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

Maskininlärningsmodell för att förutsäga resultat och varaktighet av mekanisk ventilation vid akut hypoxemisk andningssvikt (MEMORIAL)

7 juli 2026 uppdaterad av: Jesus Villar, Hospital Universitario de Gran Canaria Doctor Negrín

Utveckla en optimal maskininlärningsmodell för att förutsäga ICU-resultat och varaktighet av mekanisk ventilation hos patienter med akut hypoxemisk andningssvikt

Akut hypoxemisk andningssvikt (AHRF) är den vanligaste orsaken till inläggning på intensivvårdsavdelningar (UCI) över hela världen. Vi kommer att bedöma värdet av maskininlärningstekniker (ML) för tidig förutsägelse av intensivvårdsdöd och förlängd varaktighet (>7 dagar) av mekanisk ventilation (MV) hos 1 241 patienter inskrivna i PANDORA-studien (Prevalence AND Outcome of acute Respiratory FAilure) i Spanien. Studien registrerades hos ClinicalTrials.gov (NCT03145974). Vårt mål är att utvärdera det minsta antalet variabelmodeller med hjälp av logistisk regression och fyra övervakade ML-algoritmer: Random Forest, Extreme Gradient Boosting, Support Vector Machine och Multilayer Perceptron.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Akut hypoxemisk andningssvikt (AHRF) är den vanligaste orsaken till inläggning på intensivvårdsavdelningar (UCI) över hela världen. Vi kommer att bedöma värdet av maskininlärningstekniker (ML) för tidig förutsägelse av ICU-död och förlängd varaktighet (>7 dagar) av mekanisk ventilation (MV) hos AHRF-patienter på MV. Få studier har undersökt förutsägelsen av mortalitet och varaktighet av MV hos patienter med AHRF.

För modellutveckling kommer utredarna att extrahera data för de första 3 dagarna efter diagnos av AHRF från patienter som ingår i den avidentifierade databasen för PANDORA-kohorten. Vi hade en databas med 2 000 000 anonymiserade och dissocierade demografiska och kliniska data från 1 241 patienter med AHRF inskrivna i vår PANDORA-kohort (Prevalence AND Outcome of acute Respiratory FAilure) från 22 spanska sjukhus och koordinerade av huvudutredaren (JV). Utredarna kommer att följa den Transparenta rapporteringen av en multivariabel prediktionsmodell för individuell prognos eller diagnos (TRIPOD) riktlinjer för modellprediktion. Vi kommer att screena insamlade variabler med hjälp av en genetisk algoritm variabel urvalsmetod för att uppnå sparsamhet. Vi utvärderade det minsta antalet variabelmodeller med hjälp av logistisk regression och 4 övervakade ML-algoritmer: Random Forest, Extreme Gradient Boosting, Support Vector Machine och Multilayer Perceptron. Vi kommer att använda en 5-faldig korsvalidering i datasetet för 1 000 patienter som valts ut slumpmässigt i träningsdata (80 %) och testdata (20 %). För extern validering kommer vi att använda de återstående 241 patienterna.

Studietyp

Observationell

Inskrivning (Faktisk)

1241

Kontakter och platser

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

Studieorter

  • Spanien
      • Ciudad Real, Spanien, 13005
        • Hospital General Universitario de Ciudad Real
      • Cuenca, Spanien, 16002
        • Hospital Virgen de La Luz
      • Madrid, Spanien, 28046
        • Hospital Universitario La Paz
      • Madrid, Spanien, 28222
        • Hospital Universitario Puerta De Hierro
      • Murcia, Spanien, 3012
        • Hospital Universitario Virgen de Arrixaca
      • Santa Cruz de Tenerife, Spanien, 38010
        • Hospital Universitario NS de Candelaria
      • Valencia, Spanien, 46010
        • Hospital Cinico de Valencia
      • Valladolid, Spanien, 47012
        • Hospital Universitario Río Hortega

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

  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Avidentifierad datauppsättning som inkluderar 1 241 mekaniskt ventilerade patienter med akut hypoxemisk andningssvikt som lades in i följd i ett nätverk av spanska intensivvårdsavdelningar.

Beskrivning

Inklusionskriterier:

  • endotrakeal intubation plus mekanisk ventilation (MV)
  • PaO2/FiO2-förhållande ≤300 mmHg under MV med positivt slutexpiratoriskt tryck (PEEP) ≥5 cmH2O och FiO2 ≥0,3.

Exklusions kriterier:

  • Postoperativa patienter ventilerade <24 timmar
  • Hjärndödspatienter.

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
Valideringskohort
Den kommer att innehålla 200 patienter slumpmässigt utvalda (20 % av 1 000 patienter med AHRF
Övrig: maskininlärningsanalys
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine och Multilayer Perceptron.
Andra namn:
  • Logistisk regression, korsvalidering och area under ROC-kurvorna
Konfirmerande kohort
Den kommer att innehålla de återstående 241 patienterna slumpmässigt utvalda (genom extern validering)
Övrig: maskininlärningsanalys
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine och Multilayer Perceptron.
Andra namn:
  • Logistisk regression, korsvalidering och area under ROC-kurvorna
Derivationskohort
Det kommer att innehålla 800 patienter slumpmässigt utvalda (1 000 patienter med AHRF)
Övrig: maskininlärningsanalys
Vi kommer att använda robusta metoder för maskininlärning, såsom Random Forest, Extreme Gradient Boosting, Support Vector Machine och Multilayer Perceptron.
Andra namn:
  • Logistisk regression, korsvalidering och area under ROC-kurvorna

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
ICU-dödlighet
Tidsram: upp till 100 veckor (från inkludering till dödsfall eller utskrivning från intensivvårdsavdelning
dödsfall på intensivvårdsavdelningen
upp till 100 veckor (från inkludering till dödsfall eller utskrivning från intensivvårdsavdelning

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
MV varaktighet
Tidsram: upp till 100 veckor (från inkludering till extubering)
varaktighet för mekanisk ventilation
upp till 100 veckor (från inkludering till extubering)

Samarbetspartners och utredare

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

Sponsor

Hospital Universitario de Gran Canaria Doctor Negrín

Utredare

  • Huvudutredare: Jesus Villar, MD, PhD, Fundación Canaria Instituto de Investigación Sanitaria de Canarias

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)

19 mars 2024

Primärt slutförande (Faktisk)

30 maj 2026

Avslutad studie (Faktisk)

30 maj 2026

Studieregistreringsdatum

Först inskickad

19 mars 2024

Först inskickad som uppfyllde QC-kriterierna

26 mars 2024

Första postat (Faktisk)

27 mars 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

9 juli 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

7 juli 2026

Senast verifierad

1 juli 2026

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • PI24/00325

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 .

Prenumerera