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

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

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.
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.
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.

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

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