FÖRUTSÄTTANDE OCH AVANCERADE ANALYTIKER INOM AKUTMEDICIN - NEUROLOGISKA DEFICITS (PAN-EM-NEURO)
Framtida prediktiv modellering inom akutmedicin kommer sannolikt att kombinera användningen av ett brett utbud av datapunkter såsom kontinuerlig dokumentation, övervakning med hjälp av bärbara enheter, avbildning, biomarkörer och administrativa realtidsdata från alla inblandade vårdgivare. Efterföljande omfattande datamängder kan mata avancerad djupinlärning och neurala nätverksalgoritmer för att exakt förutsäga risken för specifika hälsotillstånd. Dessutom styr prediktiv analys mot utvecklingen av kliniska vägar som är adaptiva och kontinuerligt uppdaterade, och där beslutsfattande inom hälso- och sjukvården stöds av sofistikerade algoritmer för att ge det bästa tillvägagångssättet effektivt och säkert. Potentialen för prediktiv analys att revolutionera många aspekter av vården verkar klar i horisonten. Information om användningen inom akutmedicin är knapphändig.
Vi strävar efter att utvärdera prestandan av att använda rutindata för att förutsäga resursanvändning inom akutmedicin med hjälp av det vanligaste symtomet på akut neurologisk brist. Som en outlook kan detta fungera som en prototyp för andra liknande projekt som använder rutinmässig medicinsk data för prediktiv analys inom akutmedicin.
Studieöversikt
Status
Studietyp
Inskrivning (Beräknad)
Kontakter och platser
Studiekontakt
- Namn: Jan Niederdöckl, MD
- Telefonnummer: 0042 40 400 19640
- E-post: jan.niederdoeckl@meduniwien.ac.at
Studieorter
-
-
-
Vienna, Österrike, 1090
- Rekrytering
- Emergency Department, Medical University Vienna
-
Kontakt:
- Jan Niederdöckl, Dr.
- E-post: jan.niederdoeckl@medunwien.ac.at
-
Kontakt:
- Alexander Simon, Dr.
- E-post: alexander.simon@medunwien.ac.at
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Retrospektiv analys av rutinmässigt insamlad data. Vi strävar efter att hitta datamönster förknippade med resursutnyttjande på sjukhus av patienter som är inlagda på sjukhus av akutsjukvård för misstänkt akut neurologiskt underskott.
Vi kommer endast att använda information från det rutinmässiga elektroniska medicinska dokumentationssystemet för denna studie. Ingen länkning till andra datauppsättningar kommer att utföras. Data i systemet inkluderar patientdemografi, initiala symtom, prehospitala vitala tecken och poäng, misstänkt diagnos av akutsjukvård, sjukhusens vitala tecken och poäng, sjukhusdiagnostik (datortomografi CT, magnetisk resonanstomografi MRI) och terapeutiska (kateterintervention) procedurer och slutlig diagnos. Se "variabler" för en fullständig uppsättning variabler.
För syftet med denna studie kommer endast en fullständigt pseudonomyserad datauppsättning att användas.
Beskrivning
Inklusionskriterier:
- Kvinnliga och manliga ämnen
- Ålder ≥ 18 år
Exklusions kriterier:
- ingen
Studieplan
Hur är studien utformad?
Designdetaljer
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förutsägelsemodell
Tidsram: 1.1.2025
|
att bli utvecklad
|
1.1.2025
|
Samarbetspartners och utredare
Sponsor
Publikationer och användbara länkar
Allmänna publikationer
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Beräknad)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- EK- Nr. 1738/2022
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
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 .