Прогнозирование уровня калия в сыворотке крови с использованием машинного обучения и одноканальной ЭКГ
21 марта 2026 г. обновлено: David Levine, Brigham and Women's Hospital
Это ретроспективное исследование, основанное на данных из Базы данных программы домашней больницы Бригама и женской больницы.
Социодемографические и клинические данные из тренировочной когорты были использованы для обучения алгоритма машинного обучения для прогнозирования уровня калия в крови на протяжении всего периода госпитализации пациента.
Затем этот алгоритм был проверен в валидационной когорте.
Обзор исследования
Статус
Отозван
Условия
Вмешательство/лечение
Тип исследования
Наблюдательный
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
Massachusetts
-
Boston, Massachusetts, Соединенные Штаты, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Соединенные Штаты, 02130
- Brigham and Women's Faulkner Hospital
-
-
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
Пациенты, поступившие в госпиталь Бригэма и женщин и госпиталь Бригэма и женщин Фолкнера, которые соответствуют основному диагнозу, возрасту и проживанию в пределах 5 миль и зачислены в домашний госпиталь.
Описание
Был участником исследования «Домашняя больница Бригама и женщин» и имеет завершенную запись в базе данных исследования.
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 |
|---|---|
|
Обучение
Подмножество пациентов, которые используются для обучения алгоритма машинного обучения.
|
Применить алгоритм машинного обучения для оценки уровня калия у пациента.
|
|
Проверка
Подмножество пациентов, которые «сдерживаются» и используются для проверки точности алгоритма.
|
Применить алгоритм машинного обучения для оценки уровня калия у пациента.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Концентрация калия в сыворотке
Временное ограничение: С момента поступления до момента выписки, в среднем 7 дней до завершения исследования.
|
Сывороточный калий, измеряется в миллимолях на литр
|
С момента поступления до момента выписки, в среднем 7 дней до завершения исследования.
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Гиперкалиемия
Временное ограничение: С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
Уровень калия в сыворотке выше 5,1 миллимоль на литр
|
С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
|
Гипокалиемия
Временное ограничение: С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
Сывороточный калий менее 3,4 миллимоль на литр
|
С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
|
Нормокалиемия
Временное ограничение: С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
Сывороточный калий от 3,4 до 5,1 миллимоль на литр
|
С даты поступления до даты выписки, в среднем 7 дней до завершения исследования.
|
|
Сывороточный калий менее против более или равный 4 миллимоль на литр
Временное ограничение: С даты поступления до даты выписки, в среднем до завершения исследования 7 дней.
|
Снижение уровня калия в сыворотке крови либо менее, либо более или равное 4 миллимолям на литр
|
С даты поступления до даты выписки, в среднем до завершения исследования 7 дней.
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Соавторы
Следователи
- Главный следователь: David Levine, MD MPH MA, Associate Physician
Публикации и полезные ссылки
Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.
Общие публикации
- Yasin OZ, Attia Z, Dillon JJ, DeSimone CV, Sapir Y, Dugan J, Somers VK, Ackerman MJ, Asirvatham SJ, Scott CG, Bennet KE, Ladewig DJ, Sadot D, Geva AB, Friedman PA. Noninvasive blood potassium measurement using signal-processed, single-lead ecg acquired from a handheld smartphone. J Electrocardiol. 2017 Sep-Oct;50(5):620-625. doi: 10.1016/j.jelectrocard.2017.06.008. Epub 2017 Jun 8.
- Dillon JJ, DeSimone CV, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Mikell SB, Ladewig DJ, Gilles EJ, Geva A, Sadot D, Friedman PA. Noninvasive potassium determination using a mathematically processed ECG: proof of concept for a novel "blood-less, blood test". J Electrocardiol. 2015 Jan-Feb;48(1):12-8. doi: 10.1016/j.jelectrocard.2014.10.002. Epub 2014 Oct 18.
- Krogager ML, Kragholm K, Skals RK, Mortensen RN, Polcwiartek C, Graff C, Nielsen JB, Kanters JK, Holst AG, Sogaard P, Pietersen A, Torp-Pedersen C, Hansen SM. The relationship between serum potassium concentrations and electrocardiographic characteristics in 163,547 individuals from primary care. J Electrocardiol. 2019 Nov-Dec;57:104-111. doi: 10.1016/j.jelectrocard.2019.09.005. Epub 2019 Sep 4.
- Corsi C, Cortesi M, Callisesi G, De Bie J, Napolitano C, Santoro A, Mortara D, Severi S. Noninvasive quantification of blood potassium concentration from ECG in hemodialysis patients. Sci Rep. 2017 Feb 15;7:42492. doi: 10.1038/srep42492.
- Rafique Z, Aceves J, Espina I, Peacock F, Sheikh-Hamad D, Kuo D. Can physicians detect hyperkalemia based on the electrocardiogram? Am J Emerg Med. 2020 Jan;38(1):105-108. doi: 10.1016/j.ajem.2019.04.036. Epub 2019 Apr 22.
- Attia ZI, DeSimone CV, Dillon JJ, Sapir Y, Somers VK, Dugan JL, Bruce CJ, Ackerman MJ, Asirvatham SJ, Striemer BL, Bukartyk J, Scott CG, Bennet KE, Ladewig DJ, Gilles EJ, Sadot D, Geva AB, Friedman PA. Novel Bloodless Potassium Determination Using a Signal-Processed Single-Lead ECG. J Am Heart Assoc. 2016 Jan 25;5(1):e002746. doi: 10.1161/JAHA.115.002746.
- Galloway CD, Valys AV, Shreibati JB, Treiman DL, Petterson FL, Gundotra VP, Albert DE, Attia ZI, Carter RE, Asirvatham SJ, Ackerman MJ, Noseworthy PA, Dillon JJ, Friedman PA. Development and Validation of a Deep-Learning Model to Screen for Hyperkalemia From the Electrocardiogram. JAMA Cardiol. 2019 May 1;4(5):428-436. doi: 10.1001/jamacardio.2019.0640.
- Lin CS, Lin C, Fang WH, Hsu CJ, Chen SJ, Huang KH, Lin WS, Tsai CS, Kuo CC, Chau T, Yang SJ, Lin SH. A Deep-Learning Algorithm (ECG12Net) for Detecting Hypokalemia and Hyperkalemia by Electrocardiography: Algorithm Development. JMIR Med Inform. 2020 Mar 5;8(3):e15931. doi: 10.2196/15931.
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)
20 марта 2021 г.
Первичное завершение (Оцененный)
1 августа 2021 г.
Завершение исследования (Оцененный)
1 декабря 2021 г.
Даты регистрации исследования
Первый отправленный
14 апреля 2021 г.
Впервые представлено, что соответствует критериям контроля качества
21 марта 2026 г.
Первый опубликованный (Действительный)
25 марта 2026 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
25 марта 2026 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
21 марта 2026 г.
Последняя проверка
1 марта 2026 г.
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
- Урогенитальные заболевания
- Сосудистые заболевания
- Сердечно-сосудистые заболевания
- Патологические процессы
- Мужские мочеполовые заболевания
- Заболевания почек
- Урологические заболевания
- Женские урогенитальные заболевания
- Женские мочеполовые заболевания и осложнения беременности
- Сердечные заболевания
- Хроническое заболевание
- Атрибуты болезни
- Заболевания иммунной системы
- Заболевания дыхательных путей
- Легочные заболевания
- Бронхиальные заболевания
- Заболевания легких, обструктивные
- Респираторная гиперчувствительность
- Гиперчувствительность, немедленная
- Гиперчувствительность
- Почечная недостаточность
- Гипертония
- Патологические состояния, признаки и симптомы
- Гипертонический криз
- Сердечная недостаточность
- Легочные заболевания, хроническая обструктивная
- Астма
- Инфекции
- Почечная недостаточность, хроническая
Другие идентификационные номера исследования
- 2017P002583c
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. .