SHOCKMATRIX 出血预测模型的前瞻性验证 (SHOCKMATRIX)
基于实时机器学习的创伤患者早期严重出血和出血资源需求预测模型的外部验证
研究概览
详细说明
背景:失血性休克仍然是重伤患者早期可预防死亡的主要原因。 当严重外伤后不久发生严重出血,从而定义为早期严重出血(ESH)时,其处理变得极具挑战性。 在这种情况下,改善临床决策和缩短干预时间(被称为关键终点)可能需要设计用于早期检测的创新工具,并研究它们在常规医疗流程中的整合。
目的:作为 Traumabase Group 与 Capgemini Invent 和多个研究中心(巴黎综合理工学院、CNRS、EHESS)合作领导的 TRAUMATRIX 项目的一部分,本研究旨在从外部验证最近开发的基于机器学习的创伤患者 ESH 预测模型。 该模型之前在名为 Traubase 的高质量创伤数据库上进行过训练,提供了处理缺失值的特定能力。
材料和方法:来自 8 个法国创伤中心的至少 1500 名成年创伤患者将被纳入为期 6-24 个月的回顾性和前瞻性样本。 ESH 将作为我们的主要结局,定义为创伤处理后最初几个小时内发生的任何以下事件:复苏室中任何浓缩红细胞 (RBC) 输注,或前 6 小时内输注超过 4 个红细胞,或紧急止血干预(手术或介入放射学),或在不受控制的客观出血的明确情况下死亡。 感兴趣的数据将分两个阶段收集:(1) 从创伤管理的院前阶段,其中计算 ESH 算法预测所需的变量(10 个输入)以及来自主治创伤领导者的临床预测复苏室来自调度中心的预警呼叫将使用凯捷发明团队开发的专用用户友好智能手机界面进行实时记录; (2) 从延迟阶段开始,将执行 Traumabase® 中的经典纳入,以检索 ESH 复合终点的组成变量,并将反馈调查发送给参与研究的创伤团队,以收集额外的信息数据。 根据收集的前瞻性数据,我们将与两个系统的回顾性队列预测性能进行比较,即临床创伤专家与我们基于机器学习的预测模型。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Clichy、法国、92110
- Beaujon Hospital AP-HP, Anesthesia-Intensive Care Department
-
La Tronche、法国、38700
- GRENOBLE ALPES UNIVERSITY HOSPITAL
-
Le Kremlin-Bicêtre、法国、94270
- Bicêtre Hospital AP-HP, Anesthesia-Intensive Care Department
-
Lille、法国、59037
- Lille University Hospital, Anaesthesia and Intensive Care Unit
-
Paris、法国、75013
- Pitié-Salpêtrière Hospital AP-HP, Anesthesia-Intensive Care Department
-
Paris、法国、75015
- Georges-Pompidou European Hospital AP-HP, Anesthesia-Intensive Care Department
-
Strasbourg、法国、67200
- University Hospitals Strasbourg, Anaesthesia, Intensive Care and Peri-Operative Medicine Department
-
Toulouse、法国、31059
- University Hospital of Toulouse, Polyvalent Intensive Care
-
-
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:
- 每个严重创伤成年患者都被送往参与中心
排除标准:
- 根据计算机断层扫描结果已诊断出活动性出血的患者;
- 既往有外伤性心脏骤停的患者
- 18岁以下患者
- 患者或亲属的反对
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
院前严重创伤患者
每名年满 18 岁或以上的严重创伤患者均需入住参与中心,不包括根据计算机断层扫描结果诊断为活动性出血的患者以及既往有外伤性心脏骤停的患者
|
与临床医生预测相比,预测创伤患者大出血的机器学习模型的回顾性和前瞻性验证
|
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 |
|---|---|---|
|
Fβ-分数,β = 4
大体时间:18个月
|
用于评估二元分类模型的可配置单分指标。 参数 β 允许更加重视假阴性预测误差。 Fβ 分数的公式如下(TP 真阳性、FN 假阴性、FP 假阳性): Fβ= ((1+β^2).TP)/((1+β^2).TP+β^2.FN+FP) |
18个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
常见的二元分类指标
大体时间:18个月
|
灵敏度 Se、特异性 Sp、准确度 Acc、阳性预测值 PPV、阴性预测值 NPV
|
18个月
|
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.