Загрязнение воздуха и беременность (PTB)
Влияние загрязнения воздуха на беременность и неблагоприятные исходы родов
Мы — междисциплинарная команда британских ученых, обладающих опытом в акушерстве, здоровье женщин и детей, эпидемиологии, науке о климате, воспалении, компьютерном моделировании, машинном обучении и искусственном интеллекте. Вместе мы имеем долгую историю и сильные стороны, лежащие в основе исследований преждевременных родов, которые пересекают множество дисциплин, а также отличный послужной список публикаций и наград, ведущих исследований в области преждевременных родов.
Мы стремимся разработать и проверить модель глубокого обучения для прогнозирования риска преждевременных родов и других неблагоприятных исходов беременности, используя данные электронных медицинских записей EPIC в Больничном тресте Университетского колледжа Лондона (UCLH) для когорты из 18 000 пациентов. Соответствующие данные о воздействии загрязнения окружающей среды мы получим, используя неидентификаторы почтового индекса (района) и даты доставки (месяца). Модель будет анализировать временную последовательность событий в истории болезни пациента и текущей беременности, выявляя существенные взаимодействия и прогнозируя риск преждевременных родов. Это также позволит определить порог и период развития, при которых воздействие загрязнения оказывает наибольшее воздействие.
Обзор исследования
Подробное описание
Преждевременные роды являются основной причиной неонатальной заболеваемости и смертности во всем мире. У недоношенных детей чаще наблюдаются церебральный паралич, сенсорные нарушения, нарушения обучаемости и респираторные заболевания. В Великобритании ежегодно недоношенными рождаются около 60 000 детей. Это эквивалентно 1 из 9 беременностей в Англии, а в Лондоне это число увеличивается до 1 из каждых 7 беременностей. Примерно в 40% случаев причина преждевременных родов неизвестна. Существующие алгоритмы прогнозирования преждевременных родов ограничены в своей способности выявлять женщин с самым высоким риском преждевременных родов и не учитывают генетические, образ жизни и обстоятельства окружающей среды при своем прогнозировании. Благодаря быстрому развитию машинного и глубокого обучения теперь можно разрабатывать модели, которые могут учитывать большее количество переменных в своем алгоритме прогнозирования, чтобы сформулировать прогноз риска для конкретного пациента. Появляется все больше доказательств того, что воздействие загрязнения воздуха на мать во время беременности связано с повышенным риском преждевременных родов. Воздействие загрязнения воздуха может быть связано с плохой функцией плаценты, преэклампсией и плохим развитием плода, хотя данные об этих неблагоприятных исходах беременности ограничены, и все они могут привести к преждевременным родам. В настоящее время во многих недавних эпидемиологических исследованиях в этой области отсутствуют подробные и соответствующие наборы клинических данных, а также отсутствуют пробелы в электронных записях.
Целью данного исследования является:
- Свяжите данные о воздействии загрязнения воздуха с наборами очень подробных клинических данных, извлеченных из электронных медицинских карт пациентов из больницы NHS Trust Университетского колледжа Лондона (UCLH).
- Разработайте вычислительную модель, которая сможет точно предсказать срок беременности, при котором пациентка родит, за недели и дни.
- Используя модель, определите моменты беременности, когда загрязнение воздуха оказывает наибольшее влияние на исход беременности.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Места учебы
-
-
-
London, Соединенное Королевство, E14NS
- Рекрутинг
- Tina Chowdhury
-
Контакт:
- Tina Chowdhury
- Номер телефона: 7560 0207882
- Электронная почта: t.t.chowdhury@qmul.ac.uk
-
Контакт:
- Rhona Atkins
- Номер телефона: 7272 0207882
- Электронная почта: rhona.atkin@nhs.net
-
London, Соединенное Королевство, NW1 2PG
- Рекрутинг
- Anna David
-
Контакт:
- Yaa Acheampong
- Номер телефона: 6164 020 3447
- Электронная почта: y.acheampong@nhs.net
-
Контакт:
- Anna David
- Номер телефона: 9400 0203 447
- Электронная почта: a.david@nhs.net
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Мы стремимся включить данные о беременных женщинах, родивших в больницах Университетского колледжа Лондона, начиная с 2019 года, после запуска электронной карты пациента EPIC. Для этого исследования не указан возрастной диапазон, чтобы повысить инклюзивность. Мы также стремимся представить группы этнических меньшинств и пациентов с социальной депривацией в нашем наборе данных.
Критерий исключения:
- Мы исключим данные о пациентках с неполной продолжительностью наблюдения в связи с переводом дородовой помощи на роды в другой трест. Пациенты с неполными данными акушерского анамнеза, неточными оценками гестационного возраста (например, из-за позднего бронирования беременности) и отсутствующие данные для «почтового индекса обычного адреса» также будут исключены. Исключаются пациенты младше 18 лет.
Учебный план
Как устроено исследование?
Детали дизайна
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Модель машинного обучения для прогнозирования риска преждевременных родов и неблагоприятных исходов родов
Временное ограничение: 36 месяцев
|
Мы стремимся разработать алгоритм глубокого обучения для прогнозирования риска преждевременных родов и других неблагоприятных исходов беременности, используя данные электронных медицинских записей и пространственно-временную модель уровней загрязнения окружающей среды в Лондоне.
Модель будет учитывать личные факторы, факторы образа жизни и окружающей среды наряду с традиционными факторами риска, чтобы предсказать срок беременности и наиболее вероятные роды.
Их можно классифицировать как «доношенные», «поздние преждевременные», «умеренно недоношенные», «очень недоношенные» и «крайне недоношенные».
|
36 месяцев
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Модель машинного обучения для прогнозирования того, как качество воздуха увеличивает риск преждевременных родов и неблагоприятных исходов родов
Временное ограничение: 42 месяца
|
Эта модель также будет анализировать временную последовательность событий в истории болезни пациента и текущей беременности, выявляя существенные взаимодействия.
Также будут изучены другие неблагоприятные исходы беременности, такие как вес при рождении, центиль веса при рождении, преэклампсия, малый вес для гестационного возраста, задержка роста плода.
|
42 месяца
|
Соавторы и исследователи
Спонсор
Соавторы
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 (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
- 331247
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана 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. .