Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy
8 sierpnia 2026 zaktualizowane przez: Sofia De La Villa, Instituto de Investigación Sanitaria Gregorio Marañón
Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy: A Prospective Quasi-Experimental Study
The goal of this quasi-experimental study is to analyze if a Machine Learning Clinical Decision Support System can improve the empirical antibiotic treatment in patients with pneumonia, urinary tract infection and / or sepsis.
The main questions it aims to answer are:
- Primary outcome: clinical success defined as clinical cure (resolution of all signs and symptoms related to infection); no complications until day 30 (recurrence, or development of adverse events- AEs-); no new acquisition of MDROs; and survival at day 30.
- Secondary outcomes: a subgroup analysis of the primary outcome according to the department participants, infectious syndrome, severity of the infection assessed by the SOFA score, and in microbiological confirmed infections. In microbiological confirmed infections, desirability of Outcome Ranking (DOOR) for the Management of Antimicrobial Therapy (MAT) according to the beta-lactam classification
Researchers will compare a pre-intervention group with a post-intervention to see if improve in the DOOR MAT score
Participants in the post-intervention group will:
• Received empirical antibiotic therapy prescribed by their treating physicians according to the machine-learning recommendations
Przegląd badań
Status
Jeszcze nie rekrutacja
Interwencja / Leczenie
Typ studiów
Interwencyjne
Zapisy (Szacowany)
486
Faza
- Nie dotyczy
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Kontakt w sprawie studiów
- Nazwa: Sofía De la Villa
- Numer telefonu: 34912868453
- E-mail: sofiadela.villa@salud.madrid.org
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
Opis
Inclusion Criteria:
- Adult patients (aged ≥18 years)
- Admitted to the Nephrology, Oncology or ICU wards
- Diagnosis of sepsis, pneumonia and/or UTI
- Empirical antibiotics prescribed
Exclusion Criteria:
- informed consent obtained > 48 hours since the infection onset
- beta-lactam allergy
- infection syndrome other than sepsis, pneumonia or UTI
- confirmed no-bacterial infection
- death within the first 48 hours of inclusion or imminent risk of death at time of the inclusion
- pregnancy and/or breastfeeding
- inclusion in a clinical trial of antimicrobial treatment
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
- Główny cel: Leczenie
- Przydział: Nielosowe
- Model interwencyjny: Zadanie sekwencyjne
- Maskowanie: Brak (otwarta etykieta)
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Brak interwencji: Pre-interventional
Hospital standard practices for diagnosis and/or treatment applied
|
|
|
Eksperymentalny: Interventional
Hospital standard practices + use of a CDSS tool
|
iAST® (Pragmatech AI Solutions) is a medical device designed to assist the antibiotic prescription, currently approved by the European Medicines Agency.
It used complex algorithms to accurately predict the most likely recommended antibiotics for providing coverage for specific aerobic bacteria before definitive microbiological results, bacterial identification and antibiotic susceptibility testing, were known
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Clinical success
Ramy czasowe: 30-Day
|
resolution of all signs and symptoms related to infection with no complications and survival
|
30-Day
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
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 (Szacowany)
1 września 2026
Zakończenie podstawowe (Szacowany)
1 sierpnia 2027
Ukończenie studiów (Szacowany)
1 września 2027
Daty rejestracji na studia
Pierwszy przesłany
5 sierpnia 2026
Pierwszy przesłany, który spełnia kryteria kontroli jakości
8 sierpnia 2026
Pierwszy wysłany (Rzeczywisty)
13 sierpnia 2026
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
13 sierpnia 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
8 sierpnia 2026
Ostatnia weryfikacja
1 sierpnia 2026
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- MICRO.HGUGM.2026-003
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIEZDECYDOWANY
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 .