使用机器学习进行亚群特异性脓毒症鉴定
研究概览
详细说明
从 2020 年 7 月到 2021 年 2 月(含),我们将在 CRMC、OH 和 UCSF 的八个亚群中进行随机对照试验 (RCT)。 将纳入试验的亚群包括:心脏病学、胃肠病学 (GI)、重症监护病房 (ICU)、内科、肿瘤学、外科、移植和急诊科 (ED)。 本研究跨两个阶段的所有目标,包括随机对照试验,均已获得珍珠机构审查委员会的批准,并放弃了知情同意(IRB00007772、FWA00026887)。
在研究期间,所有 18 岁以上到急诊室就诊或入住参与机构住院部的患者,如果他们是本研究感兴趣的八个亚群之一的成员,将自动参加试验, 直到达到研究的目标入学率。 注册将需要随机化到控制或实验组。 患者将根据随机分配顺序分配到实验组或对照组,随机分配顺序由计算机程序在试验开始前生成,使用简单随机化,分配比例为 1:1。 这种分配顺序将对患者、医疗保健提供者和研究调查者隐藏。 然而,该试验将采用开放标签设计,因为完全盲化是不可能的,因为一些小组作业会在收到电话警报后自然显示。
研究中将有两个手臂。 控制臂将涉及由 InSight 原始版本监测的患者,实验臂将涉及由 InSight 的亚群定制版本监测的患者。 在两组中,如果适用的算法确定患者有患严重败血症的高风险,则会向患者当前位置的值班主管护士发送电话警报。 对警报的响应将遵循我们之前的败血症临床试验的方案。 该程序包括护士对患者进行床边评估以排除疑似感染。 这包括评估患者生命体征、EHR 记录和最近的实验室结果。 如果护士怀疑患有严重的脓毒症,医生随后会对患者进行评估,并在适当的情况下下达标准脓毒症治疗包的管理命令。
在临床试验的管理中,一些开放标签研究是整群随机化的,而另一些则是在个体患者水平上随机化的。 整群随机化经常用于最大程度地减少治疗组和对照组之间的“污染”,因为在开放标签研究中,提供者与双臂患者的接触通常会引起无意的行为偏差。 这些偏差可能会导致提供者调整他们在对照组中的干预措施以模仿他们在实验组中的行为,从而掩盖干预的效果并使研究结果偏向零。 尽管开放标签、整群随机试验可以有效地减少群体间的污染,但它们有几个明显的缺点,包括设计和分析更复杂,以及为达到相同的统计功效需要更多的患者入组要求。 由于更大的样本量通常需要增加试验的成本、长度或复杂性,目前的研究表明,由于整群分配的缺点,试验者应尽可能使用个体随机化。 鉴于这些考虑,我们得出结论,个体随机化是我们试验的最佳策略,因为它显着提高了统计功效,并允许独立于其他患者评估每个患者的结果。 为了尽量减少可能出现的偏差,我们还决定让双臂的自动电话呼叫文本完全相同。 在我们之前的脓毒症临床试验中成功使用患者水平的随机化让我们对这个试验设计充满信心。
在最后一名入组患者出院后,我们将评估主要终点是基于 SIRS 的院内死亡率和院内严重脓毒症/休克编码死亡率的次要终点、基于 SIRS 的住院时间和严重脓毒症/shock-coded 住院时间得到满足。 每个基于 SIRS 和严重脓毒症/休克编码患者组感兴趣的其他结果测量将包括:完成脓毒症生存运动(SSC)包的每个元素的时间;无呼吸机天数; ICU天数;和 30 天再入院率。 1 小时 SSC 集束化包括获得血培养、测量乳酸水平、给予广谱抗生素、给予 30 mL/kg 晶体液以治疗高血压或乳酸 >4 mmol/L,如果患者在期间或之后出现低血压则使用升压药液体复苏。
如果患者在住院期间的任何时候满足两个或更多 SIRS 标准,则他们将被视为“基于 SIRS 的”并包括在主要终点分析中。 采用此纳入标准的原因是该算法可能会在图表中出现严重败血症之前检测到严重败血症,因此败血症可能会在严重败血症记录在病历中之前通过早期干预得到解决。 例如,如果 CDS 警报导致治疗在器官功能障碍指示性实验室抽取之前开始,则患者的“严重败血症”状态可能会被删掉。 将纳入标准限制为 2001 年共识(Sepsis-2)严重脓毒症定义标准或 Sepsis-3 标准会将此类患者排除在分析之外;然而,我们使用基于 SIRS 的纳入标准将避免这种审查。
我们计划从基于 EHR 的临床数据中提取主要终点分析,而不是基于索赔的数据,因为它能够对患者结果提供更客观的测量。 然而,为了与使用基于编码的纳入的其他研究进行比较,索赔数据将用于次要终点的纳入标准。 如果患者符合安格斯实施标准或以下任何诊断代码,将被视为记录为“严重败血症/败血性休克编码”并纳入次要终点分析:R6520 和/或 R6521,败血症代码 A400、A401、A403 , A408, A4101, A4102, A411, A412, A413, A414, A4150, A4151, A4152, A4153, A4159, A4181, A4189, A427, A021, A227, A267, A327, A5486, B377。 已知单独使用明确的 ICD 代码来跟踪脓毒症具有高特异性但低敏感性。
在研究结束时,重要发现将作为科学论文发表。
研究类型
阶段
- 阶段2
参与标准
资格标准
适合学习的年龄
接受健康志愿者
有资格学习的性别
描述
学习计划
研究是如何设计的?
设计细节
- 主要用途:诊断
- 分配:随机化
- 介入模型:平行线
- 屏蔽:三倍
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的:特定于亚群的算法
|
用于严重败血症检测的亚群特异性临床决策支持 (CDS) 系统
|
|
NO_INTERVENTION:控制算法
|
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 |
|---|---|---|
|
基于 SIRS 的院内死亡率
大体时间:通过学习完成,平均8个月
|
归因于患者在住院期间的某个时间点满足两个或更多 SIRS 标准的死亡率
|
通过学习完成,平均8个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
院内严重败血症/休克编码死亡率
大体时间:通过学习完成,平均8个月
|
归因于编码为严重败血症或感染性休克的患者的死亡率
|
通过学习完成,平均8个月
|
|
基于 SIRS 的住院时间
大体时间:通过学习完成,平均8个月
|
归因于患者在住院期间的某个时间点满足两个或更多 SIRS 标准的住院时间
|
通过学习完成,平均8个月
|
|
严重败血症/休克编码住院时间
大体时间:通过学习完成,平均8个月
|
归因于编码为严重脓毒症或感染性休克的患者的住院时间
|
通过学习完成,平均8个月
|
合作者和调查者
出版物和有用的链接
一般刊物
- Desautels T, Calvert J, Hoffman J, Mao Q, Jay M, Fletcher G, Barton C, Chettipally U, Kerem Y, Das R. Using Transfer Learning for Improved Mortality Prediction in a Data-Scarce Hospital Setting. Biomed Inform Insights. 2017 Jun 12;9:1178222617712994. doi: 10.1177/1178222617712994. eCollection 2017.
- Calvert J, Mao Q, Rogers AJ, Barton C, Jay M, Desautels T, Mohamadlou H, Jan J, Das R. A computational approach to mortality prediction of alcohol use disorder inpatients. Comput Biol Med. 2016 Aug 1;75:74-9. doi: 10.1016/j.compbiomed.2016.05.015. Epub 2016 May 24.
- Calvert JS, Price DA, Barton CW, Chettipally UK, Das R. Discharge recommendation based on a novel technique of homeostatic analysis. J Am Med Inform Assoc. 2017 Jan;24(1):24-29. doi: 10.1093/jamia/ocw014. Epub 2016 Mar 28.
- Calvert J, Mao Q, Hoffman JL, Jay M, Desautels T, Mohamadlou H, Chettipally U, Das R. Using electronic health record collected clinical variables to predict medical intensive care unit mortality. Ann Med Surg (Lond). 2016 Sep 6;11:52-57. doi: 10.1016/j.amsu.2016.09.002. eCollection 2016 Nov.
- Shimabukuro DW, Barton CW, Feldman MD, Mataraso SJ, Das R. Effect of a machine learning-based severe sepsis prediction algorithm on patient survival and hospital length of stay: a randomised clinical trial. BMJ Open Respir Res. 2017 Nov 9;4(1):e000234. doi: 10.1136/bmjresp-2017-000234. eCollection 2017.
研究记录日期
研究主要日期
学习开始 (预期的)
初级完成 (预期的)
研究完成 (预期的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.