Identificação de sepse específica de subpopulação usando aprendizado de máquina
Visão geral do estudo
Status
Status
Condições
Condições
Intervenção / Tratamento
Intervenção / Tratamento
Descrição detalhada
De julho de 2020 a fevereiro de 2021, inclusive, realizaremos um estudo randomizado controlado (RCT) em oito subpopulações em CRMC, OH e UCSF. As subpopulações que serão incluídas no estudo são: Cardiologia, Gastroenterologia (GI), Unidade de Terapia Intensiva (UTI), Medicina, Oncologia, Cirurgia, Transplante e Departamento de Emergência (DE). Todos os objetivos deste estudo em ambas as fases, incluindo o RCT, foram aprovados pelo Conselho de Revisão Institucional de Pearl com uma isenção de consentimento informado (IRB00007772, FWA00026887).
Durante o período do estudo, todos os pacientes com mais de 18 anos que se apresentarem no departamento de emergência ou internados em uma unidade de internação nas instalações participantes serão automaticamente incluídos no estudo se forem membros de uma das oito subpopulações de interesse neste estudo , até que a meta de inscrição para o estudo seja atingida. A inscrição implicará a randomização para o controle ou para os braços experimentais. Os pacientes serão divididos em grupo experimental ou grupo controle com base em uma sequência de alocação aleatória, gerada por um programa de computador antes do início do ensaio, usando randomização simples, com uma proporção de alocação de 1:1. Esta sequência de alocação será ocultada aos pacientes, profissionais de saúde e investigadores do estudo. No entanto, o estudo terá um design aberto, pois o cegamento total não é possível, pois algumas atribuições de grupo serão reveladas naturalmente após o recebimento de alertas telefônicos.
Haverá dois braços no estudo. O braço de controle envolverá pacientes monitorados pela versão original do InSight, e o braço experimental envolverá pacientes monitorados pela versão personalizada de subpopulação do InSight. Em ambos os braços, se o algoritmo aplicável determinar que um paciente tem alto risco de sepse grave, um alerta telefônico será enviado à enfermeira responsável de plantão no local atual do paciente. A resposta aos alertas seguirá o protocolo de nosso ensaio clínico de sepse anterior. O procedimento consiste em uma enfermeira realizar uma avaliação à beira do leito do paciente para descartar suspeita de infecção. Isso inclui a avaliação dos sinais vitais do paciente, anotações do EHR e resultados laboratoriais recentes. Se a enfermeira suspeitar de sepse grave, um médico subsequentemente avalia o paciente e, se apropriado, solicita a administração do pacote padrão de tratamento de sepse.
Na administração de ensaios clínicos, alguns estudos abertos são randomizados por cluster, enquanto outros são randomizados em um nível de paciente individual. A randomização de cluster é freqüentemente usada para minimizar a "contaminação" entre os grupos de tratamento e controle, porque a exposição dos provedores a pacientes de ambos os braços em um estudo aberto geralmente convida a vieses comportamentais não intencionais. Esses vieses podem fazer com que os provedores ajustem suas intervenções no grupo de controle para imitar suas ações no grupo experimental, mascarando assim o efeito da intervenção e distorcendo os resultados do estudo para o nulo. Embora ensaios clínicos randomizados e abertos sejam eficazes para minimizar a contaminação entre os grupos, eles têm várias desvantagens significativas, incluindo maior complexidade no desenho e na análise, bem como maiores requisitos de inclusão de pacientes para obter o mesmo poder estatístico. Como tamanhos de amostra maiores geralmente exigem aumentos no custo, duração ou complexidade de um estudo, a pesquisa atual indicou que os participantes do estudo devem usar a randomização individual, se possível, devido às desvantagens da alocação de cluster. Dadas essas considerações, concluímos que a randomização individual foi a melhor estratégia para nosso estudo, pois fornece uma quantidade significativa de aumento no poder estatístico e permite que o resultado de cada paciente seja avaliado independentemente de todos os outros pacientes. Para minimizar possíveis vieses, também decidimos tornar o texto da chamada telefônica automatizada idêntico em ambos os braços. O uso bem-sucedido da randomização em nível de paciente em nosso ensaio clínico de sepse anterior nos dá confiança neste desenho de ensaio.
Após a alta do último paciente inscrito, avaliaremos se o desfecho primário de mortalidade intra-hospitalar baseada em SIRS e os desfechos secundários de sepse grave intra-hospitalar/mortalidade codificada por choque, tempo de permanência hospitalar baseado em SIRS e sepse grave /tempo de permanência no hospital codificado por choque foram atendidos. Medidas adicionais de resultados de interesse para cada grupo de pacientes com código de choque/sepse/sepse grave baseados em SIRS incluirão: tempo para conclusão de cada elemento do pacote Surviving Sepsis Campaign (SSC); dias sem ventilação; dias de UTI; e taxa de readmissão hospitalar em 30 dias. O pacote SSC de 1 hora consiste na obtenção de hemoculturas, medição do nível de lactato, administração de antibióticos de amplo espectro, administração de 30 mL/kg de líquido cristaloide para hipertensão ou lactato >4 mmol/L e aplicação de vasopressores se o paciente estiver hipotenso durante ou após ressuscitação com fluidos.
Os pacientes serão considerados "baseados em SIRS" e incluídos para análise de desfecho primário se atenderem a dois ou mais critérios de SIRS a qualquer momento durante sua internação. A razão para este critério de inclusão é que o algoritmo pode detectar sepse grave antes que seja aparente no prontuário e, portanto, a sepse pode ser resolvida com intervenção precoce antes da documentação de sepse grave no prontuário médico. Por exemplo, se um alerta de CDS resultar no início do tratamento antes que os exames laboratoriais indicativos de disfunção orgânica sejam obtidos, o estado de "sepse grave" do paciente pode ser excluído. Limitar os critérios de inclusão aos critérios de definição de sepse grave do consenso de 2001 (Sepsis-2) ou aos critérios de Sepse-3 excluiria esses pacientes da análise; no entanto, tal censura será evitada com nosso uso de critérios de inclusão baseados em SIRS.
Planejamos extrair dados clínicos baseados em EHR para análise de endpoint primário, em oposição a dados baseados em reivindicações, devido à sua capacidade de fornecer medições mais objetivas sobre os resultados dos pacientes. No entanto, para comparar com outros estudos que usam inclusão baseada em codificação, os dados de reivindicações serão usados em critérios de inclusão para endpoints secundários. Os pacientes serão considerados documentados como "sepse grave/choque séptico codificados" e incluídos para análise de desfecho secundário se atenderem aos critérios de implementação de Angus ou a qualquer um dos seguintes códigos de diagnóstico: R6520 e/ou R6521 com códigos de septicemia A400, A401, A403 , A408, A4101, A4102, A411, A412, A413, A414, A4150, A4151, A4152, A4153, A4159, A4181, A4189, A427, A021, A227, A267, A327, A5486, B377. Sabe-se que o uso de códigos explícitos do CDI sozinho para rastrear a sepse tem alta especificidade, mas baixa sensibilidade.
Na conclusão do estudo, descobertas significativas serão publicadas como artigos científicos.
Tipo de estudo
Tipo de estudo
Estágio
Estágio
- Fase 2
Critérios de participação
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Descrição
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
- Finalidade Principal: DIAGNÓSTICO
- Alocação: RANDOMIZADO
- Modelo Intervencional: PARALELO
- Mascaramento: TRIPLO
Número de braços
Armas e Intervenções
Grupo de Participantes / BraçoGrupo de Participantes / Braço |
Intervenção / TratamentoIntervenção / Tratamento |
|---|---|
|
EXPERIMENTAL: Algoritmo específico da subpopulação
|
Sistema de suporte à decisão clínica (CDS) específico da subpopulação para detecção de sepse grave
|
|
SEM_INTERVENÇÃO: Algoritmo de controle
|
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mortalidade baseada em SIRS intra-hospitalar
Prazo: Até a conclusão do estudo, uma média de 8 meses
|
Mortalidade atribuída a pacientes que atendem a dois ou mais critérios de SIRS em algum momento da internação
|
Até a conclusão do estudo, uma média de 8 meses
|
Medidas de resultados secundários
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sepse grave intra-hospitalar/mortalidade codificada por choque
Prazo: Até a conclusão do estudo, uma média de 8 meses
|
Mortalidade atribuída a pacientes codificados como sepse grave ou choque séptico
|
Até a conclusão do estudo, uma média de 8 meses
|
|
Tempo de internação baseado em SIRS
Prazo: Até a conclusão do estudo, uma média de 8 meses
|
Tempo de internação hospitalar atribuído a pacientes que atendem a dois ou mais critérios de SIRS em algum momento da internação
|
Até a conclusão do estudo, uma média de 8 meses
|
|
Sepse grave/tempo de internação codificado por choque
Prazo: Até a conclusão do estudo, uma média de 8 meses
|
Tempo de internação atribuído a pacientes codificados como sepse grave ou choque séptico
|
Até a conclusão do estudo, uma média de 8 meses
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Publicações e links úteis
Publicações Gerais
- Desautels T, Calvert J, Hoffman J, Mao Q, Jay M, Fletcher G, Barton C, Chettipally U, Kerem Y, Das R. Using Transfer Learning for Improved Mortality Prediction in a Data-Scarce Hospital Setting. Biomed Inform Insights. 2017 Jun 12;9:1178222617712994. doi: 10.1177/1178222617712994. eCollection 2017.
- Calvert J, Mao Q, Rogers AJ, Barton C, Jay M, Desautels T, Mohamadlou H, Jan J, Das R. A computational approach to mortality prediction of alcohol use disorder inpatients. Comput Biol Med. 2016 Aug 1;75:74-9. doi: 10.1016/j.compbiomed.2016.05.015. Epub 2016 May 24.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Calvert J, Mao Q, Hoffman JL, Jay M, Desautels T, Mohamadlou H, Chettipally U, Das R. Using electronic health record collected clinical variables to predict medical intensive care unit mortality. Ann Med Surg (Lond). 2016 Sep 6;11:52-57. doi: 10.1016/j.amsu.2016.09.002. eCollection 2016 Nov.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (ANTECIPADO)
Início do estudo
Conclusão Primária (ANTECIPADO)
Conclusão Primária
Conclusão do estudo (ANTECIPADO)
Conclusão do estudo
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (REAL)
Primeira postagem
Atualizações de registro de estudo
Última Atualização Postada (REAL)
Última Atualização Postada
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
Outros números de identificação do estudo
- 18-347718
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .