АЛГОРИТМ ПРОГНОЗА ДЛЯ ОЦЕНКИ И ВМЕШАТЕЛЬСТВА В СЕПСИС (PREVISE)
Прогнозирование тяжелого сепсиса с помощью алгоритма машинного обучения
Обзор исследования
Статус
Статус
Условия
Условия
Вмешательство/лечение
Вмешательство/лечение
Тип исследования
Тип исследования
Регистрация (Действительный)
Регистрация
Фаза
Фаза
- Непригодный
Контакты и местонахождение
Места учебы
-
-
West Virginia
-
Huntington, West Virginia, Соединенные Штаты, 25701
- Cabell Huntington Hospital
-
-
Критерии участия
Критерии приемлемости
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Описание
Критерии включения:
- Все взрослые пациенты, посещающие отделение неотложной помощи или госпитализированные в участвующие отделения интенсивной терапии (ОИТ) больницы Кэбелл Хантингтон, будут иметь право на участие.
Критерий исключения:
- Все пациенты моложе 18 лет будут исключены.
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Диагностика
- Распределение: Нерандомизированный
- Интервенционная модель: Факторное присвоение
- Маскировка: Нет (открытая этикетка)
Количество рук
Оружие и интервенции
Группа участников / АрмияГруппа участников / Армия |
Вмешательство/лечениеВмешательство/лечение |
|---|---|
|
Экспериментальный: С инсайтом
Поставщик медицинских услуг получает предупреждение от InSight о пациентах с тенденцией к тяжелому сепсису.
Поставщик медицинских услуг также получает информацию от детектора тяжелого сепсиса в электронной медицинской карте CHH.
|
Получив предупреждение InSight, поставщик медицинских услуг следует стандартным методам оценки возможного (тяжелого) сепсиса и принятия соответствующих мер.
Получив информацию от детектора тяжелого сепсиса в электронной карте здоровья CHH, поставщик медицинских услуг следует стандартным методам оценки возможного (тяжелого) сепсиса и принятия соответствующих мер.
|
|
Активный компаратор: Без понимания
Поставщик медицинских услуг не получает никаких предупреждений от InSight.
Поставщик медицинских услуг получает информацию от детектора тяжелого сепсиса в электронной карте здоровья CHH.
|
Получив информацию от детектора тяжелого сепсиса в электронной карте здоровья CHH, поставщик медицинских услуг следует стандартным методам оценки возможного (тяжелого) сепсиса и принятия соответствующих мер.
|
Что измеряет исследование?
Первичные показатели результатов
Первичные показатели результатов
Мера результата |
Временное ограничение |
|---|---|
|
Внутрибольничная смертность
Временное ограничение: Через завершение обучения, в среднем 30 дней
|
Через завершение обучения, в среднем 30 дней
|
Вторичные показатели результатов
Вторичные показатели результатов
Мера результата |
Временное ограничение |
|---|---|
|
Длительность пребывания в больнице
Временное ограничение: Через завершение обучения, в среднем 30 дней
|
Через завершение обучения, в среднем 30 дней
|
Другие показатели результатов
Другие показатели результатов
Мера результата |
Временное ограничение |
|---|---|
|
Повторная госпитализация
Временное ограничение: Через завершение обучения, в среднем 30 дней
|
Через завершение обучения, в среднем 30 дней
|
|
Продолжительность пребывания в отделении интенсивной терапии
Временное ограничение: Через завершение обучения, в среднем 30 дней
|
Через завершение обучения, в среднем 30 дней
|
Соавторы и исследователи
Спонсор
Спонсор
Соавторы
Соавторы
Следователи
Следователи
- Главный следователь: Hoyt Burdick, Cabell Huntington Hospital
Публикации и полезные ссылки
Общие публикации
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Начало исследования
Первичное завершение (Действительный)
Первичное завершение
Завершение исследования (Действительный)
Завершение исследования
Даты регистрации исследования
Первый отправленный
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Первый опубликованный
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее опубликованное обновление
Последнее отправленное обновление, отвечающее критериям контроля качества
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
Другие идентификационные номера исследования
- 1097090-1
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .