使用机器学习预测香港慢性阻塞性肺病患者的不良结果
本研究旨在使用机器学习为出院时诊断为 COPD 的患者开发关于这些结果的预测模型:
主要结果:提前入院
次要结果:
- 频繁再入院
- 综合结果(早期+频繁再入院)
- 死亡
- 长住者
研究概览
详细说明
慢性阻塞性肺病 (COPD) 是一种常见的、可预防和可治疗的疾病,其特征是持续的呼吸道症状和气流受限,这是由于气道和/或肺泡异常引起的,通常是由于大量暴露于有毒颗粒或气体并受宿主影响肺发育异常等因素。 据估计,2015年全球有320万人死于慢性阻塞性肺病,与1990年相比增加了11.6%。 COPD 是 2019 年全球第三大死因。
在香港 (HK),根据 1 秒用力呼气容积 (FEV1)/用力肺活量 (FVC) 比率 <70 的肺量计定义,≥ 60 岁老年人口的慢性阻塞性肺病患病率分别为 25.9% 和 12.4% % 和 FEV1/FVC 的正常下限分别为 4 根据我们最近对 COPD 入院的研究,2017 年 1 月第 1 周至 2020 年 1 月第 3 周(COVID 大流行之前)共有 67,628 例 COPD 入院,2020 年 1 月第 4 周至 2020 年 12 月第 4 周(COVID 大流行期间)共有 11,065 例入院). 5 COPD 住院的负担很重,了解这些入院的驱动因素对于制定合适的策略来解决问题和改善 COPD 患者的健康结果非常重要。
COPD 导致的早期再入院和频繁入院是通常研究的医院结果,因为个人和国家的经济负担都很高,而且公共医疗资源的使用率很高。 随着人工智能 (AI) 和机器学习 (ML) 的出现,人们对其在医学上的应用产生了相当大的兴趣。 最近的荟萃分析显示这些模型在预测 COPD 结果方面具有兼容性。 7 然而,很少有研究能够证明AI/ML优于传统的统计建模方法,AI/ML是可解释的,可以与临床相关联,AI/ML可以直接应用于临床。
本研究旨在为出院时诊断为慢性阻塞性肺病的患者开发以下结果的预测模型:
主要结果:提前入院
次要结果:
- 频繁再入院
- 综合结果(早期+频繁再入院)
- 死亡
- 长住者
将评估机器学习 (ML) 模型作为传统统计学习方法的替代方案的可行性和据称的优越性。 除此之外,还将确定每个感兴趣结果的主要预测因子,以提供可能改善结果的干预措施建议(即 降低早期入院率、频繁入院率和死亡率)。 还将开发用于临床环境部署的临床评分。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Fanny Ko, MD
- 电话号码:35053133
- 邮箱:fannyko@cuhk.edu.hk
学习地点
-
-
New Territories
-
Hong Kong、New Territories、香港
- 招聘中
- The Chinese University of Hong Kong
-
接触:
- David S Hui, MD
- 电话号码:35053133
- 邮箱:dschui@cuhk.edu.hk
-
接触:
- fanny WS Ko, MD
- 电话号码:35053133
- 邮箱:fannyko@cuhk.edu.hk
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- ≥40岁
- 患者出院时间为 2016 -2022
- 出院诊断:使用初步诊断中的出院诊断 ICD 代码确定患者是否患有 COPD
- 根据肺活量测定结果进行验证(针对具有肺活量测定读数的患者):
从之前的任何时间点获取的肺量计读数。 在任何一个肺活量测定读数中,患者的 Post FEV1/FVC 比率应 < 0.7。 如果 Post FEV1/FVC 不可用,我们将检查患者是否有 Pre FEV1/FVC 值,并且还将在任何一个肺活量读数中包括 Pre FEV1/FVC 比率 < 0.7 的患者。
排除标准:
- COPD以外原因入院诊断
学习计划
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 |
---|---|---|
提前再入院
大体时间:30天
|
患者在出院日期后 30 天内再次入院,主要诊断为 AECOPD*
|
30天
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
常考者
大体时间:365天
|
- 自索引入院日期起 365 天内有 3 次或更多次入院(索引入院 + 2 次或更多次入院)的患者
|
365天
|
1 年死亡率
大体时间:365天
|
- 自入院出院之日起 365 天内死亡的患者
|
365天
|
长住者
大体时间:365天
|
-入院出院日期后 1 年内累计住院时间 > 21 天的患者
|
365天
|
合作者和调查者
调查人员
- 研究主任:David Hui, MD、Chinese University of Hong Kong
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
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
与本研究相关的术语
其他研究编号
- CRE Ref_ No_ 2022_679
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)?
IPD 计划说明
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
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.
慢性阻塞性肺病恶化的临床试验
-
Bangabandhu Sheikh Mujib Medical University, Dhaka...完全的
-
University College, LondonUniversity of Cambridge; National Institute for Health Research, United Kingdom; Royal Free Hampstead...未知
-
Virginia Commonwealth UniversityFisher and Paykel Healthcare完全的
-
AstraZeneca完全的
-
Chiesi Farmaceutici S.p.A.完全的中度至重度慢性阻塞性肺疾病 (COPD)保加利亚, 德国, 匈牙利, 波兰, 俄罗斯联邦, 英国
无干预的临床试验
-
University of Wisconsin, MadisonNational Cancer Institute (NCI); Northwestern University主动,不招人
-
University of Illinois at ChicagoShirley Ryan AbilityLab; Oakland University; Access Living主动,不招人
-
Otsuka Pharmaceutical Factory, Inc.Celerion完全的