Previsão do Potássio Sérrico Utilizando Aprendizagem Automática e ECG de Derivação Única
21 de março de 2026 atualizado por: David Levine, Brigham and Women's Hospital
Previsão de Potássio Sérico Utilizando Machine Learning e ECG de Derivação Única
Este é um estudo retrospectivo que utiliza dados da Base de Dados do Programa Hospital no Domicílio do Brigham and Women's Hospital.
Dados sociodemográficos e clínicos de uma coorte de treino foram utilizados para treinar um algoritmo de aprendizagem automática para prever o potássio sanguíneo ao longo do internamento de um paciente.
Este algoritmo foi posteriormente validado numa coorte de validação.
Visão geral do estudo
Status
Retirado
Condições
Intervenção / Tratamento
Tipo de estudo
Observacional
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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
Sujeitos admitidos no Brigham and Women's Hospital e no Brigham and Women's Faulkner Hospital que cumprem os requisitos de diagnóstico primário, idade e residência num raio de 5 milhas e estão inscritos no hospital domiciliário.
Descrição
Foi um sujeito no estudo Brigham and Women's Home Hospital e tem um registo completo na base de dados do estudo.
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.
|
Aplicar um algoritmo de aprendizagem automática para estimar o potássio de um paciente.
|
|
Validação
Um subconjunto de pacientes que são "retidos" e usados para validar a precisão do algoritmo.
|
Aplicar um algoritmo de aprendizagem automática para estimar o potássio de um paciente.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Concentração sérica de potássio
Prazo: Desde a data de admissão até à data de alta, até à conclusão do estudo, em média 7 dias.
|
Potássio sérico, medido em milimol por litro
|
Desde a data de admissão até à data de alta, até à conclusão do estudo, em média 7 dias.
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Hipercaliemia
Prazo: Desde a data de admissão até à data de alta, até à conclusão do estudo em média 7 dias.
|
Potássio sérico superior a 5,1 milimol por litro
|
Desde a data de admissão até à data de alta, até à conclusão do estudo em média 7 dias.
|
|
Hipocaliemia
Prazo: Desde a data de admissão até à data de alta, através da conclusão do estudo, em média 7 dias.
|
Potássio sérico inferior a 3,4 milimol por litro
|
Desde a data de admissão até à data de alta, através da conclusão do estudo, em média 7 dias.
|
|
Normocalemia
Prazo: Desde a data de admissão até à data de alta, através da conclusão do estudo, em média 7 dias.
|
Potássio sérico entre 3,4 e 5,1 milimol por litro
|
Desde a data de admissão até à data de alta, através da conclusão do estudo, em média 7 dias.
|
|
Potássio sérico inferior a versus superior ou igual a 4 milimol por litro
Prazo: Desde a data de admissão até à data de alta, através da conclusão do estudo em média 7 dias.
|
Potássio sérico a descer quer para menos de 4 milimol por litro quer para igual ou mais de 4 milimol por litro
|
Desde a data de admissão até à data de alta, através da conclusão do estudo em média 7 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
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
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
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 (Estimado)
1 de agosto de 2021
Conclusão do estudo (Estimado)
1 de dezembro de 2021
Datas de inscrição no estudo
Enviado pela primeira vez
14 de abril de 2021
Enviado pela primeira vez que atendeu aos critérios de CQ
21 de março de 2026
Primeira postagem (Real)
25 de março de 2026
Atualizações de registro de estudo
Última Atualização Postada (Real)
25 de março de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
21 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
- 2017P002583c
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 .