- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05311046
Инструмент скрининга педиатрического сепсиса на основе искусственного интеллекта с улучшенным биомаркером
Инструмент скрининга педиатрического сепсиса на основе искусственного интеллекта с улучшенными биомаркерами на пути к раннему распознаванию и персонализированной терапии
Общая цель этого предлагаемого исследования заключается в разработке инструмента для скрининга педиатрического сепсиса (ПСКТ) (программное обеспечение) на основе искусственного интеллекта (ИИ) с улучшенным биомаркером, который можно использовать в сочетании с системой электронной медицинской карты (ЭМК) больницы для мониторинга и оценивать данные электронной медицинской карты (EHR) отделения неотложной помощи (ED) в режиме реального времени для улучшения раннего распознавания сепсиса у детей и начала своевременной агрессивной персонализированной терапии сепсиса, которая, как известно, улучшает результаты лечения пациентов.
Предполагается, что эффективность скрининга (например, положительная прогностическая ценность) предполагаемого инструмента скрининга будет значительно улучшена за счет включения результатов тестирования панели биомаркеров (PERSEVERE), которые доказали свою эффективность в прогнозировании клинического ухудшения у не- тяжелобольные педиатрические пациенты с ослабленным иммунитетом, обследованные на наличие инфекции. Также предполагается, что улучшенные фенотипы могут быть получены путем кластеризации биомаркеров PERSEVERE в сочетании с регулярно собираемыми данными EHR для улучшения персонализированной медицины.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Подробное описание
Предыстория и обоснование Существующие автоматизированные средства скрининга сепсиса у детей (ПСКТ), основанные на согласованных критериях, которые в настоящее время используются в отделениях неотложной помощи, не улучшают раннее распознавание и/или не информируют о персонализированных терапевтических решениях, ведущих к улучшению исходов. Инициатива «Улучшение исходов педиатрического сепсиса» (IPSO) показала, что за счет включения пациентов, получающих лечение, расширенные критерии охватывают не только пациентов, у которых развился сепсис с органной дисфункцией (OD), но также и тех, у кого ранний сепсис лечился с потенциально предотвращенной OD.
Целью предлагаемых усилий является разработка и ретроспективная валидация инструмента скрининга педиатрического сепсиса на основе искусственного интеллекта с улучшенными биомаркерами, который можно использовать для скрининга данных ЭУЗ ED для улучшения раннего распознавания, стратификации тяжести и своевременного начала персонализированной терапии сепсиса. CTA и его 6 институциональных партнеров совместно предлагают создать два реестра обезличенных пациентов: 1) «когорта только данных ЭУЗ» (N = 2000) и 2) «когорта данных ЭУЗ + биомаркеры» (N = 400) в поддержку этой цели.
Элементы данных о встречах, которые должны быть извлечены из электронных медицинских карт для включения в эти реестры, включают как структурированные (например, физиологические измерения с отметками времени, лечение, процедуры, результаты), так и примечания в произвольном тексте.
Анализ данных и погрешности Все данные исследования, включая физиологические данные, извлеченные из ЭУЗ пациента, и результаты анализов биомаркеров будут проанализированы с использованием различных алгоритмов и методов машинного обучения для создания высокоточной прогностической модели скрининга сепсиса. Аналитические методы включают стандартный описательный статистический анализ прогностической эффективности классификации (например, AUC, чувствительность/специфичность, PPV и т. д.).
Тип исследования
Регистрация (Ожидаемый)
Контакты и местонахождение
Места учебы
-
-
District of Columbia
-
Washington, District of Columbia, Соединенные Штаты, 20010
- Рекрутинг
- Children's National Hospital
-
Контакт:
- Ioannis Koutroulis
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
Принимает здоровых добровольцев
Полы, имеющие право на обучение
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
Пациенты от 3 мес до 17 лет включительно
- Клиницист диагностирует сепсис или вызывает предупреждение о сепсисе, и назначается посев крови. В контрольной группе будут ложноположительные пациенты.
- Для тех пациентов, которые будут потенциально зарегистрированы для сбора образцов крови: потребуется венепункция или установка внутривенного катетера.
Критерий исключения:
- Пациенты, участвующие в исследовательской программе с вмешательствами, выходящим за рамки обычной клинической практики
- Пациенты, чьи родители или LAR не говорят по-английски или по-испански
- Беременность
Учебный план
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Кейс-контроль
- Временные перспективы: Другой
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
---|---|
Группа только ретроспективных данных EHR
Членами этой группы являются педиатрические пациенты в возрасте от 3 месяцев до 17 лет включительно, которые обратились в одно из шести отделений неотложной помощи учреждения-участника в период с 2016 по 2021 год и получили положительный результат на подозрение на сепсис с использованием существующего в учреждении протокола скрининга на педиатрический сепсис. и получить заказ культуры крови.
Современные педиатрические инструменты скрининга/предупреждения, как известно, обладают высокой чувствительностью, но мало специфичны.
«Случаи» в этой когорте будут состоять из тех, у кого в конечном итоге диагностирован сепсис и/или проводится протокольное лечение сепсиса.
«Контролем» в этой когорте будут пациенты с ложноположительным предупреждением, т. е. те, у кого не диагностирован сепсис и они не получают протокольное лечение сепсиса.
|
Все участвующие учреждения используют алгоритмический, ручной или комбинированный алгоритмический/ручной протокол скрининга педиатрического сепсиса для пациентов с лихорадкой и/или подозрением на инфекцию.
Хотя конкретные параметры, проверяемые в инструментах скрининга, различаются, они, как правило, состоят из тестов на системную воспалительную реакцию (например,
ССВО) и/или дисфункцией органов (например,
SOFA) и/или высокая восприимчивость (например,
иммунодефицитные) факторы.
|
Проспективная группа данных EHR и биомаркеров
Членами этой группы являются педиатрические пациенты в возрасте от 3 месяцев до 17 лет включительно, которые были доставлены в одно из шести отделений неотложной помощи участвующего учреждения в течение периода включения в исследование, с положительным результатом скрининга на подозрение на сепсис с использованием существующего в учреждении протокола скрининга педиатрического сепсиса, получить заказ на посев крови и предоставить информированное согласие на сбор образца крови объемом 1–5 мл, который будет использоваться для измерения биомаркеров PERSEVERE.
Члены этой когорты также дали согласие на повторное использование данных их медицинских карт для исследования.
Современные педиатрические инструменты скрининга/предупреждения, как известно, обладают высокой чувствительностью, но мало специфичны.
«Случаи» в этой когорте будут состоять из тех, у кого в конечном итоге диагностирован сепсис и/или проводится протокольное лечение сепсиса.
«Контролем» в этой когорте будут пациенты с ложноположительным предупреждением, т. е. те, у кого не диагностирован сепсис и они не получают протокольное лечение сепсиса.
|
Все участвующие учреждения используют алгоритмический, ручной или комбинированный алгоритмический/ручной протокол скрининга педиатрического сепсиса для пациентов с лихорадкой и/или подозрением на инфекцию.
Хотя конкретные параметры, проверяемые в инструментах скрининга, различаются, они, как правило, состоят из тестов на системную воспалительную реакцию (например,
ССВО) и/или дисфункцией органов (например,
SOFA) и/или высокая восприимчивость (например,
иммунодефицитные) факторы.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Эффективный инструмент скрининга педиатрического сепсиса на основе экспертной системы (PSCT)
Временное ограничение: Заключительные 3 месяца учебного периода.
|
В течение периода тестирования удобства использования, подражая логике экспертов в инструменте скрининга, который можно было бы постоянно улучшать с опытом, достичь высокого уровня удобства использования рабочего процесса отделения неотложной помощи для улучшения раннего распознавания сепсиса IPSO, как это воспринимается практикующими клиницистами отделения неотложной помощи, занимающимися вопросами удобства использования. тестирование.
|
Заключительные 3 месяца учебного периода.
|
Высокоэффективный инструмент для скрининга педиатрического сепсиса на основе экспертной системы (PSCT)
Временное ограничение: Использование «ранних данных» после обращения в отделение неотложной помощи, например, при получении данных о биомаркерах в течение первых 3 часов после обращения)
|
Для получения высокоэффективного (например, чувствительность/специфичность > 90 %, PPV > 40 %) PSCT для выявления пациентов в отделении неотложной помощи, соответствующих критериям сепсиса IPSO, с использованием данных о раннем контакте (например,
при получении данных биомаркера в течение 1-х 1-3 часов после предъявления).
|
Использование «ранних данных» после обращения в отделение неотложной помощи, например, при получении данных о биомаркерах в течение первых 3 часов после обращения)
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Эффективное фенотипирование сепсиса для персонализированного лечения
Временное ограничение: Особенности, основанные на первых 6 часах после поступления у пациентов с диагнозом сепсис и начатым протоколом лечения.
|
Показать, что комбинирование биомаркера PERSEVERE и данных EHR в качестве признаков кластеризации (например, с использованием анализа латентных классов) улучшает обнаружение клинически полезных прогностических фенотипов.
|
Особенности, основанные на первых 6 часах после поступления у пациентов с диагнозом сепсис и начатым протоколом лечения.
|
Соавторы и исследователи
Публикации и полезные ссылки
Общие публикации
- Hajian-Tilaki K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform. 2014 Apr;48:193-204. doi: 10.1016/j.jbi.2014.02.013. Epub 2014 Feb 26.
- Goldstein B, Giroir B, Randolph A; International Consensus Conference on Pediatric Sepsis. International pediatric sepsis consensus conference: definitions for sepsis and organ dysfunction in pediatrics. Pediatr Crit Care Med. 2005 Jan;6(1):2-8. doi: 10.1097/01.PCC.0000149131.72248.E6.
- Eisenberg M, Madden K, Christianson JR, Melendez E, Harper MB. Performance of an Automated Screening Algorithm for Early Detection of Pediatric Severe Sepsis. Pediatr Crit Care Med. 2019 Dec;20(12):e516-e523. doi: 10.1097/PCC.0000000000002101.
- Eisenberg MA, Freiman E, Capraro A, Madden K, Monuteaux MC, Hudgins J, Harper M. Outcomes of Patients with Sepsis in a Pediatric Emergency Department after Automated Sepsis Screening. J Pediatr. 2021 Aug;235:239-245.e4. doi: 10.1016/j.jpeds.2021.03.053. Epub 2021 Mar 30.
- Iwashyna TJ, Odden A, Rohde J, Bonham C, Kuhn L, Malani P, Chen L, Flanders S. Identifying patients with severe sepsis using administrative claims: patient-level validation of the angus implementation of the international consensus conference definition of severe sepsis. Med Care. 2014 Jun;52(6):e39-43. doi: 10.1097/MLR.0b013e318268ac86.
- Mathias B, Mira JC, Larson SD. Pediatric sepsis. Curr Opin Pediatr. 2016 Jun;28(3):380-7. doi: 10.1097/MOP.0000000000000337.
- Weiss SL, Parker B, Bullock ME, Swartz S, Price C, Wainwright MS, Goodman DM. Defining pediatric sepsis by different criteria: discrepancies in populations and implications for clinical practice. Pediatr Crit Care Med. 2012 Jul;13(4):e219-26. doi: 10.1097/PCC.0b013e31823c98da.
- Scott HF, Brilli RJ, Paul R, Macias CG, Niedner M, Depinet H, Richardson T, Riggs R, Gruhler H, Larsen GY, Huskins WC, Balamuth F; Improving Pediatric Sepsis Outcomes (IPSO) Collaborative Investigators.. Evaluating Pediatric Sepsis Definitions Designed for Electronic Health Record Extraction and Multicenter Quality Improvement. Crit Care Med. 2020 Oct;48(10):e916-e926. doi: 10.1097/CCM.0000000000004505.
- Lippi G. Sepsis biomarkers: past, present and future. Clin Chem Lab Med. 2019 Aug 27;57(9):1281-1283. doi: 10.1515/cclm-2018-1347. No abstract available.
- Marshall JC, Reinhart K; International Sepsis Forum. Biomarkers of sepsis. Crit Care Med. 2009 Jul;37(7):2290-8. doi: 10.1097/CCM.0b013e3181a02afc.
- Taneja I, Reddy B, Damhorst G, Dave Zhao S, Hassan U, Price Z, Jensen T, Ghonge T, Patel M, Wachspress S, Winter J, Rappleye M, Smith G, Healey R, Ajmal M, Khan M, Patel J, Rawal H, Sarwar R, Soni S, Anwaruddin S, Davis B, Kumar J, White K, Bashir R, Zhu R. Combining Biomarkers with EMR Data to Identify Patients in Different Phases of Sepsis. Sci Rep. 2017 Sep 7;7(1):10800. doi: 10.1038/s41598-017-09766-1. Erratum In: Sci Rep. 2019 Nov 19;9(1):17419.
- Patel K, McElvania E. Diagnostic Challenges and Laboratory Considerations for Pediatric Sepsis. J Appl Lab Med. 2019 Jan;3(4):587-600. doi: 10.1373/jalm.2017.025908. Epub 2018 Nov 21.
- Lanziotti VS, Povoa P, Soares M, Silva JR, Barbosa AP, Salluh JI. Use of biomarkers in pediatric sepsis: literature review. Rev Bras Ter Intensiva. 2016 Oct-Dec;28(4):472-482. doi: 10.5935/0103-507X.20160080.
- Wong HR, Salisbury S, Xiao Q, Cvijanovich NZ, Hall M, Allen GL, Thomas NJ, Freishtat RJ, Anas N, Meyer K, Checchia PA, Lin R, Shanley TP, Bigham MT, Sen A, Nowak J, Quasney M, Henricksen JW, Chopra A, Banschbach S, Beckman E, Harmon K, Lahni P, Lindsell CJ. The pediatric sepsis biomarker risk model. Crit Care. 2012 Oct 1;16(5):R174. doi: 10.1186/cc11652.
- Jacobs L, Berrens Z, Stenson EK, Zackoff MW, Danziger LA, Lahni P, Wong HR. The Pediatric Sepsis Biomarker Risk Model (PERSEVERE) Biomarkers Predict Clinical Deterioration and Mortality in Immunocompromised Children Evaluated for Infection. Sci Rep. 2019 Jan 23;9(1):424. doi: 10.1038/s41598-018-36743-z.
- Gardlund B, Dmitrieva NO, Pieper CF, Finfer S, Marshall JC, Taylor Thompson B. Six subphenotypes in septic shock: Latent class analysis of the PROWESS Shock study. J Crit Care. 2018 Oct;47:70-79. doi: 10.1016/j.jcrc.2018.06.012. Epub 2018 Jun 8.
- Williams JB, Ghosh D, Wetzel RC. Applying Machine Learning to Pediatric Critical Care Data. Pediatr Crit Care Med. 2018 Jul;19(7):599-608. doi: 10.1097/PCC.0000000000001567.
- Seymour CW, Kennedy JN, Wang S, Chang CH, Elliott CF, Xu Z, Berry S, Clermont G, Cooper G, Gomez H, Huang DT, Kellum JA, Mi Q, Opal SM, Talisa V, van der Poll T, Visweswaran S, Vodovotz Y, Weiss JC, Yealy DM, Yende S, Angus DC. Derivation, Validation, and Potential Treatment Implications of Novel Clinical Phenotypes for Sepsis. JAMA. 2019 May 28;321(20):2003-2017. doi: 10.1001/jama.2019.5791.
- Sepanski RJ, Godambe SA, Mangum CD, Bovat CS, Zaritsky AL, Shah SH. Designing a pediatric severe sepsis screening tool. Front Pediatr. 2014 Jun 16;2:56. doi: 10.3389/fped.2014.00056. eCollection 2014.
- Sinha P, Calfee CS, Delucchi KL. Practitioner's Guide to Latent Class Analysis: Methodological Considerations and Common Pitfalls. Crit Care Med. 2021 Jan 1;49(1):e63-e79. doi: 10.1097/CCM.0000000000004710.
- Weiss SL, Fitzgerald JC, Balamuth F, Alpern ER, Lavelle J, Chilutti M, Grundmeier R, Nadkarni VM, Thomas NJ. Delayed antimicrobial therapy increases mortality and organ dysfunction duration in pediatric sepsis. Crit Care Med. 2014 Nov;42(11):2409-17. doi: 10.1097/CCM.0000000000000509.
- C. D. Sutton, "Classification and Regression Trees, Bagging, and Boosting," Handb. Stat., vol. 24, pp. 303-329, 2005, doi: 10.1016/S0169-7161(04)24011-1.
- Sinha P, Delucchi KL, Thompson BT, McAuley DF, Matthay MA, Calfee CS; NHLBI ARDS Network. Latent class analysis of ARDS subphenotypes: a secondary analysis of the statins for acutely injured lungs from sepsis (SAILS) study. Intensive Care Med. 2018 Nov;44(11):1859-1869. doi: 10.1007/s00134-018-5378-3. Epub 2018 Oct 5.
- Wiersema R, Jukarainen S, Vaara ST, Poukkanen M, Lakkisto P, Wong H, Linder A, van der Horst ICC, Pettila V. Two subphenotypes of septic acute kidney injury are associated with different 90-day mortality and renal recovery. Crit Care. 2020 Apr 15;24(1):150. doi: 10.1186/s13054-020-02866-x.
- Delucchi K, Famous KR, Ware LB, Parsons PE, Thompson BT, Calfee CS; ARDS Network. Stability of ARDS subphenotypes over time in two randomised controlled trials. Thorax. 2018 May;73(5):439-445. doi: 10.1136/thoraxjnl-2017-211090. Epub 2018 Feb 24.
- Feuillet F, Bellanger L, Hardouin JB, Victorri-Vigneau C, Sebille V. On Comparison of Clustering Methods for Pharmacoepidemiological Data. J Biopharm Stat. 2015;25(4):843-56. doi: 10.1080/10543406.2014.920855.
- Kent P, Jensen RK, Kongsted A. A comparison of three clustering methods for finding subgroups in MRI, SMS or clinical data: SPSS TwoStep Cluster analysis, Latent Gold and SNOB. BMC Med Res Methodol. 2014 Oct 2;14:113. doi: 10.1186/1471-2288-14-113.
- R. Lachman, "Expert systems: A cognitive science perspective," Behav. Res. Methods, Instruments, Comput., 1989, doi: 10.3758/BF03205582.
- L. Medsker, M. Tan, and E. Turban, "Knowledge acquisition from multiple experts: Problems and issues," Expert Syst. Appl., vol. 9, no. 1, pp. 35-40, Jan. 1995, doi: 10.1016/0957-4174(94)00046-X.
- Brewer A, Helfgott MA, Novak J, Schanhals R. An application of cmaps in the description of clinical information structure and logic in electronic health records. Glob Adv Health Med. 2012 Sep;1(4):16-31. doi: 10.7453/gahmj.2012.1.4.003.
- Beglinger B, Rohacek M, Ackermann S, Hertwig R, Karakoumis-Ilsemann J, Boutellier S, Geigy N, Nickel C, Bingisser R. Physician's first clinical impression of emergency department patients with nonspecific complaints is associated with morbidity and mortality. Medicine (Baltimore). 2015 Feb;94(7):e374. doi: 10.1097/MD.0000000000000374.
- R. R. Starr and J. M. Parente De Oliveira, "Concept maps as the first step in an ontology construction method," Inf. Syst., 2013, doi: 10.1016/j.is.2012.05.010.
- R. Matkar and A. Parab, "Ontology based expert systems - replication of human learning," Thinkquest~2010, pp. 43-47, 2011, doi: 10.1007/978-81-8489-989-4_7.
- Yamagata Y, Kozaki K, Imai T, Ohe K, Mizoguchi R. An ontological modeling approach for abnormal states and its application in the medical domain. J Biomed Semantics. 2014 May 21;5:23. doi: 10.1186/2041-1480-5-23. eCollection 2014.
- R. M. RJ Rovetto, "Causality and the ontology of disease," Appl Ontol, vol. 10, no. 2, pp. 79-105, Sep. 2015, doi: 10.3233/ao-150147.
- Bodenreider O. The Unified Medical Language System (UMLS): integrating biomedical terminology. Nucleic Acids Res. 2004 Jan 1;32(Database issue):D267-70. doi: 10.1093/nar/gkh061.
- Ghassemi M, Naumann T, Schulam P, Beam AL, Chen IY, Ranganath R. A Review of Challenges and Opportunities in Machine Learning for Health. AMIA Jt Summits Transl Sci Proc. 2020 May 30;2020:191-200. eCollection 2020.
- Rudin C. Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and Use Interpretable Models Instead. Nat Mach Intell. 2019 May;1(5):206-215. doi: 10.1038/s42256-019-0048-x. Epub 2019 May 13.
- Wong A, Otles E, Donnelly JP, Krumm A, McCullough J, DeTroyer-Cooley O, Pestrue J, Phillips M, Konye J, Penoza C, Ghous M, Singh K. External Validation of a Widely Implemented Proprietary Sepsis Prediction Model in Hospitalized Patients. JAMA Intern Med. 2021 Aug 1;181(8):1065-1070. doi: 10.1001/jamainternmed.2021.2626. Erratum In: JAMA Intern Med. 2021 Aug 1;181(8):1144.
- Wong HR, Caldwell JT, Cvijanovich NZ, Weiss SL, Fitzgerald JC, Bigham MT, Jain PN, Schwarz A, Lutfi R, Nowak J, Allen GL, Thomas NJ, Grunwell JR, Baines T, Quasney M, Haileselassie B, Lindsell CJ. Prospective clinical testing and experimental validation of the Pediatric Sepsis Biomarker Risk Model. Sci Transl Med. 2019 Nov 13;11(518):eaax9000. doi: 10.1126/scitranslmed.aax9000.
- Bujang MA, Adnan TH. Requirements for Minimum Sample Size for Sensitivity and Specificity Analysis. J Clin Diagn Res. 2016 Oct;10(10):YE01-YE06. doi: 10.7860/JCDR/2016/18129.8744. Epub 2016 Oct 1.
- Paxton C, Niculescu-Mizil A, Saria S. Developing predictive models using electronic medical records: challenges and pitfalls. AMIA Annu Symp Proc. 2013 Nov 16;2013:1109-15. eCollection 2013.
Даты записи исследования
Изучение основных дат
Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)
Первичное завершение (ОЖИДАЕТСЯ)
Завершение исследования (ОЖИДАЕТСЯ)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)
Обновления учебных записей
Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- NIAID 1R41AI167224-01
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. .