Исследование инструмента поддержки принятия клинических решений по лечению выкидышей с помощью машинного обучения (MLMM)
Машинное обучение использовалось для разработки алгоритма для определения шансов на успех выжидательного или медикаментозного ведения отдельного пациента. Принимая во внимание следующие объективные меры:
- Демография: возраст матери, паритет
- В анамнезе: предыдущее КС, предыдущая СММ/МВА, предыдущая миомэктомия.
- Беременность по LMP
- Представленные симптомы: Оценка кровотечения, Оценка боли.
- Измерения USS: CRL, GS, RPOC 3 измерения, васкулярность
- Расхождение между сроками беременности по CRL и LMP
Аудит для сопоставления 1000 случаев и выявления функций, способствующих алгоритму, который может предсказать результат лечения выкидыша для индивидуального ведения случаев.
Обзор исследования
Статус
Условия
Подробное описание
- Открытие науки об искусственном интеллекте: разработка алгоритма на основе ретроспективного аудита примерно 1000 случаев выкидыша
- Определить надежность инструмента с помощью наборов тестовых данных.
- Повысить чувствительность и специфичность помощи в принятии решений за счет расширения сбора данных на несколько сайтов и тестирования алгоритма на перспективных данных.
Исследование будет проводиться в больнице Королевы Шарлотты и Челси Имперского колледжа здравоохранения NHS Trusts (первичный центр исследования).
Это многоцентровое ретроспективное когортное обсервационное исследование.
Исследование будет проводиться в течение как минимум трех лет, чтобы дать достаточно времени для изучения ретроспективных данных и сопоставления наборов тестовых данных.
Будут проанализированы ретроспективные анонимные случаи замершей беременности и неполного выкидыша, проведенные в Имперском колледже здравоохранения NHS Trust:
Для каждого случая будут сопоставлены следующие клинические особенности и результаты:
- Демография: возраст матери, паритет
- В анамнезе: предыдущее КС, предыдущая СММ/МВА, предыдущая миомэктомия.
- Беременность по LMP
- Представленные симптомы: Оценка кровотечения, Оценка боли.
- Измерения USS: CRL, GS, RPOC 3 измерения, васкулярность
- Расхождение между сроками беременности по CRL и LMP
Все данные будут собираться ретроспективно и анонимизироваться.
После сбора данных будут применены модели машинного обучения и методы сокращения признаков, чтобы определить наиболее эффективную модель для прогнозирования успеха или неудачи выжидательного или медикаментозного лечения выкидыша соответственно.
Следующий этап будет включать перспективный аудит для сбора данных и проверки прогностической способности инструмента поддержки принятия клинических решений MLM.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Места учебы
-
-
-
London, Соединенное Королевство, W12 0HS
- Рекрутинг
- Imperial College Heatlhcare NHS Trust
-
Контакт:
- Sughashini Murugesu
- Номер телефона: 07988390772
- Электронная почта: sughashini.murugesu@nhs.net
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Ребенок
- Взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Замершая беременность и неполный выкидыш на сроке менее 14 недель беременности.
- Последующий осмотр записан через 2 недели.
Критерий исключения:
- Окончательные данные о результатах недоступны.
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Выжидательная тактика выкидыша
Когорта, которая решила продолжить выжидательное ведение выкидыша, окончательный успех или неудача к 14 дню в зависимости от выбора руководства.
|
Выжидательная тактика: консервативное ведение в случае выкидыша с последующим наблюдением через 2 недели, чтобы определить, произошел ли полный выкидыш.
|
|
Медицинское лечение выкидыша
Когорта, которая решила продолжить медикаментозное лечение выкидыша, успех или неудача окончательного результата к 14 дню по выбору руководства
|
Медицинское лечение: мизопростол принимается для лечения выкидыша в первом триместре, с последующим наблюдением через 2 недели, чтобы определить, произошел ли полный выкидыш.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Разработка прогнозирующей модели машинного обучения для определения результатов лечения выкидыша.
Временное ограничение: Январь 2023 г. – июнь 2024 г.
|
Разработка прогнозирующей модели машинного обучения на основе ретроспективного аудита примерно 1000 случаев выкидыша.
|
Январь 2023 г. – июнь 2024 г.
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Перспективный аудит для тестирования и проверки прогнозной модели
Временное ограничение: Июль 2024 г. – июнь 2025 г.
|
Повысить чувствительность и специфичность принимаемых решений за счет расширения сбора данных на несколько сайтов и тестирования модели машинного обучения на перспективных данных.
|
Июль 2024 г. – июнь 2025 г.
|
Соавторы и исследователи
Спонсор
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
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 23QC8155
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. .