wtórnego zbioru danych zawierającego zanonimizowany identyfikator obejmujący identyfikator pacjenta, kod pocztowy (obszar) i datę dostawy (miesiąc). Surowe dane sprawdzone. Pacjenci wykluczeni według kryteriów.

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 Polityka

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Finland

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj