Previsão Baseada em Redes Neuronais em Pacientes Críticos com COVID-19
Previsão Baseada em Redes Neuronais em Doentes Críticos com COVID-19
No contexto de uma pandemia emergente sem um sistema de pontuação prognóstica estabelecido, as abordagens de aprendizagem profunda podem ser utilizadas para desenvolver rapidamente modelos prognósticos empíricos.
Este estudo teve como objetivo apresentar um modelo de rede neural artificial (RNA) para prever a duração da ventilação mecânica e a mortalidade em doentes com COVID-19 na unidade de cuidados intensivos.
Métodos: Os dados foram recolhidos a partir dos registos médicos de 113 doentes com COVID-19 que foram seguidos na unidade de cuidados intensivos entre fevereiro de 2020 e junho de 2020. Uma abordagem de RNA foi utilizada para prever a duração da ventilação mecânica e a mortalidade em doentes com COVID-19, avaliando os dados clínicos dos doentes (demográficos, laboratoriais e comorbilidades).
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
A doença por coronavírus de 2019 (COVID-19) levou a uma carga sem precedentes nas unidades de cuidados intensivos (UCI), particularmente devido às elevadas taxas de insuficiência respiratória que requerem ventilação mecânica invasiva. A identificação precoce de doentes em risco de ventilação mecânica prolongada e mortalidade é crucial para otimizar a alocação de recursos e a tomada de decisões clínicas.
Este estudo de coorte retrospetivo teve como objetivo desenvolver e avaliar um modelo de rede neural artificial (RNA) para prever a duração da ventilação mecânica e a mortalidade intra-hospitalar entre doentes com COVID-19 admitidos na UCI.
Após aprovação pelo Comité de Ética de Investigação Clínica da Universidade de Gaziantep (Decisão N.º: 2024/07, Data: 17.01.2024), os dados de 113 doentes adultos admitidos na UCI entre 1 de fevereiro de 2020 e 30 de junho de 2020 foram analisados retrospetivamente. Características demográficas, comorbilidades, sinais vitais, parâmetros laboratoriais, escores de gravidade (por exemplo, APACHE, SOFA), modalidades de tratamento e desfechos clínicos foram extraídos dos registos médicos.
Os modelos de rede neural artificial foram desenvolvidos utilizando software comercialmente disponível (Alyuda NeuroIntelligence, Alyuda Research Inc., Los Altos, CA, EUA). Múltiplos algoritmos de treino, incluindo Propagação Rápida, Gradiente Conjugado Descendente, Quasi-Newton de Memória Limitada, Retropropagação Online e Retropropagação em Lote, foram testados. O desempenho do modelo foi avaliado utilizando validação cruzada de 10 vezes. A precisão preditiva para mortalidade e o desempenho de correlação para a duração da ventilação mecânica foram calculados. Métodos estatísticos clássicos, incluindo regressão linear múltipla e regressão logística binária, também foram realizados para comparação.
O objetivo principal foi avaliar o desempenho preditivo dos modelos de RNA para mortalidade na UCI. Um objetivo secundário foi avaliar o desempenho da RNA na estimativa da duração da ventilação mecânica. Este estudo foi conduzido de acordo com a Declaração de Helsínquia.
Tipo de estudo
Inscrição (Real)
Contactos e Locais
Locais de estudo
-
-
-
Gaziantep, Turquia (Türkiye), 27310
- Gaziantep University Hospital
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de Inclusão:
Idade ≥ 18 anos
Diagnóstico confirmado de COVID-19
Admissão na unidade de cuidados intensivos (UCI) entre 1 de fevereiro de 2020 e 30 de junho de 2020
Disponibilidade de dados clínicos, laboratoriais e de resultados completos nos registos médicos
Critérios de Exclusão:
Idade < 18 anos
Dados clínicos incompletos ou em falta
Transferência para outra instituição antes da avaliação dos resultados
Readmissão na UCI durante a mesma hospitalização (apenas a primeira admissão incluída)
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mortalidade por Todas as Causas na UCI
Prazo: Desde a admissão na UCI até à alta hospitalar ou morte (até 90 dias)
|
Previsão da mortalidade intra-hospitalar (ex-status) entre doentes com COVID-19 admitidos na unidade de cuidados intensivos utilizando modelação de rede neural artificial com base em variáveis demográficas, clínicas e laboratoriais.
|
Desde a admissão na UCI até à alta hospitalar ou morte (até 90 dias)
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Elzem Sen, Assoc Prof, University of Gaziantep
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
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 2024/07
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 .