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

Forskning om multimodal multi-objektiv integrerad maskinalgoritm för höftproteskirurgi

13 november 2024 uppdaterad av: Jingkun Liu

HoPreM-plattform: Effektiv multimodal multi-task förutsägelse av perioperativa händelser efter höftproteskirurgi

Ändamål:

Syftet med denna studie är att utveckla Holistic Predictive Multi-Tasking Platform for Clinical Data Analysis (HoPreM) för att exakt förutsäga perioperativa händelser efter höftproteskirurgi genom att integrera olika typer av data, inklusive demografisk, kirurgisk, medicinsk historia och laboratorieinformation. Händelserna vi strävar efter att förutsäga inkluderar akut njurskada (AKI), krav på blodtransfusion, 48 timmars postoperativ utskrivning (48hPOD), överföring på intensivvårdsavdelning (ICU) och längd på sjukhusvistelse (LOS).

Nyckelfrågor:

Kan HoPreM-plattformen minska risken för komplikationer efter höftprotesoperation? Hur exakt är plattformen när det gäller att förutsäga de ovannämnda perioperativa händelserna?

Deltagarna kommer att:

Vara patienter som genomgår en höftprotesoperation, 18 år och äldre, med mindre än 10 % saknade värden i sina journaler.

Låt deras data användas för att träna och testa de prediktiva modellerna för HoPreM-plattformen.

Studieprocedurer:

Patientdata kommer att samlas in från Xi'an Honghui Hospital, inklusive kreatininvärden före och efter operationen.

Forskare kommer att använda HoPreM-plattformen för att bearbeta multimodala data, inklusive demografisk, kirurgisk, medicinsk historia och laboratorietestdata.

Plattformen kommer att tillämpa olika ensembleinlärningsalgoritmer (inklusive XGBoost, random forest, LightGBM och CatBoost) för att förutsäga olika perioperativa resultat.

Förväntade resultat:

HoPreM-plattformen kommer att visa sin förmåga att förutsäga komplikationer efter höftproteskirurgi, särskilt akuta njurskador och krav på blodtransfusion.

Genom SHAP värdeanalys kommer studien att ytterligare avslöja sambanden mellan egenskaper och kliniska resultat, vilket förbättrar modellens tolkningsbarhet och kliniska användbarhet.

Kontaktinformation:

Om du har några frågor om denna studie eller vill ha mer information, vänligen kontakta forskargruppen.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Detaljerad beskrivning

Denna studie syftar till att utveckla Holistic Predictive Multi-Tasking Platform for Clinical Data Analysis (HoPreM) för att exakt förutsäga perioperativa händelser efter höftprotesoperation. HoPreM-plattformen integrerar olika typer av patientdata, inklusive demografisk, kirurgisk, medicinsk historia och laboratorieinformation. Med hjälp av en multi-task inlärningsram är plattformen designad för att förutsäga flera perioperativa komplikationer, såsom akut njurskada (AKI), blodtransfusionskrav, 48 timmars postoperativ utskrivning (48hPOD), överföring på intensivvårdsavdelning (ICU) och längd sjukhusvistelse (LOS). För att förbättra prediktiv noggrannhet används funktionsvalstekniker som Lasso-regression och slumpmässiga skogsmodeller, följt av ensembleinlärningsalgoritmer, inklusive CatBoost. Denna prediktiva plattform förväntas stödja personlig postoperativ hantering, minska komplikationsfrekvensen och förbättra kliniska resultat för höftprotespatienter.

Studietyp

Observationell

Inskrivning (Faktisk)

6271

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

Denna studie inkluderar vuxna patienter som har genomgått höftprotesoperation på Xi'an Honghui Hospital. Studiepopulationen kännetecknas av en mångfald av kön, ålder och medicinsk historia, inklusive patienter med hypertoni, diabetes och andra samsjukligheter. Inklusionskriterierna är:

Ålder 18 år eller äldre Saknade värden i journaler mindre än 10 % Logiskt konsekventa journaler Tillgänglighet av både preoperativa och postoperativa kreatininvärden Målet är att skapa en omfattande datauppsättning som representerar den typiska demografin av patienter som ses i klinisk praxis för höftproteskirurgi.

Beskrivning

Inklusionskriterier:

Patienter som genomgått höftprotesoperation Ålder 18 år eller äldre Saknade värden i journaler mindre än 10 % Logiskt överensstämmande journaler Tillgänglighet av både preoperativa och postoperativa kreatininvärden

Uteslutningskriterier:

Patienter med icke-höftprotesoperation (patienter som inte genomgått en höftprotesoperation) Ålder mindre än 18 år Saknade värden större än 10 % i journalen Logiska inkonsekvenser i journalen Inga tillgängliga preoperativa eller postoperativa kreatininvärden

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
Höftersättningskohort
Denna kohort inkluderar patienter som genomgår höftprotesoperation. HoPreM-plattformen används för multi-task prediktiv analys av perioperativa komplikationer, inklusive AKI, blodtransfusionskrav, postoperativ utskrivning inom 48 timmar, ICU-överföring och längd på sjukhusvistelse (LOS).
Denna studie använder en multimodal dataintegration och multi-task inlärningsmetod för att förutsäga perioperativa händelser efter höftprotesoperation. Genom att kombinera olika datatyper, inklusive demografi, kirurgiska detaljer, medicinsk historia och labbresultat, förbättrar modellen prediktionsnoggrannheten för utfall som AKI, blodtransfusionsbehov och ICU-överföringar. Användningen av ensembleinlärningsalgoritmer som CatBoost optimerar plattformens prestanda och erbjuder en unik metod för kliniskt beslutsstöd.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Blodtransfusionskrav
Tidsram: Från efter operation dag 1 till utskrivning, upp till max 40 dagar, bedömt utifrån om blodtransfusion registrerats under sjukhusvistelsen.
Att utvärdera behovet av blodtransfusion postoperativt.
Från efter operation dag 1 till utskrivning, upp till max 40 dagar, bedömt utifrån om blodtransfusion registrerats under sjukhusvistelsen.
48-timmars postoperativ utskrivning
Tidsram: Inom 48 timmar efter operationen, bedömd utifrån om patienten skrevs ut från sjukhuset inom denna 48-timmarsperiod.
Detta utfallsmått bedömer om patienten skrevs ut från sjukhuset inom 48 timmar efter operationen.
Inom 48 timmar efter operationen, bedömd utifrån om patienten skrevs ut från sjukhuset inom denna 48-timmarsperiod.
ICU-överföring
Tidsram: Från efter operation dag 1 till utskrivning, upp till maximalt 40 dagar, bedömt utifrån om en ICU-överföring skett under sjukhusvistelsen.
Detta utfallsmått registrerar om patienten överfördes till intensivvårdsavdelningen (ICU) vid någon tidpunkt under sjukhusvistelsen från dag 1 efter operationen fram till utskrivningen, med en maximal observationsperiod på 40 dagar.
Från efter operation dag 1 till utskrivning, upp till maximalt 40 dagar, bedömt utifrån om en ICU-överföring skett under sjukhusvistelsen.
Längd på sjukhusvistelsen
Tidsram: Total längd på sjukhusvistelsen från intagning till utskrivning, med en maximal observationstid på 40 dagar.
Detta utfallsmått beräknar det totala antalet dagar som patienten tillbringar på sjukhuset från inläggning till utskrivning, upp till maximalt 40 dagar.
Total längd på sjukhusvistelsen från intagning till utskrivning, med en maximal observationstid på 40 dagar.
Incidens av akut njurskada (AKI).
Tidsram: Från dag 1 till dag 7 efter operationen.
AKI-incidensen kommer att bedömas dagligen genom att jämföra serumkreatininnivåerna med den preoperativa baslinjen. AKI-incidensen bestäms av en ≥0,3 mg/dL ökning av kreatinin inom 48 timmar eller en ≥50 % ökning inom 7 dagar från baslinjen.
Från dag 1 till dag 7 efter operationen.

Samarbetspartners och utredare

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

Sponsor

Utredare

  • Huvudutredare: Jingkun Liu, Honghui hospital, Xi'an Jiaotong University

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)

24 oktober 2024

Primärt slutförande (Faktisk)

31 oktober 2024

Avslutad studie (Beräknad)

31 december 2025

Studieregistreringsdatum

Först inskickad

6 november 2024

Först inskickad som uppfyllde QC-kriterierna

12 november 2024

Första postat (Faktisk)

14 november 2024

Uppdateringar av studier

Senaste uppdatering publicerad (Beräknad)

18 november 2024

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

13 november 2024

Senast verifierad

1 november 2024

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • Xi'anHongHuiH

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

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