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

Förutsägelse av hjärtinstabilitet inom intensivvård (PRECAIN)

16 augusti 2022 uppdaterad av: Kepler University Hospital

Ett stort antal olika organfunktioner registreras i realtid för patienter som övervakas på en intensivvårdsavdelning. Dels används de uppmätta värdena som samlas in på detta sätt för kontinuerlig övervakning av vitala parametrar, men de utvärderas också flera gånger om dagen för att kunna fatta beslut om fortsatt diagnostik och terapi. I det första fallet kan tröskelvärden definieras och om dessa överskrids eller underskrids larmas behandlingsteamet automatiskt. Om dessa gränser sätts för frikostigt, kommer larmet endast att indikera en akut risk för patienten, där omfattande patofysiologiska förändringar redan har inträffat. Om gränsvärdena väljs för restriktivt förekommer ofta falsklarm, eftersom gränserna i de flesta fall överskrids på grund av naturliga fluktuationer, utan att detta har något patologiskt värde. Konsekvensen är en så kallad "larmtrötthet", som i värsta fall leder till att korrekta larm ignoreras och därmed äventyrar patienterna. Genom designen visar alla dessa avläsningar bara status quo för en patient. Det är behandlingsteamets uppgift att utifrån förloppet av dessa avläsningar förutse om en hotfull situation utvecklas för patienten.

För daglig klinisk praxis skulle det vara bättre om farliga förändringar i vitala tecken kunde förutsägas. I detta fall skulle det vara möjligt att ingripa terapeutiskt inte bara när en farlig situation har uppstått, utan att försöka avvärja denna situation genom adekvata åtgärder genom att ändra terapistrategin. I ett sådant fall skulle behandlingsteamet inte längre konfronteras med nödlarm, utan skulle kunna motverka en förestående försämring med lång ledtid.

De första metoderna för att upptäcka ett blodtrycksfall, till exempel, som bygger på enkla modeller, är redan i klinisk användning.

Studieöversikt

Status

Avslutad

Betingelser

Studietyp

Observationell

Inskrivning (Faktisk)

3069

Kontakter och platser

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

Studieorter

    • Upper Austria
      • Linz, Upper Austria, Österrike, 4021
        • Kepler University 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

Som beskrivs i inklusionskriterierna.

Beskrivning

Inklusionskriterier:

  • Alla vuxna patienter som har behandlats på intensivvårdsavdelningarna på Kepler University Hospital, Linz, Österrike mellan 2018-03-01 och 2020-10-31.

Exklusions kriterier:

  • Ingen.

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Kohort
  • Tidsperspektiv: Retrospektiv

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Instabilitet
Machine Learning Prediction
Ingen instabilitet
Machine Learning Prediction

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
AUROC för klassificering av instabilitet
Tidsram: 2018-03-01 till 2020-10-31
AUROC för klassificering av instabilitet
2018-03-01 till 2020-10-31

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Förvirringsmatris
Tidsram: 2018-03-01 till 2020-10-31
Förvirringsmatrisresultat: sanna positiva, sanna negativa, falska positiva, falska negativa och värden beräknade från dessa resultat.
2018-03-01 till 2020-10-31
Beskrivande statistik Detta resultatmått kommer att jämföra den individuella egenskapen (t.ex. höjd i cm) i en grupp med den andra. Signifikant skillnad kommer att beskrivas med p-värde.
Tidsram: 2018-03-01 till 2020-10-31

Beskrivande statistik (ålder i år, längd i cm, vikt i kg, kön som man/hona, dödsdatum, standardlaboratoriemätningar (t.ex. blodgasanalys, fullständigt blodvärde, leverfunktionstester, njurfunktionstester), ICD 10- koder förknippade med patientens inläggning, Glasgow Coma Scale)

Detta resultatmått kommer att jämföra den individuella egenskapen (t.ex. höjd i cm) i en grupp mot den andra. Signifikant skillnad kommer att beskrivas med p-värde.

2018-03-01 till 2020-10-31

Samarbetspartners och utredare

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

Utredare

  • Huvudutredare: Thomas Tschoellitsch, MD, Kepler University Hospital and Johannes Kepler University, Linz, Austria

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 juni 2022

Primärt slutförande (Faktisk)

31 juli 2022

Avslutad studie (Faktisk)

31 juli 2022

Studieregistreringsdatum

Först inskickad

12 juli 2022

Först inskickad som uppfyllde QC-kriterierna

20 juli 2022

Första postat (Faktisk)

22 juli 2022

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

17 augusti 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

16 augusti 2022

Senast verifierad

1 augusti 2022

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • PRECAIN

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 Machine Learning Prediction

3
Prenumerera