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

Early Detection of Clinical Deterioration in Patients With COVID-19 Using Machine Learning (COVID-19)

30 mars 2021 uppdaterad av: University Hospital Tuebingen
The aim of this study is to use artificial intelligence in the form of machine learning analysing vital signs as well as symptoms of patients suffering from Covid19 to identify predictors of disease progression and severe course of disease.

Studieöversikt

Status

Okänd

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Förväntat)

1000

Kontakter och platser

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

Studieorter

  • Tyskland
      • Tuebingen, Tyskland, 72076
        • Rekrytering
        • University Hospital of Tuebingen
        • Kontakt:
        • Kontakt:
        • Underutredare:
          • Bijoy N Atique, M.D.
        • Huvudutredare:
          • Juergen Hetzel, M.D.
        • Underutredare:
          • Maik Haentschel, M.D.

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

N/A

Kön som är behöriga för studier

Allt

Testmetod

Sannolikhetsprov

Studera befolkning

Patients with detection of SARS-CoV2

Beskrivning

Inclusion Criteria:

  • Written informed consent
  • Age >= 18 years
  • Detection of SARS-CoV2 within the past 5 days

Exclusion Criteria:

  • Inability to measure vital parameters and document symptoms

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
Intervention / Behandling
Training cohort
Randomly selection of 80% of the study population. The machine learning algorithm is trained on this dataset
Övrig: Machine learning
Machine learning on vital parameters, clinical symptoms and underlying diseases
Validation cohort
Randomly selection of 20% of the study population. The machine learning algorithm which was trained on the basis of the training data cohort is validated on the validation cohort.
Övrig: Machine based evaluation
Quantification of the prediction power and identification of the most relevant predictive parameters

Vad mäter studien?

Primära resultatmått

Resultatmått
Tidsram
Probability of Participants for Hospitalisation or Fatal Outcome
Tidsram: Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of severe acute respiratory syndrome- Corona Virus 2 (SARS-CoV2) to recovery, hospitalisation or fatal outcome up to 5 weeks

Sekundära resultatmått

Resultatmått
Tidsram
Probability of Participants for Intensive Care Unit Admission
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for Fatal Outcome
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Prediction of persisting health impairment by using standardized questionnaires
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of symptoms, vital parameters and comorbidities predicting clinical course
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of size of training data set
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of viral load on the course of disease/ clinical outcome
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different virus variants on the course of disease/ clinical outcome
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of SARS-CoV2 vaccination (yes/no) on the course of disease/ clinical outcome
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Evaluation of parameters (symptoms, vital parameters, comorbidities) according to their potential of clinical course predictions
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Probability of Participants for hospitalisation
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Influence of different SARS-CoV2 vaccines on the course of disease/ clinical outcome
Tidsram: Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks
Detection of SARS-CoV2 to recovery, hospitalisation or fatal outcome up to 5 weeks

Samarbetspartners och utredare

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

Sponsor

University Hospital Tuebingen

Samarbetspartners

Max-Planck-Institute Tuebingen

Utredare

  • Studiestol: Bernhard Schoelkopf, PhD, Max-Planck-Institute, Tuebingen, Germany
  • Huvudutredare: Juergen Hetzel, MD, University Hospital of Tuebingen, Tuebingen, Germany

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 2021

Primärt slutförande (Förväntat)

31 juli 2021

Avslutad studie (Förväntat)

31 december 2021

Studieregistreringsdatum

Först inskickad

24 mars 2021

Först inskickad som uppfyllde QC-kriterierna

30 mars 2021

Första postat (Faktisk)

2 april 2021

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

2 april 2021

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

30 mars 2021

Senast verifierad

1 januari 2021

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • TEDDI

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 .

Prenumerera