Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

AiCR: Artificiell intelligens vid hjärtstopp (AiCR)

25 juni 2026 uppdaterad av: Centre Hospitalier Universitaire de Nice

AiCR: Artificiell intelligens vid hjärtstillestånd Tillämpning av en algoritm i prognosen för återställda hjärtstopp

Den totala förekomsten av hjärtstillestånd i Europa uppskattas till 350 000 till 700 000 fall per år. Överlevnadsgraden uppskattas till 10,7 % för alla rytmrubbningar tillsammans.

Det finns flera exempel på AI-applikationer inom det medicinska området. Ting et al har utvecklat ett datorverktyg som kan diagnostisera förekomsten av diabetisk retinopati med utmärkt kraft. Vid återupplivning föreslog Celi et al ett verktyg som kan förutsäga behovet av kristalloid vaskulär fyllning under ett systemiskt inflammatoriskt tillstånd. I Nature 2018 demonstrerade Komorowski effektiviteten av AI i hemodynamisk behandling av sepsis. I en studie av njursvaret på vätskeutmaning visade Zhang et al. visa inlärningsmaskinens effektivitet.

Mål: Bestämning av en algoritm som kan förutsäga dödligheten för patienter inlagda på intensivvårdsavdelningar (ICU) för ACR från sjukhusinläggningsrapporter (CRH). Också användning av algoritmen för att förutsäga risken för återfall av arresteringen, varaktigheten av mekanisk ventilation, uppkomsten av sepsis, utvecklingen av organsvikt, förutsägelse av CPC (Cerebral Performance Category), tid för att få katekolaminabstinens, utseendet av akut njursvikt med eller utan behov av extrarenal rening (EER) och varaktighet under EER, den genomsnittliga vistelsetiden.

Detta projekt är en del av ett större, rikstäckande projekt med större kraft, och omfattar all data som genereras under sjukhusvistelse på intensivvård.

Metod: ett uppskattat totalt antal patienter som ingår i denna studie är mellan 300 och 500. Befolkningen kommer från intensivvårdsavdelningarna i Nice, Antibes, Cannes, Grasse.

Inklusionen kommer att vara retrospektiv, på CRH, CR av CT-avbildning (hjärn- och toraco-abdomino-bäcken), MRT, EEG och dagliga uppföljningsord, från 2014 till slutet av 2020.

Efter anonymisering, tillämpning av semantisering med naturliga språkbehandlingsmetoder (NLP). Uppgifterna som ska extraheras förs in i ett dokument skrivet av intensivvårdsläkare. Dessa data kommer sedan att lagras i en databas. För att uppfylla huvudmålet kommer vi att utveckla en datoralgoritm som kan förutsäga dödlighet i studiepopulationen. Denna algoritm, baserad på en stor databas, kan designas med hjälp av maskininlärning eller till och med tekniker för djupinlärning beroende på mängden data som ska bearbetas.

Studieöversikt

Status

Rekrytering

Studietyp

Observationell

Inskrivning (Beräknad)

500

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

Studera Kontakt Backup

Studieorter

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år och äldre (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

ACR för alla orsaker, inlagd på intensivvård eller intensivvård, från sjukhuscentra i Nice, Antibes, Cannes, Grasse, etc.

Beskrivning

Inklusionskriterier:

  • OCA återhämtat sig från: hypoxisk, ischemisk, lungemboli, tamponad, rytm- eller överledningsstörning, chockbar eller ej, intra- eller extrasjukhus.
  • CR datoriserad, maskinskriven i PDF-format

Exklusions kriterier:

-

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Endast fall
  • Tidsperspektiv: Retrospektiv

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förutsägelse av dödlighet på intensivvårdsavdelningen
Tidsram: 1 dag
Definition av ett semantiskt rapporteringsverktyg, automatiserat, övergång från en anonymiserad rapport till en operativ och relevant databas.
1 dag
Förutsägelse av dödlighet på intensivvårdsavdelningen
Tidsram: 1 dag
Användning av den sålunda skapade databasen för att skapa en intelligent mortalitetsförutsägelsealgoritm. Använd även på sekundära bedömningskriterier för att förutsäga andra parametrar som nämns nedan.
1 dag

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 februari 2020

Primärt slutförande (Faktisk)

30 september 2022

Avslutad studie (Beräknad)

25 juni 2027

Studieregistreringsdatum

Först inskickad

3 juli 2020

Först inskickad som uppfyllde QC-kriterierna

3 juli 2020

Första postat (Faktisk)

8 juli 2020

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

29 juni 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

25 juni 2026

Senast verifierad

1 juni 2026

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 20reamed01

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera