AiCR:心脏骤停中的人工智能 (AiCR)
AiCR:人工智能在心脏骤停中的算法在恢复心肺呼吸骤停预后中的应用
据估计,欧洲心跳呼吸骤停的总体发生率为每年 350,000 至 700,000 例。 所有节律障碍的总生存率估计为 10.7%。
人工智能在医学领域的应用有几个例子。 Ting 等人开发了一种计算机工具,能够以出色的能力诊断糖尿病性视网膜病变的存在。 在复苏方面,Celi 等人提出了一种能够预测在全身炎症状态下是否需要晶体血管填充的工具。 在 2018 年的 Nature 杂志上,Komorowski 展示了人工智能在脓毒症血液动力学管理中的功效。 在一项关于肾脏对液体挑战的反应的研究中,Zhang 等人。证明学习机的有效性。
目的:确定一种算法,该算法能够根据住院报告 (CRH) 预测因 ACR 而进入重症监护病房 (ICU) 的患者的死亡率。 还使用该算法预测停搏复发的风险、机械通气的持续时间、败血症的出现、器官衰竭的发展、CPC(脑性能类别)的预测、获得儿茶酚胺戒断的时间、出现需要或不需要肾外净化 (EER) 的急性肾功能衰竭的发生率和 EER 下的平均住院时间。
该项目是一个更大的全国性项目的一部分,具有更大的影响力,包括在重症监护室住院期间产生的所有数据。
方法:估计纳入本研究的患者总数在 300 到 500 之间。 人口将来自尼斯、昂蒂布、戛纳、格拉斯的重症监护病房。
纳入将是回顾性的,从2014年到2020年底的CRH,CT成像(脑和胸 - 腹 - 骨盆),MRI,脑电图和日常随访词的CR。
匿名化后,使用自然语言处理 (NLP) 方法应用语义化。 将要提取的数据输入由重症监护医生编写的文件中。 然后这些数据将存储在数据库中。 为了实现主要目标,我们将开发一种能够预测研究人群死亡率的计算机算法。 该算法基于大型数据库,可以根据要处理的数据量使用机器学习甚至深度学习技术进行设计。
研究概览
地位
条件
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Jean DELLAMONICA
- 电话号码:33 4 920 35 510
- 邮箱:dellamonica.j@chu-nice.fr
研究联系人备份
- 姓名:romain LOMBARDI
- 邮箱:lombardi.r@chu-nice.fr
学习地点
-
-
-
Nice、法国、06200
- 招聘中
- Nice Hospital
-
接触:
- Jean DELLAMONICA
- 邮箱:dellamonica.j@chu-nice.fr
-
接触:
- romain LOMBARDI
- 邮箱:lombardi.r@chu-nice.fr
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- OCA 恢复自:缺氧、缺血、肺栓塞、填塞、节律或传导障碍、可电击与否、院内或院外。
- CR 计算机化,以 PDF 格式输入
排除标准:
-
学习计划
研究是如何设计的?
设计细节
- 观测模型:仅案例
- 时间观点:追溯
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 |
|---|---|---|
|
重症监护病房死亡率预测
大体时间:1天
|
语义报告工具的定义,自动化,从匿名报告到操作和相关数据库的转换。
|
1天
|
|
重症监护病房死亡率预测
大体时间:1天
|
使用由此创建的数据库来创建智能死亡率预测算法。
也用于次要判断标准以预测下面提到的其他参数。
|
1天
|
合作者和调查者
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (估计的)
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.