Прогнозирование результатов диализа на основе искусственного интеллекта с помощью EHR
16 апреля 2025 г. обновлено: Kang Zhang, The Eye Hospital of Wenzhou Medical University
Прогнозирование клинических результатов у пациентов, находящихся на диализе, с использованием электронных медицинских карт: подход на основе искусственного интеллекта
Это многоцентровое ретроспективное клиническое исследование, предназначенное для оценки применения и эффективности прогностической модели с использованием искусственного интеллекта для прогнозирования исходов пациентов на диализе с использованием мультимодальных данных о состоянии здоровья.
Обзор исследования
Статус
Рекрутинг
Условия
Вмешательство/лечение
Подробное описание
Целью данного исследования является разработка модели с использованием искусственного интеллекта для прогнозирования клинических исходов у пациентов, находящихся на диализе, с акцентом как на первичных исходах (например, смертности), так и на промежуточных исходах (например, анемии, артериальном давлении, статусе питания и метаболизме кальций-фосфата).
В исследовании будут использоваться данные электронных медицинских карт пациентов, включая результаты лабораторных анализов, историю болезни, информацию о лечении диализом и клинические наблюдения, чтобы предсказать эти последствия для здоровья.
Цель состоит в том, чтобы улучшить раннее выявление пациентов из группы риска, что позволит лучше принимать клинические решения и разрабатывать стратегии индивидуального ухода.
Тип исследования
Наблюдательный
Регистрация (Оцененный)
1000000
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Контакты исследования
- Имя: Fei Liu, MD
- Номер телефона: +86 13810512704
- Электронная почта: liufei_2359@163.com
Места учебы
-
-
Beijing
-
Beijing, Beijing, Китай
- Рекрутинг
- General Hospital of PLA
-
Контакт:
- Delong Zhao
- Номер телефона: +86 13810512704
- Электронная почта: feiliu0108@gmail.com
-
-
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
Исследовательская популяция состоит из пациентов с диализом из Национального сетевого центра Китая, который включает в себя широкий спектр пациентов, проходящих лечение гемодиализа в участвующих больницах по всему Китаю.
Участники будут выбраны на основе доступности комплексных электронных медицинских карт (EHR), включая историю болезни, результаты лабораторных испытаний, детали лечения диализа и клинические наблюдения.
В когорта будет включать как мужчин, так и женщин, с различной степенью состояния здоровья, в том числе с сопутствующими заболеваниями, обычно связанными с диализом.
Исследование направлено на использование этой разнообразной группы для оценки и прогнозирования результатов, связанных с смертностью и осложнениями у пациентов с диализом.
Описание
Критерии включения:
- Пациенты, которые проходили диализ (гемодиализ или брюшной диализ) в течение не менее 3 месяцев.
- Полные и доступные данные EHR, включая историю болезни, результаты лабораторных испытаний, детали лечения диализа и клинические наблюдения.
- Участники должны предоставить информированное согласие на использование данных об их здоровье в исследовательских целях.
Критерии исключения:
- Пациенты с неполными или отсутствующими критическими данными EHR, включая историю болезни, лабораторные результаты, данные диализа или детали лечения, необходимые для исследования.
- Пациенты, находящиеся на диализе менее 3 месяцев, для обеспечения стабильных данных для прогнозирования результатов.
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 |
|---|---|
|
Группа высокого риска
Участники прогнозировали высокий риск смертности на основе моделей прогнозирования с помощью искусственного интеллекта, использующих данные их электронных медицинских карт, включая историю болезни, результаты лабораторных исследований, детали лечения диализом и клинические наблюдения.
|
В этом исследовании используется прогностическая модель с использованием искусственного интеллекта, которая анализирует мультимодальные данные из электронных медицинских записей, включая историю болезни, результаты лабораторных исследований, детали лечения диализом и клинические наблюдения, для прогнозирования результатов для пациентов, находящихся на диализе.
Модель использует алгоритмы глубокого обучения для прогнозирования риска смертности, промежуточных результатов, таких как анемия, контроль артериального давления, питания и метаболизма кальций-фосфата, а также помогает выявить ранние признаки ухудшения состояния.
Вмешательство не является прямым лечением или процедурой, а направлено на разработку инструмента для прогнозирования результатов лечения пациентов и оптимизации стратегий лечения для улучшения общего состояния здоровья и показателей выживаемости пациентов, находящихся на диализе.
|
|
Группа низкого риска
Участники, по прогнозам, будут иметь низкий риск смертности, основанный на модели прогнозирования A-A-A-A-Assist, которая будет сравниваться с группой высокого риска для оценки эффективности стратегий раннего вмешательства.
|
В этом исследовании используется прогностическая модель с использованием искусственного интеллекта, которая анализирует мультимодальные данные из электронных медицинских записей, включая историю болезни, результаты лабораторных исследований, детали лечения диализом и клинические наблюдения, для прогнозирования результатов для пациентов, находящихся на диализе.
Модель использует алгоритмы глубокого обучения для прогнозирования риска смертности, промежуточных результатов, таких как анемия, контроль артериального давления, питания и метаболизма кальций-фосфата, а также помогает выявить ранние признаки ухудшения состояния.
Вмешательство не является прямым лечением или процедурой, а направлено на разработку инструмента для прогнозирования результатов лечения пациентов и оптимизации стратегий лечения для улучшения общего состояния здоровья и показателей выживаемости пациентов, находящихся на диализе.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность прогнозирования смертности
Временное ограничение: 1 год
|
Способность предсказательной модели A-A-Actisticate точно прогнозировать риск смертности у пациентов с диализом.
Точность прогноза будет оцениваться с использованием области под кривой (AUC), оценки F1 и чувствительности/специфичности.
Модель будет оценена путем сравнения прогнозируемого риска смертности с фактическими результатами (то есть, выжили ли пациенты или скончались в течение периода исследования).
|
1 год
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность прогнозирования осложнений
Временное ограничение: 1 год
|
Точность предсказательной модели A-A-A-Assists в прогнозировании осложнений, обычно испытываемых пациентами с диализом, включая анемию, неконтролируемое артериальное давление, плохое состояние питания и аномалии в метаболизме кальция-фосфата.
Производительность модели будет оцениваться с использованием таких метрик, как AUC, оценка F1 и точность, путем сравнения прогнозируемых значений с фактическими клиническими результатами, такими как лабораторные результаты, клинические диагнозы и состояние здоровья пациентов.
|
1 год
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
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 2023 г.
Первичное завершение (Оцененный)
1 мая 2025 г.
Завершение исследования (Оцененный)
1 мая 2025 г.
Даты регистрации исследования
Первый отправленный
19 января 2025 г.
Впервые представлено, что соответствует критериям контроля качества
19 января 2025 г.
Первый опубликованный (Действительный)
24 января 2025 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
17 апреля 2025 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
16 апреля 2025 г.
Последняя проверка
1 апреля 2025 г.
Дополнительная информация
Термины, связанные с этим исследованием
Другие идентификационные номера исследования
- Dialysis
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
продукт, произведенный в США и экспортированный из 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. .