- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT06654388
Построить модель прогнозирования прогноза для пациентов ЭКМО на основе алгоритмов машинного обучения
Обзор исследования
Статус
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
Регистрация (Действительный)
Контакты и местонахождение
Места учебы
-
-
Guangdong
-
Guangzhou, Guangdong, Китай, 510000
- ZhuJiang Hospital of Southern Medical University
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
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
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
Спонсор
Публикации и полезные ссылки
Общие публикации
- Ayers B, Wood K, Gosev I, Prasad S. Predicting Survival After Extracorporeal Membrane Oxygenation by Using Machine Learning. Ann Thorac Surg. 2020 Oct;110(4):1193-1200. doi: 10.1016/j.athoracsur.2020.03.128. Epub 2020 May 23.
- Stephens AF, Seman M, Diehl A, Pilcher D, Barbaro RP, Brodie D, Pellegrino V, Kaye DM, Gregory SD, Hodgson C; Extracorporeal Life Support Organization Member Centres. ECMO PAL: using deep neural networks for survival prediction in venoarterial extracorporeal membrane oxygenation. Intensive Care Med. 2023 Sep;49(9):1090-1099. doi: 10.1007/s00134-023-07157-x. Epub 2023 Aug 7.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Действительный)
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
Другие идентификационные номера исследования
- 2022-KY-026-01
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. .