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

Построить модель прогнозирования прогноза для пациентов ЭКМО на основе алгоритмов машинного обучения

22 октября 2024 г. обновлено: Gao Xiaoya, Zhujiang Hospital
Экстракорпоральная мембранная оксигенация (ЭКМО) является критически важным методом жизнеобеспечения пациентов с тяжелыми заболеваниями. На уровень смертности пациентов в отделениях интенсивной терапии влияют различные факторы, что представляет собой серьезную клиническую проблему для точного прогнозирования результатов на основе ограниченного набора показателей.

Обзор исследования

Статус

Завершенный

Условия

Подробное описание

Экстракорпоральная мембранная оксигенация (ЭКМО) используется для обеспечения непрерывной экстракорпоральной поддержки дыхания и кровообращения у пациентов с тяжелой сердечно-легочной недостаточностью. Это важнейший метод жизнеобеспечения в реанимации, а также один из самых сложных и дорогостоящих методов лечения в отделениях интенсивной терапии (ОИТ). На поддержание требуется много ресурсов. Поэтому особенно важно строго понимать показания пациентов и точно прогнозировать прогноз пациентов, чтобы помочь в принятии клинических решений.

В нескольких предыдущих опубликованных исследованиях для прогнозирования прогноза пациентов с ЭКМО использовались клинические оценки, но большинство из них были сосредоточены на результатах ЭКМО в конкретных группах пациентов, таких как респираторный дистресс-синдром взрослых (ОРДС), дыхательная недостаточность, трансплантация легких, кардиогенный шок и т. д. на. Кроме того, большинство этих оценок были рассчитаны с использованием традиционных статистических методов и имеют ограниченную способность аппроксимации наборов данных с более характерными переменными.

Искусственный интеллект (ИИ) и машинное обучение (МО) представляют собой более совершенную альтернативу традиционным статистическим методам и имеют беспрецедентные преимущества при работе с наборами данных с многомерными характеристическими переменными и нелинейными данными. И он может самовыполняться для улучшения производительности модели. Кроме того, лучшей альтернативой стало машинное обучение, которое может обрабатывать информацию на основе причинно-следственных или статистических данных, выявлять скрытые зависимости между клиническими показателями и прогнозом заболевания и поддерживать принятие клинических решений. госпитализация. На основе соответствующей литературы и мнений экспертов ЭКМО в области интенсивной терапии было выявлено в общей сложности 69 клинических характеристических показателей. Эти показатели включали демографические данные, такие как возраст, рост, вес и история болезни пациентов ЭКМО. Дополнительно показатели инфекции оценивались в течение 24 часов до начала поддержки ЭКМО и в течение 24 часов после ее прекращения. Кроме того, были включены показатели, относящиеся к функции сердца, почек и печени, а также тип шока (распределительный шок, гиповолемический шок, кардиогенный шок, обструктивный шок). Кроме того, также учитывались средний ежедневный объем жидкости в течение трех дней после начала поддержки ЭКМО, продолжительность поддержки ЭКМО и продолжительность пребывания в отделении интенсивной терапии.

Тип исследования

Наблюдательный

Регистрация (Действительный)

290

Контакты и местонахождение

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

Места учебы

    • Guangdong
      • Guangzhou, Guangdong, Китай, 510000
        • ZhuJiang Hospital of Southern Medical University

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

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

В исследовании приняли участие пациенты, получавшие лечение ЭКМО в больнице Чжуцзян Южного медицинского университета с 2018 по 2024 год. Критерии исключения включали пациентов, получавших поддержку ЭКМО в других больницах, и лиц в возрасте до 18 лет. Из пациентов 100 были выписаны живыми, а 190 умерли во время госпитализации.

Описание

Критерии включения:

  • Все пациенты, прошедшие ЭКМО в нашей больнице и зарегистрированные в базе данных реестра CSECLS (ClinicalTrials.gov Идентификатор: NCT04158479) с 1 января 2018 года по настоящее время были собраны ретроспективно.

Критерии исключения:

  • ЭКМО было прекращено по немедицинским причинам.
  • До 18 лет.

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
Смерть
Выживать

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Временное ограничение
выживать
Временное ограничение: Пациентов регистрировали за 48 часов до начала ЭКМО до даты выживания до выписки из больницы или смерти на срок до трех месяцев.
Пациентов регистрировали за 48 часов до начала ЭКМО до даты выживания до выписки из больницы или смерти на срок до трех месяцев.
смерть
Временное ограничение: Пациентов регистрировали за 48 часов до начала ЭКМО до даты выживания до выписки из больницы или смерти на срок до трех месяцев.
Пациентов регистрировали за 48 часов до начала ЭКМО до даты выживания до выписки из больницы или смерти на срок до трех месяцев.

Соавторы и исследователи

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

Спонсор

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 2018 г.

Первичное завершение (Действительный)

1 октября 2024 г.

Завершение исследования (Действительный)

1 октября 2024 г.

Даты регистрации исследования

Первый отправленный

9 октября 2024 г.

Впервые представлено, что соответствует критериям контроля качества

22 октября 2024 г.

Первый опубликованный (Действительный)

23 октября 2024 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

23 октября 2024 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

22 октября 2024 г.

Последняя проверка

1 января 2018 г.

Дополнительная информация

Термины, связанные с этим исследованием

Другие идентификационные номера исследования

  • 2022-KY-026-01

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

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