- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05886803
Прогнозирование успеха теста спонтанного дыхания с использованием биосигнала и биомаркера в отделении интенсивной терапии с помощью подхода машинного обучения
Контекст:
Несколько авторов интересовались применением искусственного интеллекта (ИИ) в медицине с использованием различных методов машинного обучения (МО): лечение септического шока, прогнозирование почечной недостаточности... [1, 2] ИИ играет важную роль в поддержке принятия решений клиницистами [1, 2]. 3]. Период отлучения от ИВЛ является очень важным периодом в лечении пациента на искусственной вентиляции легких и может занимать до половины времени, проведенного в отделении интенсивной терапии. Первая попытка отлучения безуспешна у 20% пациентов. Однако смертность может достигать 38% у пациентов с наиболее трудным отлучением [4]. Только несколько исследований рассматривали применение машинного обучения в этой области, и только одно рассматривало использование биосигналов (частота сердечных сокращений, ЭКГ, параметры вентиляции…) [5-7]. Чтобы снизить заболеваемость, смертность и сократить продолжительность госпитализации, важно иметь возможность предсказать успех теста на спонтанное дыхание и экстубацию.
Исследователи предлагают разработать алгоритм прогнозирования успеха теста на отлучение от искусственной вентиляции легких на основе записей биосигналов и других характеристик.
Методы:
Это реанимационное, олигоцентрическое и ретроспективное исследование, в которое исследователи включили биосигнальные переменные, извлеченные из электронной медицинской карты, такие как дыхание (ЧД, минутный объем...), сердце (систолическое давление, частота сердечных сокращений...), вентилятор параметры и другие дискретные переменные (возраст, сопутствующие заболевания...). Большинство биосигнальных переменных представляют собой поминутные записи. Запись начинается за 48 часов до теста и останавливается в начале теста на отлучение от груди. Исследователи извлекли функции из этих записей, объединили их с другими биомаркерами и применили несколько алгоритмов машинного обучения: логистическую регрессию, классификатор случайного леса, классификатор опорных векторов (SVC), XGBoost и метод усиления светового градиента (LGBM)…
Обзор исследования
Статус
Вмешательство/лечение
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Jean DELLAMONICA
- Электронная почта: dellamonica.j@chu-nice.fr
Учебное резервное копирование контактов
- Имя: Romain LOMBARDI
- Номер телефона: +33 0669032616
- Электронная почта: lombardi.r@chu-nice.fr
Места учебы
-
-
-
Nice, Франция, 06200
- Рекрутинг
- University hospital of Nice
-
Контакт:
- Jean DELLAMONICA
- Электронная почта: dellamonica.j@chu-nice.fr
-
Контакт:
- Romain LOMBARDI
- Номер телефона: +33 0669032616
- Электронная почта: lombardi.r@chu-nice.fr
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Ребенок
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Компьютеризированный отчет о состоянии здоровья (CHR)
- Должна быть проведена проба спонтанного дыхания.
Критерий исключения:
- Проба спонтанного дыхания не проводилась,
- Биосигналы (сердечные, дыхательные) не регистрируются в ЦГР
- Пациент умер до теста на спонтанное дыхание
- Высказывались возражения против исследования.
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Тест на спонтанное дыхание
Первую группу будут составлять только пациенты, поступившие в реанимацию/реанимацию для искусственной вентиляции легких и успешно прошедшие тест на спонтанное дыхание.
|
Цель состоит в том, чтобы имитировать условия вентиляции после экстубации и, таким образом, помочь клиницисту предсказать исход решения об экстубации.
|
|
Тест на неспонтанное дыхание
Во вторую группу войдут только пациенты, поступившие в реанимацию/реанимацию для проведения искусственной вентиляции легких и не прошедшие тест на спонтанное дыхание.
|
Цель состоит в том, чтобы имитировать условия вентиляции после экстубации и, таким образом, помочь клиницисту предсказать исход решения об экстубации.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Прогнозирование результатов пробы спонтанного дыхания.
Временное ограничение: 2 года
|
В клинической практике используются два метода исследования: Т-образный тест или тест на спонтанную вентиляцию легких при низком уровне поддержки вдоха и ПДКВ (7AI 4 ПДКВ, 7Ai 0 ПДКВ). Успешный тест на отлучение определяется отсутствием следующих критериев в конце теста: (i) увеличение частоты дыхания > 35 циклов в минуту, (ii) SpO2 <90%, (iii) изменение частоты сердечных сокращений более чем на 20%. или кровяное давление, (iv) модификация сознания. |
2 года
|
Соавторы и исследователи
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Оцененный)
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
Другие идентификационные номера исследования
- 23Rea01
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. .