初级与高级医师对脑外伤6个月神经功能预后准确度的比较 (PREDICT II)
初级和高级医生脑外伤 6 个月神经预后准确性的比较。
研究概览
详细说明
头部受伤是年轻人死亡和发病的一个非常罕见的原因。 评估这些患者的长期神经学预后是困难的,而且往往是不确定的。 然而,这一要素非常重要,因为它允许临床医生确定所用治疗的强度并调整提供给患者及其亲属的信息。
已经进行了大量研究来研究这些患者的预后,其中最重要的两项是:CRASH-研究和IMPACT-研究。 然而,在所有这些研究中,没有一项以比较临床医生的经验是否影响其预后的准确性为目的。 同样,在我们中心进行的 PREDICT-TBI 研究旨在将临床医生的评估与已经使用的预后评分(IMPACT 评分)进行比较,以确定脑损伤患者的预后,但并未研究临床医生的经验对患者预后的影响。预测的准确性。
评估临床医生对 20 名患者图表中神经学结果的判断。
从 PREDICT-TBI 研究中包含的 N 名患者中随机抽取 20 条记录。
将展示这 20 份假名记录,包括入院扫描和院前临床数据。
对于包括的每位临床医生,将完成一份关于每位患者的假定神经学结果的问卷调查,并将其与真实的神经学结果进行比较,主要变量是 6 个月时的 GOSE 神经学结果(已在 PREDICT-TBI 研究中收集)。
我们的假设是,临床医生通过估计高级医生 30% 的错误概率和初级医生 40% 的错误概率,对患者的神经系统结果做出可靠的判断。 这一判断的可靠性将通过评估每位临床医生在 20 份病历上犯下的错误数量来衡量。
该研究的主要问题是更好地了解初始阶段的预后,以便根据预后调整提供给家庭的信息的性质。
所需受试者的数量是通过模拟广义二项式模型的双侧测试来计算的,该模型在 10,000 个样本上比较“高级”组和“初级”组,样本由 n * 2 个二项式变量(n = 20,错误概率在老年人中 p1 = 0.3 (PREDCIT-TBI) 和 p2 = 0.4 对于青少年)。 在 5% 的 alpha 风险、80% 的功效下,我们计算出每组 n = 18 名医生。
纳入和同意:在获得他们的同意后,我们将包括分布在几个机构的每组 18 名医生。
方法:我们将随机选择 20 名 2019 年 3 月至 2020 年 12 月期间在 Pitié-Salpêtrière 医院神经 ICU 科接受治疗并纳入 PREDICT-TBI 研究(CPP no. 19.01.21.68040)在获得他们自己或他们信任的人的不反对并且在最初的 24 小时内没有受到积极治疗的限制之后。 在最初的 24 小时内,患者也不是缺乏护理的受害者。 文献中认可的治疗前 24 小时的预后数据可在 METAVISION 和 Carestream 的计算机化医疗记录中找到。 这些数据在匿名化后,将在预定义持续时间的访谈中提交给临床医生进行评估。 预后将通过提交给所有医生的问卷进行评估,详见附录。 然后,将其与通过与患者本人或其亲属的电话访谈评估的外伤后 6 个月的有效神经状态进行比较。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Paris、法国、75013
- Réanimation neurochirurgicale, Hôpital Pitié-Salpêtrière
-
-
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
取样方法
研究人群
描述
纳入标准:
- 高级组:4年以上神经重症监护室工作经验的重症监护麻醉师
- 初级组:高级学期重症监护麻醉师实习生在实习结束时由 5 个月专门从事神经 ICU
排除标准:无
学习计划
研究是如何设计的?
设计细节
- 观测模型:其他
- 时间观点:预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
在神经重症联合护理工作的医生
医生在 20 条匿名记录中预测 6 个月时格拉斯哥结果量表 (GOS) 评分的结果与实际结果的比较。
|
在 20 条匿名记录中预测 6 个月时格拉斯哥结果量表 (GOS) 评分的结果与实际结果的比较。
|
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 |
|---|---|---|
|
主要结果是医生预测 6 个月格拉斯哥结果量表 (GOS) 评分结果与 20 份匿名记录中的实际结果相比所犯错误的数量
大体时间:基线(纳入医生时)或患者纳入后至少 6 个月
|
基线(纳入医生时)或患者纳入后至少 6 个月
|
|
|
医生之间的差异
大体时间:基线(纳入时)
|
我们将向重症监护医师询问每位患者的数据,患者在 6 个月时成为 GOS < 4 的风险在 0 到 100 之间。
该措施将作为三级分层线性混合模型中的响应变量(16*38 = 576 次评估)进行分析。
我们将为重症医师中的患者引入随机截距,我们将添加固定效应作为患者的真实情况和重症医师的资历。
该模型将产生重症监护医生之间方差的估计和另一种方法来测试资历的影响以确定患者的成长。
我们将在 R 中使用 nlme 包进行分析。
|
基线(纳入时)
|
|
对他们的预后充满信心
大体时间:基线(纳入时)
|
用多项选择题来衡量:“你对你刚刚做出的预测有多自信?”以及可能的答案:确定、非常自信、自信、不自信、不确定。
|
基线(纳入时)
|
|
提供给亲属的信息
大体时间:基线(纳入时)
|
用多项选择题衡量:“家人到达时很痛苦,希望了解更多关于 6 个月时的预后和残疾的信息。
您是第一个联系人。
你坚持吗?”以及可能的答案:“预后良好的因素”、“预后不确定”、“残疾或可能死亡”。
|
基线(纳入时)
|
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 (实际的)
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.