Wykorzystanie NLP i sieci neuronowych do autonomicznej identyfikacji ciężkiej astmy i określenia kwalifikacji do badania w dużym systemie opieki zdrowotnej
Celem badania jest wykorzystanie nowych technologii (ML, AI, NLP) do autonomicznej identyfikacji populacji chorych na astmę umiarkowaną do ciężkiej w systemie EHR, opisania różnic w schematach leczenia w różnych populacjach oraz określenia kwalifikowalności badania.
Cele główne Prosimy o szczegółowe określenie celów głównych. Cel 1. Ustalenie i zatwierdzenie diagnozy ciężkiej astmy (SA) przy użyciu cech predykcyjnych uzyskanych z EHR Scripps Health.
- Cel 1a: Wykorzystanie uczenia maszynowego zastosowanego do ustrukturyzowanych danych EHR w celu przewidzenia SA. Skorzystaj z opinii 2 lekarzy specjalistów i wytycznych ATS, aby określić dokładność modelu.
- Cel 1b: Użyj NLP zastosowanego do tekstu nieustrukturyzowanego, aby przewidzieć SA. Określ dokładność modelu jak powyżej w Celu 1a.
- Cel 1c: Użyj kombinacji ML zastosowanej do danych strukturalnych, aby przewidzieć SA. Określ dokładność modelu jak powyżej w Celu 1a.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Astma jest chorobą heterogenną. Różnorodność astmy potwierdzają obserwacje kliniczne i badania asocjacyjne całego genomu (GWAS), które zidentyfikowały ponad 200 loci podatności na astmę w DNA. Te genetyczne „gorące punkty” znajdują się w pobliżu cytokin zapalnych, czynników wzrostu i innych białek zapalnych, które są świadomie powiązane ze stanem zapalnym dróg oddechowych, w tym cytokin IL-4, -5, -13, -25, -33 i TSLP.
Nowatorskie terapie przeciwciałami monoklonalnymi drastycznie zmieniły sposób leczenia umiarkowanej i ciężkiej astmy. Nowatorskie terapie przeciwciałami monoklonalnymi wprowadzone w ciągu ostatnich 7 lat znacznie poprawiły możliwości leczenia pacjentów z astmą o nasileniu umiarkowanym do ciężkiego. Terapie te skutecznie zmniejszają lub eliminują ciężkie zaostrzenia, zapobiegają hospitalizacji i poprawiają jakość życia pacjentów. Jednakże wielu pacjentów z ciężką astmą, szczególnie tych mieszkających na obszarach o niedostatecznej dostępności leczenia, nadal jest leczonych nadmiernie sterydami i niedostatecznie leczonych przeciwciałami monoklonalnymi.
Ustawa o lekach XXI wieku zmieni krajobraz badań. Ustawa o lekach XXI wieku wzmocniła wykorzystanie danych ze świata rzeczywistego (RWD) i dowodów ze świata rzeczywistego (RWE) do wspierania badań klinicznych, pomocy w podejmowaniu decyzji dotyczących zakresu leczenia, opracowywania krajowych wytycznych dotyczących leczenia, a także standardowych narzędzi wspierania decyzji. Niewykorzystanym źródłem RWE/D są elektroniczne karty zdrowia (EHR). Uczenie maszynowe (ML), sztuczna inteligencja i przetwarzanie języka naturalnego (NLP) opracowują technologie, które znacznie zwiększą nasze możliwości wykorzystania danych w systemach EHR.
Celem badania jest wykorzystanie nowych technologii (ML, AI, NLP) do autonomicznej identyfikacji populacji chorych na astmę umiarkowaną do ciężkiej w systemie EHR, opisania różnic w schematach leczenia w różnych populacjach oraz określenia kwalifikowalności badania.
Cele główne Prosimy o szczegółowe określenie celów głównych. Cel 1. Ustalenie i zatwierdzenie diagnozy ciężkiej astmy (SA) przy użyciu cech predykcyjnych uzyskanych z EHR Scripps Health.
- Cel 1a: Wykorzystanie uczenia maszynowego zastosowanego do ustrukturyzowanych danych EHR w celu przewidzenia SA. Skorzystaj z opinii 2 lekarzy specjalistów i wytycznych ATS, aby określić dokładność modelu.
- Cel 1b: Użyj NLP zastosowanego do tekstu nieustrukturyzowanego, aby przewidzieć SA. Określ dokładność modelu jak powyżej w Celu 1a.
- Cel 1c: Użyj kombinacji ML zastosowanej do danych strukturalnych, aby przewidzieć SA. Określ dokładność modelu jak powyżej w Celu 1a.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
California
-
San Diego, California, Stany Zjednoczone, 92182-1309
- San Diego State University
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dziecko
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Dane demograficzne: mężczyźni ~ 40%, czarni ~ 5-10%, Latynosi ~ 15-30%, mieszkańcy miast ~ 80-90%
Kryteria wyłączenia:
- Nic
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Ciężka astma
Pacjenci z ciężką lub niekontrolowaną astmą
|
Na tym etapie nie zaplanowano żadnej interwencji dla pacjentów.
Należy opracować zalecenia dotyczące opieki zdrowotnej i kondycji.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Identyfikacja pacjentów z ciężką astmą
Ramy czasowe: 4 lata
|
Zidentyfikuj pacjentów z ciężką astmą i porównaj diagnozy z diagnozami lekarzy
|
4 lata
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: yusuf Ozturk, Ph.D., San Diego State University
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- G00014538
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
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 .