Previsão de deterioração do paciente usando aprendizado de máquina
16 de março de 2026 atualizado por: David Levine, Brigham and Women's Hospital
Este é um estudo observacional retrospectivo baseado em dados do banco de dados do Brigham and Women's Home Hospital.
Dados sociodemográficos e clínicos de uma coorte de treinamento foram usados para treinar um algoritmo de aprendizado de máquina para prever a deterioração do paciente durante a internação do paciente.
Esse algoritmo foi então validado em uma coorte de validação.
Visão geral do estudo
Status
Concluído
Condições
Tipo de estudo
Observacional
Inscrição (Real)
526
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
-
-
Massachusetts
-
Boston, Massachusetts, Estados Unidos, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Estados Unidos, 02130
- Brigham and Women's Faulkner Hospital
-
-
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
Idades elegíveis para estudo
18 anos e mais velhos (Adulto, Adulto mais velho)
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
Indivíduos admitidos no Brigham and Women's Hospital e no Brigham and Women's Faulkner Hospital que atendem aos requisitos de diagnóstico primário, idade e residência geográfica e estão matriculados no hospital domiciliar.
Descrição
Critério de inclusão:
Cuidados no estudo Brigham and Women's Home Hospital
Critério de exclusão:
Dados de monitoramento contínuo incompletos
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
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Treinamento
Um subconjunto de pacientes usados para treinar o algoritmo de aprendizado de máquina.
|
Iremos comparar retrospectivamente os alarmes produzidos a partir dos alarmes de sinais vitais tradicionais (limiares definidos pelos médicos) versus o Índice BioVitals versus o National Early Warning Score 2
|
|
Validação
Um subconjunto de pacientes que são "retidos" e usados para validar a precisão do algoritmo.
|
Iremos comparar retrospectivamente os alarmes produzidos a partir dos alarmes de sinais vitais tradicionais (limiares definidos pelos médicos) versus o Índice BioVitals versus o National Early Warning Score 2
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Carga de alarme
Prazo: Da admissão à alta, medido em horas, em média 5 dias
|
O número de alarmes disparados por paciente por hora
|
Da admissão à alta, medido em horas, em média 5 dias
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sensibilidade para reconhecimento de um composto de segurança
Prazo: Da admissão à alta, em média 5 dias
|
A sensibilidade (verdadeiros positivos divididos por condições positivas) para detecção de um composto de segurança (consulta noturna, visita extra não planejada, transferência de volta ao hospital, morte durante a admissão, delirium, perda de consciência ou outro evento importante).
|
Da admissão à alta, em média 5 dias
|
|
Especificidade para reconhecimento de um composto de segurança
Prazo: Da admissão à alta, em média 5 dias
|
A especificidade (verdadeiros negativos divididos por condições negativas) para a detecção de um composto de segurança (consulta noturna, visita extra não planejada, transferência de volta ao hospital, morte durante a admissão, delirium, perda de consciência ou outro evento importante).
|
Da admissão à alta, em média 5 dias
|
|
Valor preditivo positivo para reconhecimento de um composto de segurança
Prazo: Da admissão à alta, em média 5 dias
|
O valor preditivo positivo (verdadeiros positivos divididos pela soma de verdadeiros positivos mais falsos positivos) para detecção de um composto de segurança (consulta noturna, visita extra não planejada, transferência de volta ao hospital, morte durante a internação, delirium, perda de consciência ou outros evento principal).
|
Da admissão à alta, em média 5 dias
|
|
Valor preditivo negativo para reconhecimento de um composto de segurança
Prazo: Da admissão à alta, em média 5 dias
|
O valor preditivo negativo (verdadeiros negativos divididos pela soma de verdadeiros negativos mais falsos negativos) para detecção de um composto de segurança (consulta noturna, visita extra não planejada, transferência de volta ao hospital, morte durante a internação, delirium, perda de consciência ou outros evento principal).
|
Da admissão à alta, em média 5 dias
|
|
Taxa de alarmes com utilidade clínica
Prazo: Da admissão à alta, em média 5 dias
|
Usaremos equações gerais de estimativa (GEE) com três resultados por paciente (o número de alarmes clinicamente importantes para BioVitals, NEWS2 e sinais vitais tradicionais); o GEE será responsável pelo agrupamento entre os três resultados em um paciente.
O GEE usará um modelo marginal binomial negativo com um log-link para o número de alarmes com utilidade clínica e um offset para log-tempo de permanência (em horas); com este modelo, modelamos a taxa por hora do número de alarmes com utilidade clínica com BI, NEWS2 e sinais vitais tradicionais.
A principal covariável no modelo binomial negativo será uma covariável de três níveis para o método: BI vs NEWS2 vs sinais vitais tradicionais, e a exponencial do efeito desta covariável será uma relação de taxa par a par para BI vs NEWS2 vs sinais vitais tradicionais sinais.
|
Da admissão à alta, em média 5 dias
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: David Levine, MD MPH MA, Associate Physician
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)
20 de março de 2021
Conclusão Primária (Real)
20 de março de 2025
Conclusão do estudo (Real)
16 de fevereiro de 2026
Datas de inscrição no estudo
Enviado pela primeira vez
14 de abril de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
15 de setembro de 2021
Primeira postagem (Real)
16 de setembro de 2021
Atualizações de registro de estudo
Última Atualização Postada (Real)
17 de março de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
16 de março de 2026
Última verificação
1 de março de 2026
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
- Doenças urogenitais
- Doenças Vasculares
- Doenças cardiovasculares
- Processos Patológicos
- Doenças Urogenitais Masculinas
- Doenças renais
- Doenças Urológicas
- Doenças Urogenitais Femininas
- Doenças urogenitais femininas e complicações na gravidez
- Doenças cardíacas
- Doença crônica
- Atributos da doença
- Doenças do sistema imunológico
- Doenças Respiratórias
- Doenças pulmonares
- Doenças brônquicas
- Doenças Pulmonares Obstrutivas
- Hipersensibilidade Respiratória
- Hipersensibilidade, Imediata
- Hipersensibilidade
- Insuficiência renal
- Hipertensão
- Condições Patológicas, Sinais e Sintomas
- Crise de hipertensão
- Insuficiência cardíaca
- Doença Pulmonar Obstrutiva Crônica
- Asma
- Infecções
- Insuficiência Renal Crônica
Outros números de identificação do estudo
- 2017P002583d
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 .