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

Oparte na sztucznej inteligencji przewidywanie wyników dializy za pomocą EHR

16 kwietnia 2025 zaktualizowane przez: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Przewidywanie wyników klinicznych pacjentów dializowanych przy użyciu elektronicznej dokumentacji medycznej: podejście oparte na sztucznej inteligencji

Jest to wieloośrodkowe, retrospektywne badanie kliniczne, którego celem jest ocena zastosowania i skuteczności modelu predykcyjnego wspomaganego sztuczną inteligencją w zakresie wyników leczenia pacjentów dializowanych, z wykorzystaniem multimodalnych danych zdrowotnych.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Badanie to ma na celu opracowanie modelu wspomaganego AI w celu przewidywania wyników klinicznych u pacjentów dializowanych, koncentrując się zarówno na wynikach pierwotnych (np. Śmiertelności), jak i pośredniech wynikach (np. Niedokrwistość, ciśnienie krwi, stanu odżywienia i metabolizmie fosforan wapnia). W badaniu wykorzystano dane EHR pacjentów, w tym wyniki testu laboratoryjnego, wywiad medyczny, informacje o leczeniu dializ i obserwacje kliniczne, do przewidywania tych wyników zdrowotnych. Celem jest poprawa wczesnej identyfikacji zagrożonych pacjentów, umożliwiając lepsze kliniczne strategie podejmowania decyzyjnych i spersonalizowanych opieki.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

1000000

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

  • Chiny
    • Beijing
      • Beijing, Beijing, Chiny
        • Rekrutacyjny
        • General Hospital of PLA
        • 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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Badana populacja składa się z pacjentów z dializą z China Hemodialysis National Network Center, które obejmuje szeroki zakres pacjentów poddawanych leczeniu hemodializy w szpitalach uczestniczących w Chinach. Uczestnicy zostaną wybrani na podstawie dostępności kompleksowej elektronicznej dokumentacji medycznej (EHR), w tym historii medycznej, wyników testów laboratoryjnych, szczegółów leczenia dializ i obserwacji klinicznych. W kohorcie będzie zarówno pacjentów płci męskiej, jak i żeńskiej, o różnym stopniu stanu zdrowia, w tym osoby o współistniejących powszechnie związanych z dializą. Badanie ma na celu wykorzystanie tej różnorodnej grupy do oceny i przewidywania wyników związanych ze śmiertelnością i powikłaniami u pacjentów dializysowych.

Opis

Kryteria włączenia:

  1. Pacjenci, którzy byli poddawani dializie (hemodializa lub dializa otrzewna) przez co najmniej 3 miesiące.
  2. Pełne i dostępne dane EHR, w tym historia medyczna, wyniki testu laboratoryjnego, szczegóły leczenia dializy i obserwacje kliniczne.
  3. Uczestnicy muszą wyrazić świadomą zgodę na wykorzystanie danych dotyczących ich zdrowia do celów badawczych.

Kryteria wykluczenia:

  1. Pacjenci z niekompletnymi lub brakującymi krytycznymi danymi EHR, w tym historia medyczna, wyniki laboratoryjne, dane dializacyjne lub szczegóły leczenia niezbędne do badania.
  2. Pacjenci, którzy byli dializy przez mniej niż 3 miesiące, aby zapewnić stabilne dane dotyczące przewidywania wyników.

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
Grupa wysokiego ryzyka
Uczestnicy przewidują, że będą mieli wysokie ryzyko śmiertelności w oparciu o modele prognozowe wspomagane przez AI z wykorzystaniem ich danych EHR, w tym historii medycznej, wyników laboratorium, szczegółów leczenia dializy i obserwacji klinicznych.
Inny: Wspomagany sztuczną inteligencją model predykcyjny wyników dializy
W badaniu tym wykorzystano model predykcyjny wspomagany sztuczną inteligencją, który analizuje dane multimodalne z elektronicznej dokumentacji zdrowotnej, w tym historię medyczną, wyniki badań laboratoryjnych, szczegóły leczenia dializacyjnego i obserwacje kliniczne, aby przewidzieć wyniki pacjentów dializowanych. Model wykorzystuje algorytmy głębokiego uczenia się do przewidywania ryzyka śmiertelności, wyników pośrednich, takich jak niedokrwistość, kontrola ciśnienia krwi, odżywianie i metabolizm wapnia i fosforanów, a także pomaga zidentyfikować wczesne oznaki pogorszenia. Interwencja nie jest bezpośrednim leczeniem ani procedurą, ale ma na celu opracowanie narzędzia umożliwiającego przewidywanie wyników leczenia pacjentów i optymalizację strategii leczenia w celu poprawy ogólnego stanu zdrowia i wskaźników przeżycia pacjentów dializowanych.
Grupa Niskiego Ryzyka
Na podstawie modelu przewidywania wspomaganego sztuczną inteligencją przewidywano, że uczestnicy będą mieli niskie ryzyko śmiertelności, a którzy zostaną porównani z grupą wysokiego ryzyka w celu oceny skuteczności strategii wczesnej interwencji.
Inny: Wspomagany sztuczną inteligencją model predykcyjny wyników dializy
W badaniu tym wykorzystano model predykcyjny wspomagany sztuczną inteligencją, który analizuje dane multimodalne z elektronicznej dokumentacji zdrowotnej, w tym historię medyczną, wyniki badań laboratoryjnych, szczegóły leczenia dializacyjnego i obserwacje kliniczne, aby przewidzieć wyniki pacjentów dializowanych. Model wykorzystuje algorytmy głębokiego uczenia się do przewidywania ryzyka śmiertelności, wyników pośrednich, takich jak niedokrwistość, kontrola ciśnienia krwi, odżywianie i metabolizm wapnia i fosforanów, a także pomaga zidentyfikować wczesne oznaki pogorszenia. Interwencja nie jest bezpośrednim leczeniem ani procedurą, ale ma na celu opracowanie narzędzia umożliwiającego przewidywanie wyników leczenia pacjentów i optymalizację strategii leczenia w celu poprawy ogólnego stanu zdrowia i wskaźników przeżycia pacjentów dializowanych.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Dokładność przewidywania śmiertelności
Ramy czasowe: 1 rok
Zdolność modelu predykcyjnego wspomaganego przez AI do dokładnego przewidywania ryzyka śmiertelności u pacjentów z dializą. Dokładność prognozowania zostanie oceniona za pomocą obszaru pod krzywą (AUC), wynikiem F1 i czułości/swoistości. Model zostanie oceniony na podstawie porównania przewidywanego ryzyka śmiertelności z faktycznymi wynikami (tj. Czy pacjenci przeżyli, czy zmarli w okresie badania).
1 rok

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Dokładność prognozowania komplikacji
Ramy czasowe: 1 rok
Dokładność modelu predykcyjnego wspomaganego przez AI w prognozujących powikłaniach powszechnie doświadczanych przez pacjentów dializowanych, w tym niedokrwistość, niekontrolowane ciśnienie krwi, słaby stan żywieniowy i nieprawidłowości metabolizmu fosforanu wapnia. Wydajność modelu zostanie oceniona za pomocą wskaźników takich jak AUC, F1 Pance i dokładność poprzez porównanie przewidywanych wartości z rzeczywistymi wynikami klinicznymi, takimi jak wyniki laboratoryjne, diagnozy kliniczne i stan zdrowia pacjenta.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The Eye Hospital of Wenzhou Medical University

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 stycznia 2023

Zakończenie podstawowe (Szacowany)

1 maja 2025

Ukończenie studiów (Szacowany)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

19 stycznia 2025

Pierwszy przesłany, który spełnia kryteria kontroli jakości

19 stycznia 2025

Pierwszy wysłany (Rzeczywisty)

24 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 kwietnia 2025

Ostatnia weryfikacja

1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • Dialysis

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

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 .

Subskrybuj