- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05045742
Förutsägelse av patientförsämring med hjälp av maskininlärning
16 mars 2026 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 och klinikdata från en träningskohort användes för att träna en maskininlärningsalgoritm för att förutsäga patientförsämring under en patients inläggning.
Denna algoritm validerades sedan i en valideringskohort.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Faktisk)
526
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
Testmetod
Icke-sannolikhetsprov
Studera befolkning
Försökspersoner som tas in på Brigham and Women's Hospital och Brigham and Women's Faulkner Hospital som uppfyller kraven för primär diagnos, ålder och geografiskt boende och är inskrivna på hemsjukhus.
Beskrivning
Inklusionskriterier:
Vårdad i Brigham and Women's Home Hospital-studien
Exklusions kriterier:
Ofullständiga kontinuerliga övervakningsdata
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 |
|---|---|
|
Träning
En undergrupp av patienter som används för att träna maskininlärningsalgoritmen.
|
Övrig: Traditionella larm för vitala tecken kontra BioVitals Index vs National Early Warning Score 2
Vi kommer i efterhand att jämföra de larm som produceras från traditionella vitala larm (tröskelvärden inställda av läkare) mot BioVitals Index vs National Early Warning Score 2
|
|
Godkännande
En undergrupp av patienter som "hålls tillbaka" och används för att validera algoritmens noggrannhet.
|
Övrig: Traditionella larm för vitala tecken kontra BioVitals Index vs National Early Warning Score 2
Vi kommer i efterhand att jämföra de larm som produceras från traditionella vitala larm (tröskelvärden inställda av läkare) mot BioVitals Index vs National Early Warning Score 2
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Larmbörda
Tidsram: Från intagning till utskrivning, mätt i timmar, i genomsnitt 5 dagar
|
Antalet larm som utlösts per patient och timme
|
Från intagning till utskrivning, mätt i timmar, i genomsnitt 5 dagar
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Känslighet för igenkänning av en säkerhetskomposit
Tidsram: Från intagning till utskrivning, i genomsnitt 5 dagar
|
Känsligheten (sanna positiva dividerat med tillståndspositiva) för upptäckt av en säkerhetskomposit (övernattningsbesök, extra oplanerat besök, förflyttning tillbaka till sjukhuset, dödsfall under inläggning, delirium, medvetslöshet eller annan större händelse).
|
Från intagning till utskrivning, i genomsnitt 5 dagar
|
|
Specificitet för igenkänning av en säkerhetskomposit
Tidsram: Från intagning till utskrivning, i genomsnitt 5 dagar
|
Specificiteten (sanna negativa dividerat med tillståndsnegativa) för upptäckt av en säkerhetskomposit (övernattningsbesök, extra oplanerat besök, förflyttning tillbaka till sjukhuset, dödsfall under inläggning, delirium, medvetslöshet eller annan större händelse).
|
Från intagning till utskrivning, i genomsnitt 5 dagar
|
|
Positivt prediktivt värde för igenkänning av en säkerhetskomposit
Tidsram: Från intagning till utskrivning, i genomsnitt 5 dagar
|
Det positiva prediktiva värdet (sanna positiva dividerat med summan av sanna positiva plus falska positiva) för upptäckt av en säkerhetskomposit (övernattningsbesök, extra oplanerat besök, förflyttning tillbaka till sjukhuset, dödsfall under inläggning, delirium, medvetslöshet eller annat stort evenemang).
|
Från intagning till utskrivning, i genomsnitt 5 dagar
|
|
Negativt prediktivt värde för igenkänning av en säkerhetskomposit
Tidsram: Från intagning till utskrivning, i genomsnitt 5 dagar
|
Det negativa prediktiva värdet (sanna negativa dividerat med summan av sanna negativ plus falskt negativ) för upptäckt av en säkerhetskomposit (övernattningsbesök, extra oplanerat besök, förflyttning tillbaka till sjukhuset, död under inläggning, delirium, medvetslöshet eller annat stort evenemang).
|
Från intagning till utskrivning, i genomsnitt 5 dagar
|
|
Antal larm med klinisk nytta
Tidsram: Från intagning till utskrivning, i genomsnitt 5 dagar
|
Vi kommer att använda generella skattningsekvationer (GEE) med tre utfall per patient (antalet kliniskt viktiga larm för BioVitals, NEWS2 och traditionella vitala tecken); GEE kommer att redogöra för klustringen mellan de tre resultaten på en patient.
GEE kommer att använda en negativ binomial marginalmodell med en log-länk för antalet larm med klinisk nytta och en offset för logg-vistelse (i timmar); med denna modell modellerar vi frekvensen per timme för antalet larm med klinisk nytta med BI, NEWS2 och traditionella vitala tecken.
Den huvudsakliga kovariaten i den negativa binomialmodellen kommer att vara en kovariat på tre nivåer för metod: BI vs NEWS2 vs traditionella vitala tecken, och exponentialen för effekten av denna kovariat kommer att vara ett parvis frekvensförhållande för BI vs NEWS2 vs traditionella vitala tecken.
|
Från intagning till utskrivning, i genomsnitt 5 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
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 (Faktisk)
20 mars 2025
Avslutad studie (Faktisk)
16 februari 2026
Studieregistreringsdatum
Först inskickad
14 april 2021
Först inskickad som uppfyllde QC-kriterierna
15 september 2021
Första postat (Faktisk)
16 september 2021
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
17 mars 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
16 mars 2026
Senast verifierad
1 mars 2026
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
- Urogenitala sjukdomar
- Kärlsjukdomar
- Hjärt-kärlsjukdomar
- Patologiska processer
- Manliga urogenitala sjukdomar
- Njursjukdomar
- Urologiska sjukdomar
- Kvinnliga urogenitala sjukdomar
- Kvinnliga urogenitala sjukdomar och graviditetskomplikationer
- Hjärtsjukdom
- Kronisk sjukdom
- Sjukdomsegenskaper
- Immunsystemets sjukdomar
- Luftvägssjukdomar
- Lungsjukdomar
- Bronkialsjukdomar
- Lungsjukdomar, obstruktiv
- Respiratorisk överkänslighet
- Överkänslighet, Omedelbar
- Överkänslighet
- Njurinsufficiens
- Hypertoni
- Patologiska tillstånd, tecken och symtom
- Hypertensiv kris
- Hjärtsvikt
- Lungsjukdom, kronisk obstruktiv
- Astma
- Infektioner
- Njurinsufficiens, kronisk
Andra studie-ID-nummer
- 2017P002583d
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 .