急诊医学中的预测和高级分析 - 神经功能缺损 (PAN-EM-NEURO)
2024年11月19日 更新者：Jan Niederdöckl、Medical University of Vienna
急诊医学中未来的预测模型可能会结合使用广泛的数据点，例如连续记录、使用可穿戴设备进行监控、成像、生物标志物以及来自所有相关医疗保健提供者的实时管理数据。 随后的广泛数据集可以提供先进的深度学习和神经网络算法，以准确预测特定健康状况的风险。 此外，预测分析致力于开发适应性和不断更新的临床路径，其中医疗保健决策由复杂的算法支持，以有效、安全地提供最佳行动方案。 预测分析彻底改变医疗保健许多方面的潜力似乎显而易见。 有关在急诊医学中使用的信息很少。
我们的目的是评估使用常规数据通过常见的急性神经功能缺损症状来预测急诊医学资源使用情况的性能。 作为展望，这可以作为其他类似项目的原型，使用常规医疗数据进行急诊医学的预测分析。
研究概览
研究类型
观察性的
注册 (估计的)
50000
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Jan Niederdöckl, MD
- 电话号码：0042 40 400 19640
- 邮箱：jan.niederdoeckl@meduniwien.ac.at
学习地点
-
-
-
Vienna、奥地利、1090
- 招聘中
- Emergency Department, Medical University Vienna
-
接触：
- Jan Niederdöckl, Dr.
- 邮箱：jan.niederdoeckl@medunwien.ac.at
-
接触：
- Alexander Simon, Dr.
- 邮箱：alexander.simon@medunwien.ac.at
-
-
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
- 成人
- 年长者
接受健康志愿者
不
取样方法
非概率样本
研究人群
对常规收集的数据进行回顾性分析。 我们的目的是找到与因疑似急性神经功能缺损而接受紧急医疗服务住院的患者的院内资源利用相关的数据模式。
本研究将仅使用常规电子医疗文档系统中的信息。 不会执行与其他数据集的链接。 系统中的数据包括患者人口统计、初始症状、院前生命体征和评分、紧急医疗服务的疑似诊断、院内生命体征和评分、院内诊断（计算机断层扫描、磁共振成像 MRI）和治疗（导管介入）程序和最终诊断。 有关完整的变量集，请参阅“变量”。
出于本研究的目的，将仅使用完全假名化的数据集。
描述
纳入标准：
- 女性和男性受试者
- 年龄≥18岁
排除标准：
- 没有任何
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 |
|---|---|---|
|
预测模型
大体时间：2025年1月1日
|
待开发
|
2025年1月1日
|
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。
一般刊物
- Goyal M, Menon BK, van Zwam WH, Dippel DW, Mitchell PJ, Demchuk AM, Davalos A, Majoie CB, van der Lugt A, de Miquel MA, Donnan GA, Roos YB, Bonafe A, Jahan R, Diener HC, van den Berg LA, Levy EI, Berkhemer OA, Pereira VM, Rempel J, Millan M, Davis SM, Roy D, Thornton J, Roman LS, Ribo M, Beumer D, Stouch B, Brown S, Campbell BC, van Oostenbrugge RJ, Saver JL, Hill MD, Jovin TG; HERMES collaborators. Endovascular thrombectomy after large-vessel ischaemic stroke: a meta-analysis of individual patient data from five randomised trials. Lancet. 2016 Apr 23;387(10029):1723-31. doi: 10.1016/S0140-6736(16)00163-X. Epub 2016 Feb 18.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
- Saber H, Somai M, Rajah GB, Scalzo F, Liebeskind DS. Predictive analytics and machine learning in stroke and neurovascular medicine. Neurol Res. 2019 Aug;41(8):681-690. doi: 10.1080/01616412.2019.1609159. Epub 2019 Apr 30.
- Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017 Jun 21;2(4):230-243. doi: 10.1136/svn-2017-000101. eCollection 2017 Dec.
- Ravi D, Wong C, Deligianni F, Berthelot M, Andreu-Perez J, Lo B, Yang GZ. Deep Learning for Health Informatics. IEEE J Biomed Health Inform. 2017 Jan;21(1):4-21. doi: 10.1109/JBHI.2016.2636665. Epub 2016 Dec 29.
- Avasarala J. Letter by Avasarala Regarding Article, "2015 AHA/ASA Focused Update of the 2013 Guidelines for the Early Management of Patients With Acute Ischemic Stroke Regarding Endovascular Treatment: A Guideline for Healthcare Professionals From the American Heart Association/American Stroke Association". Stroke. 2015 Nov;46(11):e234. doi: 10.1161/STROKEAHA.115.010716. Epub 2015 Oct 6. No abstract available.
- Badhiwala JH, Nassiri F, Alhazzani W, Selim MH, Farrokhyar F, Spears J, Kulkarni AV, Singh S, Alqahtani A, Rochwerg B, Alshahrani M, Murty NK, Alhazzani A, Yarascavitch B, Reddy K, Zaidat OO, Almenawer SA. Endovascular Thrombectomy for Acute Ischemic Stroke: A Meta-analysis. JAMA. 2015 Nov 3;314(17):1832-43. doi: 10.1001/jama.2015.13767.
- Bauchner H, Golub RM, Fontanarosa PB. Data Sharing: An Ethical and Scientific Imperative. JAMA. 2016 Mar 22-29;315(12):1237-9. doi: 10.1001/jama.2016.2420. No abstract available.
- Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care - Addressing Ethical Challenges. N Engl J Med. 2018 Mar 15;378(11):981-983. doi: 10.1056/NEJMp1714229. No abstract available.
- Chaudhary K, Poirion OB, Lu L, Garmire LX. Deep Learning-Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer. Clin Cancer Res. 2018 Mar 15;24(6):1248-1259. doi: 10.1158/1078-0432.CCR-17-0853. Epub 2017 Oct 5.
- Christiansen EM, Yang SJ, Ando DM, Javaherian A, Skibinski G, Lipnick S, Mount E, O'Neil A, Shah K, Lee AK, Goyal P, Fedus W, Poplin R, Esteva A, Berndl M, Rubin LL, Nelson P, Finkbeiner S. In Silico Labeling: Predicting Fluorescent Labels in Unlabeled Images. Cell. 2018 Apr 19;173(3):792-803.e19. doi: 10.1016/j.cell.2018.03.040. Epub 2018 Apr 12.
- Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2014 Jul;33(7):1139-47. doi: 10.1377/hlthaff.2014.0048.
- Heeley E, Anderson CS, Huang Y, Jan S, Li Y, Liu M, Sun J, Xu E, Wu Y, Yang Q, Zhang J, Zhang S, Wang J; ChinaQUEST Investigators. Role of health insurance in averting economic hardship in families after acute stroke in China. Stroke. 2009 Jun;40(6):2149-56. doi: 10.1161/STROKEAHA.108.540054. Epub 2009 Apr 9.
- Nemati S, Holder A, Razmi F, Stanley MD, Clifford GD, Buchman TG. An Interpretable Machine Learning Model for Accurate Prediction of Sepsis in the ICU. Crit Care Med. 2018 Apr;46(4):547-553. doi: 10.1097/CCM.0000000000002936.
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)
2022年1月1日
初级完成 (估计的)
2025年1月1日
研究完成 (估计的)
2030年1月1日
研究注册日期
首次提交
2024年1月30日
首先提交符合 QC 标准的
2024年1月30日
首次发布 (实际的)
2024年2月7日
研究记录更新
最后更新发布 (估计的)
2024年11月22日
上次提交的符合 QC 标准的更新
2024年11月19日
最后验证
2024年11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.