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

Development and Validation of an Interpretable Machine Learning Model for Predicting Venous Thromboembolism（VTE）in Intensive Care Unit (ICU) Patients

18 maja 2026 zaktualizowane przez: Weiwei Wu, Beijing Tsinghua Chang Gung Hospital
Venous thromboembolism remains a leading cause of preventable mortality in intensive care unit (ICU) patients. Existing risk-stratification tools were developed in general medical populations and lack ICU-specific predictors. This study was to develop and validate an interpretable machine learning (ML) model to predict VTE in ICU patients.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

12061

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
    • Beijing Municipality
      • Beijing, Beijing Municipality, Chiny, 102218
        • Beijing Tsinghua Changgung 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

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Patients admitted to ICU were included in the study cohort from January 2022 to October 2025. Inclusion criteria were: (1) age ≥18 years; (2) ICU length of stay ≥48 hours; (3) only the first ICU admission per patient was retained. Exclusion criteria were: (1) VTE diagnosed prior to ICU admission; (2) VTE diagnosed within 24 hours of ICU admission; (3) >20% missing values in key variables. The final cohort comprised 12,061 patients, of whom 587 (4.9%) developed VTE during ICU hospitalization.

Opis

Inclusion Criteria:

  • age ≥18 years;
  • ICU length of stay ≥48 hour
  • the first ICU admission

Exclusion Criteria:

  • VTE diagnosed prior to ICU admission
  • VTE diagnosed within 24 hours of ICU admission
  • >20% missing values in key variables

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
Ramy czasowe
validate an interpretable machine learning (ML) model to predict VTE in ICU patients
Ramy czasowe: the first day after the patients leaf ICU
the first day after the patients leaf ICU

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Beijing Tsinghua Chang Gung Hospital

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 2022

Zakończenie podstawowe (Rzeczywisty)

31 grudnia 2025

Ukończenie studiów (Rzeczywisty)

31 grudnia 2025

Daty rejestracji na studia

Pierwszy przesłany

12 maja 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

18 maja 2026

Pierwszy wysłany (Rzeczywisty)

19 maja 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

19 maja 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

18 maja 2026

Ostatnia weryfikacja

1 stycznia 2022

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 19242-2-01

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 bez interwencji

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Singapore

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj