Förutsägelse av förväntad längd på sjukhusvistelse med hjälp av maskininlärning
14 april 2021 uppdaterad av: David Levine, Brigham and Women's Hospital
Detta är en retrospektiv observationsstudie som bygger på data från databasen Brigham and Women's Home Hospital.
Sociodemografiska data och klinikdata från en träningskohort användes för att träna en maskininlärningsalgoritm för att förutsäga vistelsens längd under en patients inläggning.
Denna algoritm validerades sedan i en valideringskohort.
Studieöversikt
Status
Aktiv, inte rekryterande
Studietyp
Observationell
Inskrivning (Förväntat)
500
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Massachusetts
-
Boston, Massachusetts, Förenta staterna, 02115
- Brigham and Women's Hospital
-
Boston, Massachusetts, Förenta staterna, 02130
- Brigham and Women's Faulkner Hospital
-
-
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
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Försökspersoner inlagda på Brigham and Women's Hospital och Brigham and Women's Faulkner Hospital som uppfyller primär diagnos, ålder och bosättning inom 5 mils krav och är inskrivna på hemsjukhus.
Beskrivning
Var ämne i Brigham and Women's Home Hospital-studien och har ett färdigt register i studiens databas.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
Träning
En undergrupp av patienter som används för att träna maskininlärningsalgoritmen.
|
|
Godkännande
En undergrupp av patienter som "hålls tillbaka" och används för att validera algoritmens noggrannhet.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Vistelsetid
Tidsram: Från intagningsdatum till utskrivningsdatum (1 till 24 dagar)
|
Den tid varje patient spenderar på hemsjukhuset från tidpunkten för inläggning till tidpunkten för utskrivning, mätt i timmar
|
Från intagningsdatum till utskrivningsdatum (1 till 24 dagar)
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: David Levine, MD MPH MA, Associate Physician
Publikationer och användbara länkar
Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.
Allmänna publikationer
- Lubelski D, Ehresman J, Feghali J, Tanenbaum J, Bydon A, Theodore N, Witham T, Sciubba DM. Prediction calculator for nonroutine discharge and length of stay after spine surgery. Spine J. 2020 Jul;20(7):1154-1158. doi: 10.1016/j.spinee.2020.02.022. Epub 2020 Mar 13.
- Karnuta JM, Churchill JL, Haeberle HS, Nwachukwu BU, Taylor SA, Ricchetti ET, Ramkumar PN. The value of artificial neural networks for predicting length of stay, discharge disposition, and inpatient costs after anatomic and reverse shoulder arthroplasty. J Shoulder Elbow Surg. 2020 Nov;29(11):2385-2394. doi: 10.1016/j.jse.2020.04.009. Epub 2020 Jun 9.
- Ramkumar PN, Navarro SM, Haeberle HS, Karnuta JM, Mont MA, Iannotti JP, Patterson BM, Krebs VE. Development and Validation of a Machine Learning Algorithm After Primary Total Hip Arthroplasty: Applications to Length of Stay and Payment Models. J Arthroplasty. 2019 Apr;34(4):632-637. doi: 10.1016/j.arth.2018.12.030. Epub 2018 Dec 27.
- Ma X, Si Y, Wang Z, Wang Y. Length of stay prediction for ICU patients using individualized single classification algorithm. Comput Methods Programs Biomed. 2020 Apr;186:105224. doi: 10.1016/j.cmpb.2019.105224. Epub 2019 Nov 20.
- Daghistani TA, Elshawi R, Sakr S, Ahmed AM, Al-Thwayee A, Al-Mallah MH. Predictors of in-hospital length of stay among cardiac patients: A machine learning approach. Int J Cardiol. 2019 Aug 1;288:140-147. doi: 10.1016/j.ijcard.2019.01.046. Epub 2019 Jan 19.
- Bacchi S, Oakden-Rayner L, Menon DK, Jannes J, Kleinig T, Koblar S. Stroke prognostication for discharge planning with machine learning: A derivation study. J Clin Neurosci. 2020 Sep;79:100-103. doi: 10.1016/j.jocn.2020.07.046. Epub 2020 Aug 5.
- Navarro SM, Wang EY, Haeberle HS, Mont MA, Krebs VE, Patterson BM, Ramkumar PN. Machine Learning and Primary Total Knee Arthroplasty: Patient Forecasting for a Patient-Specific Payment Model. J Arthroplasty. 2018 Dec;33(12):3617-3623. doi: 10.1016/j.arth.2018.08.028. Epub 2018 Sep 5.
- Young AJ, Hare A, Subramanian M, Weaver JL, Kaufman E, Sims C. Using Machine Learning to Make Predictions in Patients Who Fall. J Surg Res. 2021 Jan;257:118-127. doi: 10.1016/j.jss.2020.07.047. Epub 2020 Aug 18.
- Sinha I, Aluthge DP, Chen ES, Sarkar IN, Ahn SH. Machine Learning Offers Exciting Potential for Predicting Postprocedural Outcomes: A Framework for Developing Random Forest Models in IR. J Vasc Interv Radiol. 2020 Jun;31(6):1018-1024.e4. doi: 10.1016/j.jvir.2019.11.030. Epub 2020 May 4.
- Merrill RK, Ferrandino RM, Hoffman R, Shaffer GW, Ndu A. Machine Learning Accurately Predicts Short-Term Outcomes Following Open Reduction and Internal Fixation of Ankle Fractures. J Foot Ankle Surg. 2019 May;58(3):410-416. doi: 10.1053/j.jfas.2018.09.004. Epub 2019 Feb 23.
- Nemati M, Ansary J, Nemati N. Machine-Learning Approaches in COVID-19 Survival Analysis and Discharge-Time Likelihood Prediction Using Clinical Data. Patterns (N Y). 2020 Aug 14;1(5):100074. doi: 10.1016/j.patter.2020.100074. Epub 2020 Jul 4.
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)
20 mars 2021
Primärt slutförande (Förväntat)
1 augusti 2021
Avslutad studie (Förväntat)
1 december 2021
Studieregistreringsdatum
Först inskickad
2 mars 2021
Först inskickad som uppfyllde QC-kriterierna
2 mars 2021
Första postat (Faktisk)
5 mars 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
19 april 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
14 april 2021
Senast verifierad
1 april 2021
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 2017P002583b
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
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 .
Kliniska prövningar på Hjärtsvikt
-
Region SkaneAnmälan via inbjudanHjärtsvikt New York Heart Association (NYHA) klass II | Hjärtsvikt New York Heart Association (NYHA) klass IIISverige
-
Taichung Veterans General HospitalRekryteringKontinuerlig Fetal Heart Beat Monitor och analys efter Spinal AnestesiTaiwan
-
Medical University of BialystokInstitute of Cardiology, Warsaw, Poland; Medical University of Lodz; Poznan... och andra samarbetspartnersHar inte rekryterat ännuHjärtsvikt, systolisk | Hjärtsvikt Med Minskad Ejection Fraktion | Hjärtsvikt New York Heart Association Klass IV | Hjärtsvikt New York Heart Association Klass IIIPolen
-
University of WashingtonAmerican Heart AssociationAvslutadHjärtsvikt, Kongestiv | Mitokondriell förändring | Hjärtsvikt New York Heart Association Klass IVFörenta staterna
-
Novartis PharmaceuticalsAvslutadPatienter som framgångsrikt slutfört den 12 månader långa behandlingsperioden i kärnstudien (de Novo Heart Recipients) som var intresserade av att bli behandlad med EC-MPS
-
University Hospital, GasthuisbergOkändTransient Left Ventricular Ballooning SyndromeBelgien
-
Children's Hospital Medical Center, CincinnatiRekryteringNationellt samarbete för att förbättra vården av barn med komplexa medfödda hjärtsjukdomar (NPC-QIC)Hypoplastiskt Left Heart Syndrome (HLHS)Förenta staterna, Storbritannien, Kanada
-
Lifetech Scientific (Shenzhen) Co., Ltd.OkändPatent Ductus Arteriosus | Kanalberoende Cyanotic Congenital Heart DiseaseMalaysia
-
Mayo ClinicRekryteringHypoplastiskt Left Heart Syndrome (HLHS)Förenta staterna
-
NYU Langone HealthRekryteringTako-tsubo kardiomyopati | Takotsubo kardiomyopati | Broken Heart SyndromeFörenta staterna