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

Использование машинного обучения для оптимизации датской формулы утопления (DROWN_DDF2)

21 марта 2024 г. обновлено: Niklas Breindahl, Prehospital Center, Region Zealand

Идентификация случаев утопления с помощью машинного обучения для данных о утоплениях в Дании на догоспитальном этапе: использование машинного обучения для оптимизации формулы утопления в Дании

Датская формула утопления (DDF) была разработана для поиска в неструктурированных текстовых полях общенациональной догоспитальной электронной медицинской карты Дании на неограниченных условиях с комплексными критериями поиска для выявления всех потенциальных инцидентов, связанных с водой, и достижения высокой чувствительности. Это было важно, поскольку утопление является редким явлением, но это привело к низкой положительной прогностической ценности для обнаружения конкретных случаев утопления. Это исследование направлено на повышение положительной прогностической ценности DDF и снижение временных требований, связанных с ручной проверкой.

Обзор исследования

Подробное описание

DDF был опубликован в 2023 году. Это алгоритм текстового поиска, предназначенный для поиска в неструктурированных текстовых полях в базах данных, содержащих электронные медицинские записи, с целью выявления всех потенциальных инцидентов, связанных с водой. DDF состоит из множества триггерных слов, связанных с травмами при погружении (например, «drukn»/утонуть, «vand»/вода, «hav»/океан и «båd»/лодка).

Продолжающееся исследование показало впечатляющие показатели эффективности DDF как инструмента идентификации утопающих при его применении к датскому PEMR на неограниченных условиях. Однако PPV был низким именно для обнаружения случаев утопления. Это исследование направлено на повышение положительной прогностической ценности DDF и снижение временных требований, связанных с ручной проверкой.

Данные извлекаются из датской общенациональной догоспитальной электронной медицинской карты с использованием DDF и проверяются вручную перед вводом в датскую догоспитальную электронную медицинскую карту (DPDD).

Данные DPDD за 2016–2021 годы будут разделены на 80 % (данные обучения) и 20 % (тестовые данные) и использованы для обучения машинному обучению.

Данные DPDD за 2022–2023 годы будут использоваться в качестве данных проверки для расчета показателей производительности машинного обучения.

Тип исследования

Наблюдательный

Регистрация (Оцененный)

1500

Контакты и местонахождение

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

Места учебы

    • Region Zealand
      • Næstved, Region Zealand, Дания, 4700
        • Prehospital Center

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

  • Ребенок
  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

Все утонувшие пациенты со смертельным и несмертельным исходом в Дании, получившие лечение в Службе неотложной медицинской помощи (EMS) в период с 2016 по 2023 год.

Описание

Критерии включения:

  • У пациента должно было наблюдаться нарушение дыхания в результате погружения в воду или погружения в жидкость (включая постоянный кашель, остановку дыхания и потерю сознания).
  • Пациент должен был контактировать с датской догоспитальной службой неотложной медицинской помощи.

Критерий исключения:

  • Дуплеты
  • Неверный регистрационный номер

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

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Смертельное утопление
Случаи утопления, когда пациент умер в течение 30 дней после происшествия в результате травмы, полученной при погружении.
В 2002 году ВОЗ определила утопление как «процесс нарушения дыхания в результате погружения в воду или погружения в жидкость».
Несмертельное утопление
Случаи утопления, при которых пациент прожил до 30 дней.
В 2002 году ВОЗ определила утопление как «процесс нарушения дыхания в результате погружения в воду или погружения в жидкость».

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Чувствительность алгоритма машинного обучения как инструмента идентификации утопающих
Временное ограничение: Чувствительность обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
Чувствительность [TP / (TP+FN)] будет рассчитана, чтобы показать эффективность машинного обучения в качестве инструмента идентификации утопающих.
Чувствительность обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
Специфика алгоритма машинного обучения как инструмента идентификации утопающих
Временное ограничение: Специфика обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
Специфичность [TN / (FP+TN)] будет рассчитана, чтобы показать эффективность машинного обучения как инструмента идентификации утопающих.
Специфика обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
PPV алгоритма машинного обучения
Временное ограничение: PPV обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
PPV [TP / (TP+FP)] будет рассчитан для отображения результатов теста машинного обучения.
PPV обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
NPV алгоритма машинного обучения
Временное ограничение: Чистая приведенная стоимость обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.
NPV [TN / (FN+TN)] будет рассчитана, чтобы показать результат теста машинного обучения.
Чистая приведенная стоимость обученного машинного обучения будет рассчитываться на основе данных за 2022 и 2023 годы.

Соавторы и исследователи

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

Следователи

  • Директор по исследованиям: Helle Collatz Christensen, Ass. Prof., Prehospital Center, Region Zealand

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)

1 января 2024 г.

Первичное завершение (Оцененный)

31 декабря 2024 г.

Завершение исследования (Оцененный)

31 декабря 2024 г.

Даты регистрации исследования

Первый отправленный

7 марта 2024 г.

Впервые представлено, что соответствует критериям контроля качества

13 марта 2024 г.

Первый опубликованный (Действительный)

15 марта 2024 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

25 марта 2024 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

21 марта 2024 г.

Последняя проверка

1 марта 2024 г.

Дополнительная информация

Термины, связанные с этим исследованием

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Описание плана IPD

Данные предназначены для использования исследователями на национальном и международном уровне для снижения заболеваемости, смертности и заболеваемости утоплением. Данные доступны по обоснованному запросу исследователей после подачи заявки соответствующему автору при условии получения необходимых разрешений от соответствующих органов.

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. .

Подписаться