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

Прогнозирование смертности в отделении интенсивной терапии у пациентов с ОРДС (POSTCARDS)

17 августа 2023 г. обновлено: Jesus Villar, Dr. Negrin University Hospital

Прогнозирование смертности пациентов с острым респираторным дистресс-синдромом с помощью машинного обучения

Исследователи планируют провести вторичный анализ академического набора данных о 1303 пациентах с острым респираторным дистресс-синдромом (ОРДС) средней и тяжелой степени, включенных в несколько опубликованных когорт (NCT00736892, NCT02288949, NCT02836444, NCT03145974), с целью охарактеризовать лучшие ранние модель для прогнозирования продолжительности искусственной вентиляции легких и смертности в отделении интенсивной терапии (ОИТ) после диагностики ОРДС с использованием подходов машинного обучения.

Обзор исследования

Статус

Завершенный

Подробное описание

Острый респираторный дистресс-синдром (ОРДС) — тяжелая форма острой гипоксической дыхательной недостаточности в отделениях интенсивной терапии во всем мире. Большинству пациентов с ОРДС требуется искусственная вентиляция легких (ИВЛ). В нескольких исследованиях изучалось прогнозирование продолжительности ИВЛ и летальности при ОРДС.

Для описания модели исследователи извлекут данные первых двух дней в отделении интенсивной терапии после постановки диагноза ОРДС средней и тяжелой степени у пациентов, включенных в обезличенную базу данных, которая включает 1303 пациента с искусственной вентиляцией легких, зарегистрированных в нескольких обсервационных когортах в Испании, координируемых главный исследователь (СП) и финансируется Институтом Салуда Карлоса III (ISCIII). Исследователи будут следовать рекомендациям TRIPOD, и будут реализованы методы машинного обучения (случайный лес, XGBoost, логистический регрессионный анализ и/или нейронные сети) для разработки модели прогнозирования, а точность будет сравниваться с точностью существующих систем оценки для оценка тяжести ОРИТ (APACHE II, SOFA) и соотношения PaO2/FiO2. Для внешней проверки исследователи будут использовать 303 пациента, включенных в современное обсервационное исследование (NCT03145974). Исследователи будут оценивать точность моделей прогнозирования путем расчета соответствующих матриц путаницы и нескольких статистических показателей, таких как чувствительность, специфичность, положительная прогностическая ценность и отрицательная прогностическая ценность для смертности и продолжительности MV. Исследователи выберут лучшую вероятностную модель с минимальным количеством клинических переменных.

Тип исследования

Наблюдательный

Регистрация (Действительный)

1303

Контакты и местонахождение

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

Места учебы

      • Barcelona, Испания, 08036
        • Department of Anesthesia, Hospital Clinic
      • Madrid, Испания, 28046
        • Hospital Universitario La Paz (ICU)
    • Las Palmas
      • Las Palmas De Gran Canaria, Las Palmas, Испания, 35019
        • Hospital Universitario Dr. Negrin

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

От 16 лет до 98 лет (Взрослый, Пожилой взрослый)

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Деидентифицированный набор данных, включающий 1303 пациента с умеренным/тяжелым ОРДС, последовательно госпитализированных в сеть испанских отделений интенсивной терапии.

Описание

Критерии включения:

  • Берлинские критерии среднетяжелого и тяжелого ОРДС

Критерий исключения:

  • Послеоперационные больные на ИВЛ

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

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Когорта производных
Он будет содержать 700 пациентов (70% от 1000 пациентов с ОРДС).
Мы будем использовать надежные подходы к машинному обучению, такие как Random Forest, XGBoost или Neural Networks.
Другие имена:
  • Логистическая регрессия
  • перекрестная проверка
  • находятся под кривыми ROC
Валидация когорта
Он будет содержать 300 пациентов (30% от 1000 пациентов с ОРДС).
Мы будем использовать надежные подходы к машинному обучению, такие как Random Forest, XGBoost или Neural Networks.
Другие имена:
  • Логистическая регрессия
  • перекрестная проверка
  • находятся под кривыми ROC
Подтверждающая когорта
Он будет содержать 303 пациента (для внешней проверки).
Мы будем использовать надежные подходы к машинному обучению, такие как Random Forest, XGBoost или Neural Networks.
Другие имена:
  • Логистическая регрессия
  • перекрестная проверка
  • находятся под кривыми ROC

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Смертность в отделении интенсивной терапии
Временное ограничение: до 6 месяцев
смертность в отделении интенсивной терапии
до 6 месяцев

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Продолжительность МВ
Временное ограничение: от диагностики ОРДС до экстубации
Продолжительность ИВЛ
от диагностики ОРДС до экстубации

Соавторы и исследователи

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

Соавторы

Следователи

  • Главный следователь: Jesús Villar, MD, PhD, Hospital Universitario D. Negrin

Публикации и полезные ссылки

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

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)

14 ноября 2022 г.

Первичное завершение (Действительный)

1 августа 2023 г.

Завершение исследования (Действительный)

1 августа 2023 г.

Даты регистрации исследования

Первый отправленный

1 ноября 2022 г.

Впервые представлено, что соответствует критериям контроля качества

8 ноября 2022 г.

Первый опубликованный (Действительный)

9 ноября 2022 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

21 августа 2023 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

17 августа 2023 г.

Последняя проверка

1 августа 2023 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

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. .

Клинические исследования анализ машинного обучения

Подписаться