Машинное обучение в отделении интенсивной терапии: прогнозирование смертности при инфекциях кровотока (ОИТ: Отделение интенсивной терапии) (ICU)
Машинное обучение в отделении интенсивной терапии: прогнозирование смертности пациентов с инфекциями кровотока, вызванными устойчивыми к карбапенемам грамотрицательными бактериями
Используя данные наших собственных пациентов, наше исследование было направлено на прогнозирование смертности, которая может развиться при инфекциях кровотока, вызванных устойчивыми к карбапенемам грамотрицательными бациллами, с помощью модели, основанной на машинном обучении.
В отделении интенсивной терапии пациенты с инфекциями кровотока, как с летальностью, так и без нее, будут обследованы ретроспективно в двух подгруппах для сравнения.
Обзор исследования
Статус
Статус
Условия
Условия
Вмешательство/лечение
Вмешательство/лечение
Подробное описание
Карбапенемы являются одними из антибиотиков последней инстанции, используемых для лечения тяжелых инфекций, вызванных грамотрицательными возбудителями с множественной лекарственной устойчивостью. Инфекции, вызванные устойчивыми к карбапенемам грамотрицательными палочками (CR-GNB), получили широкое распространение за последнее десятилетие, представляя серьезную угрозу для общественного здравоохранения. Устойчивые к карбапенемам Enterobacteriaceae (CRE), устойчивые к карбапенемам Acinetobacter baumannii (CRAB) и устойчивые к карбапенемам Pseudomonas aeruginosa (CRPA) возглавляют список приоритетных бактерий, устойчивых к антибиотикам во всем мире. CR-GNB вызывает широкий спектр инфекций, включая бактериемию, инфекции мочевыводящих путей, пневмонию и внутрибрюшные инфекции. Инфекции кровотока, резистентные к карбапенемам, являются серьезной причиной заболеваемости и смертности, а терапевтические возможности лечения крайне ограничены. Оценивая факторы риска у пациентов, находящихся под наблюдением в отделении интенсивной терапии, системы оценки, которые могут прогнозировать прогноз, снижают риск смертности, обеспечивая раннее применение эффективных антибиотиков и своевременную гемодинамическую поддержку, которые используются в настоящее время.
Благодаря накоплению больших данных и достижениям в методах хранения данных инновационные и прагматичные методы машинного обучения, которые вошли в нашу жизнь, демонстрируют хорошие показатели прогнозирования в области медицины. Модели на основе машинного обучения, разработанные для прогнозирования смертности пациентов, находящихся под наблюдением в отделении интенсивной терапии, доступны в литературе и дают возможность более раннего вмешательства у пациентов.
Используя наши собственные данные о пациентах, в отделении интенсивной терапии пациенты с инфекциями кровотока, как со смертностью, так и без нее, будут ретроспективно обследованы в двух подгруппах для сравнения. Мы стремимся предсказать смертность, которая может развиться при инфекциях кровотока, вызванных устойчивыми к карбапенемам грамотрицательными бациллами, с помощью модели, основанной на машинном обучении.
Тип исследования
Тип исследования
Регистрация (Действительный)
Регистрация
Контакты и местонахождение
Контакты исследования
Контакты исследования
- Имя: özlem güler
- Номер телефона: +90 543 927 24 38
- Электронная почта: ozlemozkanguler@gmail.com
Места учебы
-
-
-
Kocaeli, Турция (Туркие)
- Kocaeli University
-
-
Критерии участия
Критерии приемлемости
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- В наше исследование будут ретроспективно включены пациенты, которые находились под наблюдением в отделении интенсивной терапии третичного уровня нашей больницы в период с июня 2017 года по июнь 2023 года и у которых развились инфекции кровотока, вызванные устойчивыми к карбапенемам Enterobacteriaceae, устойчивыми к карбапенемам Acinetobacter baumannii и устойчивыми к карбапенемам Pseudomonas aeruginosa.
Критерий исключения:
- Пациенты в возрасте до 18 лет и лица с инфекциями, отличными от инфекций кровотока, не будут включены.
Учебный план
Как устроено исследование?
Детали дизайна
Количество групп / когорт
Когорты и вмешательства
Группа / когортаГруппа / когорта |
Вмешательство/лечениеВмешательство/лечение |
|---|---|
|
Умершие пациенты
Устойчивые к карбапенемам грамотрицательные бациллы Инфекция кровотока Со смертностью
|
Используя глубокое обучение, мы пытаемся разработать алгоритм и предвидеть смертность.
|
|
Выжившие пациенты
Устойчивые к карбапенемам грамотрицательные бациллы Инфекция кровотока Без смертности
|
Используя глубокое обучение, мы пытаемся разработать алгоритм и предвидеть смертность.
|
Что измеряет исследование?
Первичные показатели результатов
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Риск смертности
Временное ограничение: 3 месяца
|
Чувствительность и специфичность будут определяться с помощью кривой AUC-ROC (площадь под кривой рабочей характеристики приемника) с использованием алгоритма машинного обучения.
|
3 месяца
|
Соавторы и исследователи
Спонсор
Спонсор
Следователи
Следователи
- Главный следователь: özlem güler, Kocaeli University
Публикации и полезные ссылки
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
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
Другие идентификационные номера исследования
- GOKAEK-2023/12.31
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
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. .