Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

Modelo de aprendizado de máquina para prever o resultado e a duração da ventilação mecânica na insuficiência respiratória hipoxêmica aguda (MEMORIAL)

7 de fevereiro de 2025 atualizado por: Jesus Villar, Dr. Negrin University Hospital

Desenvolvendo um modelo ideal de aprendizado de máquina para prever o resultado da UTI e a duração da ventilação mecânica em pacientes com insuficiência respiratória hipoxêmica aguda

A insuficiência respiratória hipoxêmica aguda (IRA) é a causa mais comum de internação em unidades de terapia intensiva (UCIs) em todo o mundo. Avaliaremos o valor das técnicas de aprendizado de máquina (ML) para previsão precoce de morte na UTI e duração prolongada (> 7 dias) de ventilação mecânica (VM) em 1.241 pacientes inscritos no estudo PANDORA (Prevalência E Resultado de insuficiência respiratória aguda) em Espanha. O estudo foi registrado em ClinicalTrials.gov (NCT03145974). Nosso objetivo é avaliar o número mínimo de modelos de variáveis ​​usando regressão logística e quatro algoritmos de ML supervisionados: Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.

Visão geral do estudo

Status

Ativo, não recrutando

Condições

Intervenção / Tratamento

Descrição detalhada

A insuficiência respiratória hipoxêmica aguda (IRA) é a causa mais comum de internação em unidades de terapia intensiva (UCIs) em todo o mundo. Avaliaremos o valor das técnicas de aprendizado de máquina (ML) para previsão precoce de morte na UTI e duração prolongada (> 7 dias) de ventilação mecânica (VM) em pacientes com IRHA em VM. Poucos estudos investigaram a predição de mortalidade e duração da VM em pacientes com IRHA.

Para o desenvolvimento do modelo, os investigadores extrairão dados dos primeiros 3 dias após o diagnóstico de AHRF de pacientes incluídos no banco de dados não identificado da coorte PANDORA. Tínhamos um banco de dados com 2.000.000 dados demográficos e clínicos anonimizados e dissociados de 1.241 pacientes com AHRF inscritos em nossa coorte PANDORA (Prevalência E Resultado de insuficiência respiratória aguda) de 22 hospitais espanhóis e coordenada pelo investigador principal (JV). Os investigadores seguirão o relatório transparente de um modelo de previsão multivariável para prognóstico individual ou diretrizes de diagnóstico (TRIPOD) para previsão do modelo. Selecionaremos as variáveis ​​coletadas empregando um método de seleção de variáveis ​​de algoritmo genético para obter parcimônia. Avaliamos o número mínimo de modelos de variáveis ​​usando regressão logística e 4 algoritmos de ML supervisionados: Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron. Usaremos uma validação cruzada de 5 vezes no conjunto de dados de 1.000 pacientes selecionados aleatoriamente em dados de treinamento (80%) e dados de teste (20%). Para validação externa, utilizaremos os 241 pacientes restantes.

Tipo de estudo

Observacional

Inscrição (Estimado)

1241

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

  • Espanha
      • Ciudad Real, Espanha, 13005
        • Hospital General Universitario de Ciudad Real
      • Cuenca, Espanha, 16002
        • Hospital Virgen de la Luz
      • Madrid, Espanha, 28046
        • Hospital Universitario La Paz
      • Madrid, Espanha, 28222
        • Hospital Universitario Puerta de Hierro
      • Murcia, Espanha, 3012
        • Hospital Universitario Virgen de Arrixaca
      • Santa Cruz De Tenerife, Espanha, 38010
        • Hospital Universitario NS de Candelaria
      • Valencia, Espanha, 46010
        • Hospital Cinico de Valencia
      • Valladolid, Espanha, 47012
        • Hospital Universitario Rio Hortega

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

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra Não Probabilística

População do estudo

Conjunto de dados desidentificado incluindo 1.241 pacientes ventilados mecanicamente com insuficiência respiratória hipoxêmica aguda admitidos consecutivamente em uma rede de UTIs espanholas.

Descrição

Critério de inclusão:

  • intubação endotraqueal mais ventilação mecânica (VM)
  • Relação PaO2/FiO2 ≤300 mmHg sob VM com pressão positiva expiratória final (PEEP) ≥5 cmH2O e FiO2 ≥0,3.

Critério de exclusão:

  • Pacientes pós-operatórios ventilados <24 h
  • Pacientes com morte cerebral.

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
Coorte de validação
Ele conterá 200 pacientes selecionados aleatoriamente (20% de 1.000 pacientes com AHRF
Outro: análise de aprendizado de máquina
Usaremos abordagens robustas de aprendizado de máquina, como Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Outros nomes:
  • Regressão logística, validação cruzada e área sob as curvas ROC
Coorte confirmatória
Ele conterá os 241 pacientes restantes selecionados aleatoriamente (por validação externa)
Outro: análise de aprendizado de máquina
Usaremos abordagens robustas de aprendizado de máquina, como Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Outros nomes:
  • Regressão logística, validação cruzada e área sob as curvas ROC
Coorte de derivação
Ele conterá 800 pacientes selecionados aleatoriamente (1.000 pacientes com AHRF)
Outro: análise de aprendizado de máquina
Usaremos abordagens robustas de aprendizado de máquina, como Random Forest, Extreme Gradient Boosting, Support Vector Machine e Multilayer Perceptron.
Outros nomes:
  • Regressão logística, validação cruzada e área sob as curvas ROC

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Descrição da medida
Prazo
Mortalidade na UTI
Prazo: até 100 semanas (desde a inclusão até a morte ou alta da unidade de terapia intensiva
morte na unidade de terapia intensiva
até 100 semanas (desde a inclusão até a morte ou alta da unidade de terapia intensiva

Medidas de resultados secundários

Medida de resultado
Descrição da medida
Prazo
Duração do VM
Prazo: até 100 semanas (da inclusão à extubação)
duração da ventilação mecânica
até 100 semanas (da inclusão à extubação)

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Dr. Negrin University Hospital

Investigadores

  • Investigador principal: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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)

19 de março de 2024

Conclusão Primária (Estimado)

30 de maio de 2026

Conclusão do estudo (Estimado)

30 de maio de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

19 de março de 2024

Enviado pela primeira vez que atendeu aos critérios de CQ

26 de março de 2024

Primeira postagem (Real)

27 de março de 2024

Atualizações de registro de estudo

Última Atualização Postada (Real)

25 de março de 2025

Última atualização enviada que atendeu aos critérios de controle de qualidade

7 de fevereiro de 2025

Última verificação

1 de fevereiro de 2025

Mais Informações

Termos relacionados a este estudo

Palavras-chave

Termos MeSH relevantes adicionais

Outros números de identificação do estudo

  • PI24/00325

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 .

Ensaios clínicos em análise de aprendizado de máquina

Pesquisar ensaios semelhantes

Patrocinadores e Colaboradores

Condições médicas

Intervenções de drogas

CROs by country

CROs in Kyrgyzstan

Condições

Doenças Raras

Intervenções de drogas

Suplementos Alimentares

Patrocinador / Colaboradores

Localizações

Se inscrever