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

Förutsäga ICU-dödlighet hos ARDS-patienter (POSTCARDS)

17 augusti 2023 uppdaterad av: Jesus Villar, Dr. Negrin University Hospital

Förutsäga dödlighet hos patienter med akut andnödsyndrom med hjälp av maskininlärning

Utredarna planerar att utföra en sekundär analys av en akademisk datauppsättning av 1 303 patienter med måttligt till allvarligt akut respiratoriskt nödsyndrom (ARDS) inkluderade i flera publicerade kohorter (NCT00736892, NCT02288949, NCT02836444, NCT0414, NCT0415, som syftar till att karakterisera det bästa tidigt). modell för att förutsäga varaktigheten av mekanisk ventilation och dödlighet på intensivvårdsavdelningen (ICU) efter ARDS-diagnos med hjälp av maskininlärningsmetoder.

Studieöversikt

Status

Avslutad

Intervention / Behandling

Detaljerad beskrivning

Det akuta andningsnödsyndromet (ARDS) är en allvarlig form av akut hypoxemisk andningssvikt på Critical Care Units över hela världen. De flesta ARDS-patienter kräver mekanisk ventilation (MV). Få studier har undersökt förutsägelsen av MV-varaktighet och dödlighet av ARDS.

För modellbeskrivning kommer utredarna att extrahera data från de två första ICU-dagarna efter diagnos av måttlig till svår ARDS från patienter som ingår i den avidentifierade databasen, som inkluderar 1 303 mekaniskt ventilerade patienter inskrivna i flera observationskohorter i Spanien, koordinerade av huvudutredaren (JV), och finansierad av Instituto de Salud Carlos III (ISCIII). Utredarna kommer att följa TRIPOD:s riktlinjer och tekniker för maskininlärning kommer att implementeras (Random Forest, XGBoost, logistisk regressionsanalys och/eller neurala nätverk) för utveckling av prediktionsmodellen, och noggrannheten kommer att jämföras med de för befintliga poängsystem för bedömning av ICUs svårighetsgrad (APACHE II, SOFA) och PaO2/FiO2-förhållandet. För extern validering kommer utredarna att använda 303 patienter inskrivna i en samtida observationsstudie (NCT03145974). Utredarna kommer att utvärdera prediktionsmodellernas noggrannhet genom att beräkna respektive förvirringsmatris och flera statistik såsom sensitivitet, specificitet, positivt prediktivt värde och negativt prediktivt värde för mortalitet och varaktighet av MV. Utredarna kommer att välja den bästa probabilistiska modellen med ett minimum antal kliniska variabler.

Studietyp

Observationell

Inskrivning (Faktisk)

1303

Kontakter och platser

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

Studieorter

      • Barcelona, Spanien, 08036
        • Department of Anesthesia, Hospital Clinic
      • Madrid, Spanien, 28046
        • Hospital Universitario La Paz (ICU)
    • Las Palmas
      • Las Palmas De Gran Canaria, Las Palmas, Spanien, 35019
        • Hospital Universitario Dr. Negrin

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

16 år till 98 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Avidentifierad datauppsättning inklusive 1 303 patienter med måttlig/svår ARDS inlagda i följd i ett nätverk av spanska intensivvårdsavdelningar.

Beskrivning

Inklusionskriterier:

  • Berlinkriterier för måttlig till svår ARDS

Exklusions kriterier:

  • Postoperativa patienter ventilerade

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: Blivande

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Härledningskohort
Den kommer att innehålla 700 patienter (70 % av 1 000 ARDS-patienter)
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, XGBoost eller Neural Networks.
Andra namn:
  • Logistisk tillbakagång
  • korsvalidering
  • ligger under ROC-kurvorna
Valideringskohort
Den kommer att innehålla 300 patienter (30 % av 1 000 ARDS-patienter)
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, XGBoost eller Neural Networks.
Andra namn:
  • Logistisk tillbakagång
  • korsvalidering
  • ligger under ROC-kurvorna
Konfirmerande kohort
Den kommer att innehålla 303 patienter (för extern validering)
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, XGBoost eller Neural Networks.
Andra namn:
  • Logistisk tillbakagång
  • korsvalidering
  • ligger under ROC-kurvorna

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
ICU-dödlighet
Tidsram: upp till 6 månader
dödlighet på intensivvårdsavdelningen
upp till 6 månader

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
MV varaktighet
Tidsram: från ARDS-diagnos till extubation
Varaktighet för mekanisk ventilation
från ARDS-diagnos till extubation

Samarbetspartners och utredare

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

Samarbetspartners

Utredare

  • Huvudutredare: Jesús Villar, MD, PhD, Hospital Universitario D. Negrin

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.

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)

14 november 2022

Primärt slutförande (Faktisk)

1 augusti 2023

Avslutad studie (Faktisk)

1 augusti 2023

Studieregistreringsdatum

Först inskickad

1 november 2022

Först inskickad som uppfyllde QC-kriterierna

8 november 2022

Första postat (Faktisk)

9 november 2022

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

21 augusti 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

17 augusti 2023

Senast verifierad

1 augusti 2023

Mer information

Termer relaterade till denna studie

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 Akut respiratoriskt distress-syndrom

Kliniska prövningar på maskininlärningsanalys

3
Prenumerera