ПРОГНОЗНАЯ И РАСШИРЕННАЯ АНАЛИТИКА В ЭКСТРЕННОЙ МЕДИЦИНЕ - НЕВРОЛОГИЧЕСКИЙ ДЕФИЦИТ (PAN-EM-NEURO)
Будущее прогнозное моделирование в неотложной медицине, скорее всего, будет сочетать использование широкого спектра данных, таких как непрерывное документирование, мониторинг с использованием носимых устройств, визуализация, биомаркеры и административные данные в реальном времени от всех задействованных поставщиков медицинских услуг. Последующие обширные наборы данных могут использоваться в передовых алгоритмах глубокого обучения и нейронных сетей для точного прогнозирования риска конкретных состояний здоровья. Более того, прогнозная аналитика направлена на разработку адаптивных и постоянно обновляемых клинических путей, в которых принятие решений в сфере здравоохранения поддерживается сложными алгоритмами, обеспечивающими наилучший курс действий, эффективно и безопасно. Потенциал прогнозной аналитики, способный произвести революцию во многих аспектах здравоохранения, кажется очевидным на горизонте. Информации об использовании в неотложной медицине недостаточно.
Мы стремимся оценить эффективность использования рутинных данных для прогнозирования использования ресурсов в неотложной медицинской помощи, используя часто встречающийся симптом острого неврологического дефицита. В перспективе это может послужить прототипом для других подобных проектов, использующих рутинные медицинские данные для прогнозной аналитики в неотложной медицине.
Обзор исследования
Статус
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Jan Niederdöckl, MD
- Номер телефона: 0042 40 400 19640
- Электронная почта: jan.niederdoeckl@meduniwien.ac.at
Места учебы
-
-
-
Vienna, Австрия, 1090
- Рекрутинг
- Emergency Department, Medical University Vienna
-
Контакт:
- Jan Niederdöckl, Dr.
- Электронная почта: jan.niederdoeckl@medunwien.ac.at
-
Контакт:
- Alexander Simon, Dr.
- Электронная почта: alexander.simon@medunwien.ac.at
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Ретроспективный анализ регулярно собираемых данных. Мы стремимся найти закономерности данных, связанные с использованием внутрибольничных ресурсов пациентов, госпитализированных службами неотложной медицинской помощи с подозрением на острый неврологический дефицит.
Для данного исследования мы будем использовать только информацию из обычной системы электронной медицинской документации. Никакая привязка к другим наборам данных выполняться не будет. Данные в системе включают демографические данные пациентов, начальные симптомы, жизненные показатели и оценки на догоспитальном этапе, предполагаемый диагноз службами неотложной медицинской помощи, внутрибольничные показатели жизнедеятельности и оценки, внутрибольничные диагностические (компьютерная томография, КТ, магнитно-резонансная томография, МРТ) и терапевтические (катетерное вмешательство) процедуры и окончательный диагноз. Полный набор переменных см. в разделе «переменные».
Для целей настоящего исследования будет использоваться только полностью псевдономизированный набор данных.
Описание
Критерии включения:
- Женские и мужские предметы
- Возраст ≥ 18 лет
Критерий исключения:
- никто
Учебный план
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Модель прогнозирования
Временное ограничение: 1.1.2025
|
быть разработанным
|
1.1.2025
|
Соавторы и исследователи
Спонсор
Публикации и полезные ссылки
Общие публикации
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Оцененный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- EK- Nr. 1738/2022
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. .