基于机器学习的择期心脏瓣膜手术患者风险概况分类
2018年10月26日 更新者：Jens Meier、Kepler University Hospital
机器学习方法可能会在择期心脏手术前对患者个体的预期风险提供高度准确和详细的评估。
正确预测这种风险可以改善对患者的咨询并避免可能出现的并发症。
因此，研究人员调查了现代机器学习方法在接受选择性心脏瓣膜手术的患者中进行个性化风险预测的好处。
研究概览
详细说明
研究人员对 2008 年 1 月 1 日至 2014 年 12 月 31 日期间在我们中心接受选择性心脏瓣膜手术的患者进行了单中心回顾性研究。
研究人员使用随机森林、人工神经网络和支持向量机根据人口统计和术前参数的子集预测 30 天死亡率。
排除标准为同一患者再次手术、主动脉弓手术需顺行脑灌注患者、成人先天性心脏病患者。
研究类型
观察性的
注册 (实际的)
2229
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
18年 及以上 (成人、年长者)
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
在 2008 年 1 月 1 日至 2014 年 12 月 31 日期间接受过任何类型的心脏瓣膜手术的患者都包括在内。
描述
纳入标准：
* 包括在 2008 年 1 月 1 日至 2014 年 12 月 31 日期间接受过任何类型心脏瓣膜手术的患者。
排除标准：
- 同一患者再次手术
- 因主动脉弓手术需要顺行脑灌注的患者
- 成人先天性心脏病患者
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
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 |
|---|---|---|
|
不同预测模型的曲线下面积
大体时间：患者将从 01.01.2008 - 31.12.2014 纳入
|
将使用三种不同的预测模型。
|
患者将从 01.01.2008 - 31.12.2014 纳入
|
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。
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。
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)
2008年1月1日
初级完成 (实际的)
2014年12月31日
研究完成 (实际的)
2014年12月31日
研究注册日期
首次提交
2018年10月25日
首先提交符合 QC 标准的
2018年10月26日
首次发布 (实际的)
2018年10月30日
研究记录更新
最后更新发布 (实际的)
2018年10月30日
上次提交的符合 QC 标准的更新
2018年10月26日
最后验证
2018年10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.