Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

Прогнозирование смертности онкологических больных в отделении хосписа на основе искусственного интеллекта

6 мая 2021 г. обновлено: Shabbir Syed Abdul, Taipei Medical University

Распознавание активности и прогнозирование смертности на основе искусственного интеллекта с использованием циркадного ритма среди онкологических больных в хосписном отделении

Целью этого исследования является разработка новой модели прогнозирования выживания на основе глубокого обучения с использованием данных об активности пациента, записанных носимым устройством.

Обзор исследования

Статус

Рекрутинг

Условия

Конечная стадия рака

Подробное описание

Это исследование направлено на разработку модели прогнозирования выживаемости на основе глубокого обучения, которая использует данные о движениях пациентов при поступлении для прогнозирования их клинических исходов: смерти или выписки со стабильным состоянием. Объективные данные пациентов регистрируются носимым устройством и документируются в виде параметров физической активности, угла и вращения. В дополнение к объективным данным исследователи также документируют состояние здоровья пациентов по Карновскому, субъективно оцениваемое клиническими врачами. Наконец, исследователи стремятся изучить и описать применимость, потенциал и ограничения модели прогнозирования выживаемости, основанной на данных о движении пациента, как простом прогностическом параметре в клинических условиях.

Тип исследования

Наблюдательный

Регистрация (Ожидаемый)

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

Имя: Shabbir Syed-Abdul, PhD
Номер телефона: 1514 886 2-6638-2736
Электронная почта: drshabbir@tmu.edu.tw

Места учебы

Тайвань
- TW - Taiwan
  - Taipei City, TW - Taiwan, Тайвань, 110
    - Рекрутинг
    - Taipei Medical University
    - Контакт:
      
      Shabbir Syed Abdul
      
      Номер телефона: 1501 +886-2-66382736
      
      Электронная почта: drshabbir@tmu.edu.tw

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

20 лет и старше (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Полы, имеющие право на обучение

Все

Метод выборки

Невероятностная выборка

Исследуемая популяция

Пациенты в возрасте 20 лет и старше, которые были госпитализированы в отделение хосписной помощи в больнице Тайбэйского медицинского университета по крайней мере с одним диагнозом терминальной стадии солидных опухолей.

Описание

Критерии включения:

Участники в возрасте 20 лет и старше, госпитализированные в хоспис больницы Тайбэйского медицинского университета.
У участников диагностировано по крайней мере одно солидное опухолевое заболевание конечной стадии.
Участники согласились на получение хосписной помощи

Критерий исключения:

Участники в возрасте до 20 лет
Участники с диагнозом лейкемия или карцинома неизвестного первичного
Участники с явными признаками приближающейся смерти при поступлении
Участники без признаков жизни при поступлении
Участники, которые продолжали получать агрессивное лечение, несмотря на госпитализацию в отделение хосписной помощи.

Учебный план

В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Наблюдательные модели: Когорта
Временные перспективы: Перспективный

Что измеряет исследование?

Первичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Специфичность и чувствительность использования моделей на основе искусственного интеллекта для прогнозирования клинических исходов у пациентов с терминальной стадией рака с использованием данных актиграфии Временное ограничение: С даты поступления в хоспис до даты первой задокументированной выписки из больницы или даты смерти по любой причине, в зависимости от того, что наступило раньше, оценивается до 1 месяца	Основным результатом исследования будет оценка того, может ли анализ данных о движении, полученных с помощью актиграфического устройства, помочь предсказать клинические исходы смерти или выписки живым из больницы с высокой специфичностью и чувствительностью с использованием моделирования прогнозирования на основе искусственного интеллекта.	С даты поступления в хоспис до даты первой задокументированной выписки из больницы или даты смерти по любой причине, в зависимости от того, что наступило раньше, оценивается до 1 месяца

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Taipei Medical University

Соавторы

Taipei Medical University Hospital

National Yang Ming University

Ministry of Science and Technology, Taiwan

Следователи

Главный следователь: Shabbir Syed-Abdul, PhD, Taipei Medical University

Публикации и полезные ссылки

Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.

Общие публикации

Yang TY, Kuo PY, Huang Y, Lin HW, Malwade S, Lu LS, Tsai LW, Syed-Abdul S, Sun CW, Chiou JF. Deep-Learning Approach to Predict Survival Outcomes Using Wearable Actigraphy Device Among End-Stage Cancer Patients. Front Public Health. 2021 Dec 9;9:730150. doi: 10.3389/fpubh.2021.730150. eCollection 2021.

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Действительный)

11 декабря 2019 г.

Первичное завершение (Ожидаемый)

31 августа 2021 г.

Завершение исследования (Ожидаемый)

31 декабря 2021 г.

Даты регистрации исследования

Первый отправленный

28 апреля 2021 г.

Впервые представлено, что соответствует критериям контроля качества

6 мая 2021 г.

Первый опубликованный (Действительный)

12 мая 2021 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)