Aprendizado de máquina na UTI: previsão de mortalidade em infecções da corrente sanguínea (UTI: Unidade de Terapia Intensiva) (ICU)
Aprendizado de máquina na UTI: previsão de mortalidade em pacientes com infecções da corrente sanguínea por bacilos Gram-negativos resistentes a carbapenêmicos
Usando nossos próprios dados de pacientes, nosso estudo teve como objetivo prever a mortalidade que pode se desenvolver em infecções da corrente sanguínea por bacilos Gram-negativos resistentes a Carbapenem com um modelo baseado em aprendizado de máquina.
Na unidade de terapia intensiva, os pacientes com infecções da corrente sanguínea, com e sem mortalidade, serão examinados retrospectivamente em dois subgrupos para comparação.
Visão geral do estudo
Status
Intervenção / Tratamento
Descrição detalhada
Os carbapenêmicos são um dos antibióticos de último recurso usados para tratar infecções graves causadas por patógenos Gram-negativos multirresistentes. As infecções por bacilos Gram-negativos resistentes aos carbapenêmicos (CR-GNB) se espalharam na última década, representando sérias ameaças à saúde pública. Enterobacteriaceae resistente a carbapenêmicos (CRE), Acinetobacter baumannii resistente a carbapenêmicos (CRAB) e Pseudomonas aeruginosa resistente a carbapenêmicos (CRPA) estão no topo da lista de prioridades de bactérias resistentes a antibióticos em todo o mundo. CR-GNB causa um amplo espectro de infecções, incluindo bacteremia, infecções do trato urinário, pneumonia e infecções intra-abdominais. As infecções da corrente sanguínea resistentes aos carbapenêmicos são uma causa significativa de morbidade e mortalidade, e as opções terapêuticas de tratamento são extremamente limitadas. Ao avaliar os fatores de risco em pacientes monitorados na unidade de terapia intensiva, os sistemas de pontuação que podem prever o prognóstico reduzem o risco de mortalidade, garantindo a aplicação precoce de antibióticos eficazes e o suporte hemodinâmico oportuno que estão atualmente em uso.
Com o acúmulo de big data e os avanços nas técnicas de armazenamento de dados, métodos inovadores e pragmáticos de aprendizado de máquina que entraram em nossas vidas demonstram um bom desempenho de previsão na área médica. Modelos baseados em aprendizado de máquina desenvolvidos para prever mortalidade em pacientes monitorados em unidade de terapia intensiva estão disponíveis na literatura e oferecem uma oportunidade para intervenção precoce nos pacientes.
Usando nossos próprios dados de pacientes, na unidade de terapia intensiva, pacientes com infecções da corrente sanguínea, com e sem mortalidade, serão examinados retrospectivamente em dois subgrupos para comparação. Nosso objetivo é prever a mortalidade que pode se desenvolver em infecções da corrente sanguínea por bacilos Gram-negativos resistentes a carbapenem com um modelo baseado em aprendizado de máquina.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Kocaeli, Turquia (Türkiye)
- Kocaeli University
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Em nosso estudo, pacientes que foram monitorados na Unidade de Terapia Intensiva terciária de nosso hospital entre junho de 2017 e junho de 2023 e desenvolveram infecções da corrente sanguínea por Enterobacteriaceae resistentes a Carbapenem, Acinetobacter baumannii resistente a Carbapenem e Pseudomonas aeruginosa resistente a Carbapenem serão incluídos retrospectivamente.
Critério de exclusão:
- Pacientes menores de 18 anos e aqueles com outras infecções além da corrente sanguínea não serão incluídos.
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Pacientes falecidos
Infecção da corrente sanguínea por bacilos Gram-negativos resistentes a carbapenêmicos com mortalidade
|
Usando aprendizagem profunda tentamos desenvolver um algoritmo e antecipar a mortalidade
|
|
Pacientes sobreviventes
Infecção da corrente sanguínea por bacilos Gram-negativos resistentes a carbapenêmicos sem mortalidade
|
Usando aprendizagem profunda tentamos desenvolver um algoritmo e antecipar a mortalidade
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Risco de Mortalidade
Prazo: 3 meses
|
A sensibilidade e especificidade serão definidas com curva AUC-ROC (Area Under the Receiver Operating Characteristic curve) usando algoritmo de aprendizado de máquina
|
3 meses
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: özlem güler, Kocaeli University
Publicações e links úteis
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Real)
Conclusão do estudo (Real)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- GOKAEK-2023/12.31
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
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 .