Modelo de aprendizado de máquina para previsão de transfusão perioperatória
7 de março de 2022 atualizado por: DILEK YAZICIOGLU, Diskapi Teaching and Research Hospital
Desenvolvimento e Interpretação de um Modelo de Machine Learning para Previsão de Transfusão Perioperatória
Este estudo teve como objetivo desenvolver e interpretar um modelo de aprendizado de máquina para prever a transfusão de glóbulos vermelhos (RBC).
Visão geral do estudo
Status
Status
Concluído
Condições
Condições
Intervenção / Tratamento
Intervenção / Tratamento
Descrição detalhada
Um conjunto de dados de um estudo multicêntrico envolvendo 6.121 pacientes submetidos a cirurgia eletiva de grande porte foi analisado.
Dados relativos a pacientes que receberam transfusão inapropriada de hemácias foram excluídos.
Vinte e um recursos perioperatórios foram usados para prever a transfusão de hemácias.
O conjunto de dados foi dividido aleatoriamente em conjuntos de treinamento e validação (70-30).
Árvore de decisão, floresta aleatória, k-vizinhos mais próximos, regressão logística e métodos eXtreme garadient boosting (XGBoost) foram usados para predição.
A área sob as curvas (AUC) das curvas de características operacionais do receptor para os modelos de aprendizado de máquina usados para previsão de transfusão de hemácias foi comparada.
Tipo de estudo
Tipo de estudo
Observacional
Inscrição (Real)
Inscrição
6121
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
-
Ankara, Peru, 06110
- Dilek D Unal
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Critérios de elegibilidade
Idades elegíveis para estudo
18 anos a 100 anos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
Pacientes submetidos a procedimentos cirúrgicos eletivos de grande porte foram considerados elegíveis.
Todas as faixas etárias e ambos os sexos foram incluídos.
Os procedimentos cirúrgicos foram pré-definidos de acordo com a Classificação de Procedimentos Diagnósticos, Terapêuticos e Cirúrgicos da Instituição Nacional de Seguro Social, em que cada procedimento possui um código único
Descrição
Critério de inclusão:
- Adulto
- Submeteu-se a uma grande cirurgia eletiva
Critério de exclusão:
- pacientes pediátricos
- Casos de emergência
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Número de pacientes que receberam transfusão de glóbulos vermelhos
Prazo: Período perioperatório
|
Número de pacientes que receberam transfusão de glóbulos vermelhos
|
Período perioperatório
|
|
A área sob a curva
Prazo: Período perioperatório
|
A área sob a curva das curvas de características operacionais do receptor
|
Período perioperatório
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Investigadores
Investigadores
- Investigador principal: Dilek D Unal, Prof, UNIVERSITY OF HEALTH SCIENCES TURKEY DISKAPI YILDIRIM BEYAZIT TRAINING RESEARCH HOSPITAL ANKARA
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Murphy GJ, Reeves BC, Rogers CA, Rizvi SI, Culliford L, Angelini GD. Increased mortality, postoperative morbidity, and cost after red blood cell transfusion in patients having cardiac surgery. Circulation. 2007 Nov 27;116(22):2544-52. doi: 10.1161/CIRCULATIONAHA.107.698977. Epub 2007 Nov 12.
- Bernard AC, Davenport DL, Chang PK, Vaughan TB, Zwischenberger JB. Intraoperative transfusion of 1 U to 2 U packed red blood cells is associated with increased 30-day mortality, surgical-site infection, pneumonia, and sepsis in general surgery patients. J Am Coll Surg. 2009 May;208(5):931-7, 937.e1-2; discussion 938-9. doi: 10.1016/j.jamcollsurg.2008.11.019. Epub 2009 Mar 26.
- Walczak S, Velanovich V. Prediction of perioperative transfusions using an artificial neural network. PLoS One. 2020 Feb 24;15(2):e0229450. doi: 10.1371/journal.pone.0229450. eCollection 2020.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
Início do estudo
13 de janeiro de 2022
Conclusão Primária (Real)
Conclusão Primária
1 de fevereiro de 2022
Conclusão do estudo (Real)
Conclusão do estudo
1 de fevereiro de 2022
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez
13 de janeiro de 2022
Enviado pela primeira vez que atendeu aos critérios de CQ
Enviado pela primeira vez que atendeu aos critérios de CQ
27 de janeiro de 2022
Primeira postagem (Real)
Primeira postagem
8 de fevereiro de 2022
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última Atualização Postada
8 de março de 2022
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última atualização enviada que atendeu aos critérios de controle de qualidade
7 de março de 2022
Última verificação
Última verificação
1 de janeiro de 2022
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
Outros números de identificação do estudo
- Machine learning DiskapiTRH
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
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 .