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

Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy

8 augusti 2026 uppdaterad av: Sofia De La Villa, Instituto de Investigación Sanitaria Gregorio Marañón

Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy: A Prospective Quasi-Experimental Study

The goal of this quasi-experimental study is to analyze if a Machine Learning Clinical Decision Support System can improve the empirical antibiotic treatment in patients with pneumonia, urinary tract infection and / or sepsis.

The main questions it aims to answer are:

  • Primary outcome: clinical success defined as clinical cure (resolution of all signs and symptoms related to infection); no complications until day 30 (recurrence, or development of adverse events- AEs-); no new acquisition of MDROs; and survival at day 30.
  • Secondary outcomes: a subgroup analysis of the primary outcome according to the department participants, infectious syndrome, severity of the infection assessed by the SOFA score, and in microbiological confirmed infections. In microbiological confirmed infections, desirability of Outcome Ranking (DOOR) for the Management of Antimicrobial Therapy (MAT) according to the beta-lactam classification

Researchers will compare a pre-intervention group with a post-intervention to see if improve in the DOOR MAT score

Participants in the post-intervention group will:

• Received empirical antibiotic therapy prescribed by their treating physicians according to the machine-learning recommendations

Studieöversikt

Status

Har inte rekryterat ännu

Betingelser

Intervention / Behandling

Studietyp

Interventionell

Inskrivning (Beräknad)

486

Fas

  • Inte tillämpbar

Kontakter och platser

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

Studiekontakt

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

Beskrivning

Inclusion Criteria:

  • Adult patients (aged ≥18 years)
  • Admitted to the Nephrology, Oncology or ICU wards
  • Diagnosis of sepsis, pneumonia and/or UTI
  • Empirical antibiotics prescribed

Exclusion Criteria:

  • informed consent obtained > 48 hours since the infection onset
  • beta-lactam allergy
  • infection syndrome other than sepsis, pneumonia or UTI
  • confirmed no-bacterial infection
  • death within the first 48 hours of inclusion or imminent risk of death at time of the inclusion
  • pregnancy and/or breastfeeding
  • inclusion in a clinical trial of antimicrobial treatment

Studieplan

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

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Behandling
  • Tilldelning: Icke-randomiserad
  • Interventionsmodell: Sekventiell tilldelning
  • Maskning: Ingen (Open Label)

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Inget ingripande: Pre-interventional
Hospital standard practices for diagnosis and/or treatment applied
Experimentell: Interventional
Hospital standard practices + use of a CDSS tool
Övrig: Machine Learning Decision Support System
iAST® (Pragmatech AI Solutions) is a medical device designed to assist the antibiotic prescription, currently approved by the European Medicines Agency. It used complex algorithms to accurately predict the most likely recommended antibiotics for providing coverage for specific aerobic bacteria before definitive microbiological results, bacterial identification and antibiotic susceptibility testing, were known

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Clinical success
Tidsram: 30-Day
resolution of all signs and symptoms related to infection with no complications and survival
30-Day

Samarbetspartners och utredare

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

Sponsor

Instituto de Investigación Sanitaria Gregorio Marañón

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 (Beräknad)

1 september 2026

Primärt slutförande (Beräknad)

1 augusti 2027

Avslutad studie (Beräknad)

1 september 2027

Studieregistreringsdatum

Först inskickad

5 augusti 2026

Först inskickad som uppfyllde QC-kriterierna

8 augusti 2026

Första postat (Faktisk)

13 augusti 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

13 augusti 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

8 augusti 2026

Senast verifierad

1 augusti 2026

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • MICRO.HGUGM.2026-003

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

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