神经重症患者的信号分析
2018年6月3日 更新者:Yi-Hsin Tsai、Far Eastern Memorial Hospital
使用小波变换和深度学习分析重症监护病房神经重症患者的生理信号
该项目利用小波变换和深度学习等大数据分析技术,对神经重症患者的生理信号进行分析,建立模型来评估颅内状况和预测神经预后。
通过识别这些参数之间的相关性及其趋势,我们可以实现异常的早期发现,增强对当前神经系统状况的判断和预后预测的能力。
通过在ICU中不断输入过去和现在的数据,模型会反复修改,随着模型的增长其准确性会提高。
该模型可用于更早地识别异常并提供警告系统。
照顾神经重症患者的临床医生可以根据该系统调整他们的治疗策略并评估结果。
研究概览
研究类型
观察性的
注册 (实际的)
156
联系人和位置
本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。
学习地点
-
-
-
New Taipei City、台湾、200
- Far Eastern Memorial Hospital
-
-
参与标准
研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
20年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
入住重症监护病房(ICU)的神经重症患者,包括但不限于创伤性脑损伤、出血性中风、缺血性中风、脑部感染、脑肿瘤和急性脑积水。
描述
纳入标准:
- 年龄等于或大于 20 岁
- 入住重症监护病房(ICU)的神经重症患者,包括但不限于创伤性脑损伤、出血性中风、缺血性中风、脑部感染、脑肿瘤和急性脑积水。
- 接受过颅脑手术并插入颅内压监测器或脑室外引流的患者。 ICU中央监护仪可连续采集数据
排除标准:
- 年龄小于 20 岁。
- 连续监测颅内压是不可行的。
学习计划
本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
---|---|
神经重症患者
脑外伤、缺血性中风、出血性中风(脑出血、蛛网膜下腔出血)、颅内压增高的脑肿瘤、脑部感染、脑积水等患者。
|
患者可能有颅内压 (ICP) 监测器插入或可用作 ICP 监测器的外部脑室引流。
其他名称:
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
神经状态
大体时间:从重症监护病房出院,平均 2 周
|
格拉斯哥昏迷量表/死亡率
|
从重症监护病房出院,平均 2 周
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员:Yi-Hsin Tsai, M.D.、Far Eastern Memorial Hospital
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
一般刊物
- Diederik P. Kingma and Jimmy Lei Ba. Adam: A method for stochastic optimization. Conference paper at ICLR 2015.
- Michael Unser and Akram Aldroubi. (1996 Apr) A review of wavelets in biomedical applications. Proceedings of the IEEE 84(4): 626-638.
- LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-44. doi: 10.1038/nature14539.
- Christopher Torrence and Gilbert P. Compo. (1998 Jan) A practical guide to wavelet analysis. Bulletin of the American Meteorological Society 79(1):61-78.
- Theis, Fabian & Meyer-Base, Anke. (2010). Biomedical Signal Analysis - Contemporary Methods and Applications. Biomedical Signal Analysis: Contemporary Methods and Applications.
- Min S, Lee B, Yoon S. Deep learning in bioinformatics. Brief Bioinform. 2017 Sep 1;18(5):851-869. doi: 10.1093/bib/bbw068.
- Yi Mao, Wenlin Chen, Yixin Chen, Chenyang Lu, Marin Kollef, and Thomas Bailey. (2012) An integrated data mining approach to real-time clinical monitoring and deterioration warning. Proceedings of the 18th ACM SIGKDD international conference on Knowledge discovery and data mining Pages 1140-1148. doi>10.1145/2339530.2339709
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2017年12月18日
初级完成 (实际的)
2018年5月24日
研究完成 (实际的)
2018年5月31日
研究注册日期
首次提交
2017年11月29日
首先提交符合 QC 标准的
2017年12月4日
首次发布 (实际的)
2017年12月5日
研究记录更新
最后更新发布 (实际的)
2018年6月6日
上次提交的符合 QC 标准的更新
2018年6月3日
最后验证
2018年6月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.
颅内压监测的临床试验
-
Royal Brompton & Harefield NHS Foundation TrustUniversity of Oxford; National Institute for Health Research, United Kingdom完全的