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

Early Prediction of ICU Hypotension Using Machine Learning (ICU-HypoAI)

7 июля 2026 г. обновлено: Serkan TELLİ, Kutahya Health Sciences University

A Prospective Observational Machine Learning Study for the Early Prediction of Hypotension in Adult Intensive Care Unit Patients

This prospective observational study aims to develop and internally validate a machine learning model for the early prediction of hypotension in adult intensive care unit patients. The model will use routinely collected non-invasive vital signs, heart rate, medication-dose records, and fluid-balance data recorded during standard ICU care. No intervention will be assigned by the study, and patient management will not be changed according to the model output. The primary aim is to predict hypotension 30 minutes before its occurrence; shorter 5- and 15-minute prediction horizons will also be evaluated.

Обзор исследования

Статус

Завершенный

Условия

Вмешательство/лечение

Подробное описание

Hypotension is a frequent hemodynamic event in critically ill patients and may occur before clear clinical deterioration is recognized. Earlier identification of patients at risk may support closer clinical attention and more timely evaluation. This study is designed as a prospective, observational machine learning study in adult intensive care unit patients.

Routinely available ICU data will be collected at five-minute intervals, including systolic, mean, and diastolic non-invasive blood pressure, heart rate, medication-dose entries, and fluid-balance records. These data will be used to construct time-dependent features reflecting recent values, short-term changes, and rolling trends. Hypotension will be defined at each five-minute time point as systolic blood pressure below 90 mmHg, mean arterial pressure below 65 mmHg, or diastolic blood pressure below 60 mmHg.

The primary prediction horizon will be 30 minutes. Separate secondary analyses will evaluate 5- and 15-minute prediction horizons. A gradient-boosted decision-tree model will be developed and internally validated using patient-level data partitioning to avoid assigning observations from the same patient to both training and validation sets. Model performance will be assessed using discrimination, classification performance, and calibration measures. Feature-importance analyses will be used to describe the variables contributing to model predictions.

The study is observational. No treatment, medication, device, alarm, or clinical decision will be assigned by the study protocol. The prediction model will be developed and evaluated using collected data and will not be used to guide real-time patient management during the study period.

Тип исследования

Наблюдательный

Регистрация (Действительный)

107

Контакты и местонахождение

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

Места учебы

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

The study population will consist of consecutive adult patients monitored in the adult intensive care unit of Kutahya Health Sciences University during the study period. Routine clinical monitoring data, including non-invasive blood pressure, heart rate, medication-dose records, and fluid-balance data, will be used for machine learning model development and internal validation. No treatment or intervention will be assigned by the study protocol.

Описание

Inclusion Criteria:

  • Age 18 years or older
  • Admission to the adult intensive care unit during the study period
  • Length of stay in the intensive care unit of at least 24 hours
  • Availability of routine intensive care unit monitoring data
  • Availability of non-invasive blood pressure and heart rate measurements recorded during ICU monitoring
  • Availability of medication-dose and/or fluid-balance records during ICU monitoring

Exclusion Criteria:

  • Age younger than 18 years
  • Length of stay in the intensive care unit of less than 24 hours
  • Absence of usable blood pressure monitoring data
  • Records with irrecoverable timestamp inconsistencies
  • Insufficient monitoring duration for feature construction and future outcome labeling

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
Adult Intensive Care Unit Patients
Adult patients admitted to the intensive care unit who are monitored during routine clinical care. Routinely collected non-invasive blood pressure, heart rate, medication-dose, and fluid-balance data will be used for machine learning model development and internal validation. No treatment or clinical intervention will be assigned by the study protocol.
Другой: Routine ICU Data Collection
Routinely collected intensive care unit data, including non-invasive blood pressure, heart rate, medication-dose records, and fluid-balance data, will be recorded and analyzed for development and internal validation of a machine learning model. The study does not assign any treatment, medication, device, alarm, or clinical decision.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Area Under the Receiver Operating Characteristic Curve for 30-Minute Hypotension Prediction
Временное ограничение: From enrollment through the end of ICU monitoring, up to 4 months
Discriminative performance of the machine learning model for predicting hypotension 30 minutes before its occurrence. Hypotension will be defined as systolic blood pressure below 90 mmHg, mean arterial pressure below 65 mmHg, or diastolic blood pressure below 60 mmHg at a five-minute observation point.
From enrollment through the end of ICU monitoring, up to 4 months

Вторичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Area Under the Receiver Operating Characteristic Curve for 5- and 15-Minute Hypotension Prediction
Временное ограничение: From enrollment through the end of ICU monitoring, up to 4 months
Discriminative performance of separate machine learning models for predicting hypotension at 5-minute and 15-minute prediction horizons.
From enrollment through the end of ICU monitoring, up to 4 months
Classification Performance of the Hypotension Prediction Model
Временное ограничение: From enrollment through the end of ICU monitoring, up to 4 months
Classification performance of the machine learning model will be assessed using sensitivity, specificity, positive predictive value, negative predictive value, and F1 score at predefined classification thresholds.
From enrollment through the end of ICU monitoring, up to 4 months

Соавторы и исследователи

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

Спонсор

Kutahya Health Sciences University

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)

15 марта 2026 г.

Первичное завершение (Действительный)

30 июня 2026 г.

Завершение исследования (Действительный)

30 июня 2026 г.

Даты регистрации исследования

Первый отправленный

31 мая 2026 г.

Впервые представлено, что соответствует критериям контроля качества

31 мая 2026 г.

Первый опубликованный (Действительный)

4 июня 2026 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

9 июля 2026 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

7 июля 2026 г.

Последняя проверка

1 июля 2026 г.

Дополнительная информация

Термины, связанные с этим исследованием

Ключевые слова

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • 2026/03-15

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