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

Development and Validation of an Interpretable Machine Learning Model for Predicting Venous Thromboembolism（VTE）in Intensive Care Unit (ICU) Patients

18 мая 2026 г. обновлено: Weiwei Wu, Beijing Tsinghua Chang Gung Hospital

Venous thromboembolism remains a leading cause of preventable mortality in intensive care unit (ICU) patients. Existing risk-stratification tools were developed in general medical populations and lack ICU-specific predictors. This study was to develop and validate an interpretable machine learning (ML) model to predict VTE in ICU patients.

Обзор исследования

Статус

Завершенный

Условия

Вмешательство/лечение

Другой: без вмешательства

Тип исследования

Наблюдательный

Регистрация (Действительный)

12061

Контакты и местонахождение

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

Места учебы

Китай
- Beijing Municipality
  - Beijing, Beijing Municipality, Китай, 102218
    - Beijing Tsinghua Changgung 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

Patients admitted to ICU were included in the study cohort from January 2022 to October 2025. Inclusion criteria were: (1) age ≥18 years; (2) ICU length of stay ≥48 hours; (3) only the first ICU admission per patient was retained. Exclusion criteria were: (1) VTE diagnosed prior to ICU admission; (2) VTE diagnosed within 24 hours of ICU admission; (3) >20% missing values in key variables. The final cohort comprised 12,061 patients, of whom 587 (4.9%) developed VTE during ICU hospitalization.

Описание

Inclusion Criteria:

age ≥18 years;
ICU length of stay ≥48 hour
the first ICU admission

Exclusion Criteria:

VTE diagnosed prior to ICU admission
VTE diagnosed within 24 hours of ICU admission
>20% missing values in key variables

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

Что измеряет исследование?

Первичные показатели результатов

Мера результата	Временное ограничение
validate an interpretable machine learning (ML) model to predict VTE in ICU patients Временное ограничение: the first day after the patients leaf ICU	the first day after the patients leaf ICU

Соавторы и исследователи

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

Спонсор

Beijing Tsinghua Chang Gung Hospital

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 2022 г.

Первичное завершение (Действительный)

31 декабря 2025 г.

Завершение исследования (Действительный)

31 декабря 2025 г.

Даты регистрации исследования

Первый отправленный

12 мая 2026 г.

Впервые представлено, что соответствует критериям контроля качества

18 мая 2026 г.

Первый опубликованный (Действительный)

19 мая 2026 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)