通过人工智能和多维评估来优化心肌梗塞后的风险预测：Oracle研究 (ORACLE)
背景。 心肌梗塞（MI）是全球死亡的主要原因。 MI之后，长期抗血栓疗法对于防止复发事件但增加出血至关重要，这也会影响发病率和死亡率。 为这些竞争风险提供预测工具预测缺血和出血对于为临床决策提供了至关重要的重要性，但是它们的当前精度是有限的。 通过发现新颖和创新的风险标记，改善事件预测将对治疗决策和患者的结果产生巨大影响。
目标。 通过使用可穿戴设备，生物标志物，行为模式和非侵入性成像的创新多维信息，发现风险的新颖“计算生物标志物”，并改善了当前风险预测的标准。
结果。 该分析的主要结果是出血和缺血事件发生在医院内或外部，最长可用的随访。 出血将根据出血学术研究联盟（BARC）定义进行分类。 主要不良心血管事件（MACE）的发生，心血管死亡，MI，确定的支架血栓形成和中风的复合物将根据学术研究联盟2分类收集。
研究概览
研究类型
观察性的
注册 (估计的)
750
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：Dr. Francesco Costa
- 电话号码：+34
- 邮箱：dottfrancescocosta@gmail.com
学习地点
-
-
-
Málaga、西班牙、29010
- 招聘中
- Hospital Universitario Virgen de la Victoria
-
接触：
- Francesco Costa, MD
- 电话号码：+34951030435
- 邮箱：dottfrancescocosta@gmail.com
-
-
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
概率样本
研究人群
心肌梗塞的患者（即
经受侵入性管理和临床事件的高风险（即
presence of at least two of these high risk criteria: age >65 years, diabetes mellitus, multivessel disease, peripheral artery disease, chronic kidney disease, prior stroke anytime or prior TIA in the last 6 months, prior MI, complex PCI, Prior PCI/CABG, heart failure, BMI>27, anticipated long term use of an oral anticoagulant, haemoglobin less than 11g/dl,在过去的12个月中需要住院或输血的自发性出血，出血性毒素*皮肤以外的活性恶性肿瘤，先前自发的颅内出血）。
描述
纳入标准：
心肌梗塞的患者（即 经受侵入性管理和临床事件的高风险（即 presence of at least two of these high risk criteria: age >65 years, diabetes mellitus, multivessel disease, peripheral artery disease, chronic kidney disease, prior stroke anytime or prior TIA in the last 6 months, prior MI, complex PCI, Prior PCI/CABG, heart failure, BMI>27, anticipated long term use of an oral anticoagulant, haemoglobin less than 11g/dl,在过去的12个月中需要住院或输血的自发性出血，出血性毒素*皮肤以外的活性恶性肿瘤，先前自发的颅内出血）。
- 与增加出血风险有关的系统状况（例如 血液学疾病，包括定义为血小板计数<100,000/mm3（<100 x 10^9/l）的血小板计数的病史，或与出血风险增加有关的任何已知凝血障碍。
排除标准：
- 年龄<18岁
- 低预期寿命（<1年）
- 怀孕或母乳喂养的女人
- 冠状动脉血管造影的证据（左主茎中<30％<30％），其他冠状动脉片段<50％）
- 受试者属于脆弱的人群（根据调查员的判断），无法阅读或写作的受试者，或者其他无法完全理解并符合研究程序根据研究者的判断的条件
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
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
心肌梗塞（MI）
心肌梗塞的患者（即
经受侵入性管理和临床事件的高风险（即
presence of at least two of these high risk criteria: age >65 years, diabetes mellitus, multivessel disease, peripheral artery disease, chronic kidney disease, prior stroke anytime or prior TIA in the last 6 months, prior MI, complex PCI, Prior PCI/CABG, heart failure, BMI>27, anticipated long term use of an oral anticoagulant, haemoglobin less than 11g/dl,在过去的12个月中需要住院或输血的自发性出血，出血性毒素*皮肤以外的活跃恶性肿瘤，以前的自发性颅内出血）
|
Oracle计划是一项基于多模式信息和人工智能计算的前瞻性，深刻的表型研究。
我们将前瞻性地收集大量患有MI的患者的院内和院外数据，包括可穿戴设备的数据记录连续ECG，间质流体，非侵入性血压和流动性，来自专门的移动应用程序，血液和尿液生物标志物的行为模式，以及尿液生物标志物以及非侵入性。
我们将使用统计学习方法和神经网络利用AI来探索数据中的模式和高阶相互作用，以提供缺血和出血风险的新型“计算生物标志物”。
其他名称：
|
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 |
|---|---|---|
|
出血和缺血事件的频率和严重程度
大体时间：研究结束后8个月的纳入和12个月的随访
|
该分析的主要结果是在医院内或在医院外发生的出血和缺血事件，最长可用的随访。
出血将根据出血学术研究联盟（BARC）定义进行分类。
主要不良心血管事件（MACE）的发生，心血管死亡，MI，确定的支架血栓形成和中风的复合物将根据学术研究联盟2分类收集。
|
研究结束后8个月的纳入和12个月的随访
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
死亡，中风，经常性MI，支架血栓形成，心力衰竭，住院
大体时间：研究结束后8个月的纳入和12个月的随访
|
死亡将被定义为心血管原因或脑血管原因以及没有其他已知原因的任何死亡的死亡。
中风将被定义为急性的新神经缺陷，死亡或持续> 24小时，而不是由于另一个容易识别的原因（例如创伤）。
根据MI的第四个通用定义定义了复发MI。
根据学术研究联盟（ARC）定义，支架血栓形成将被归类为确定，可能或可能的。
将评估需要重新住院或计划外的医疗接触以进行心力衰竭症状的新发作的心力衰竭。
还将评估急性冠状动脉综合征，不稳定的心绞痛或临床指示的紧急血运重建的复发住院治疗。
|
研究结束后8个月的纳入和12个月的随访
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
优质的生活和遵守治疗
大体时间：研究结束后8个月的纳入和12个月的随访
|
将评估患者的生活质量和对治疗的依从性：
|
研究结束后8个月的纳入和12个月的随访
|
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
- Valgimigli M, Bueno H, Byrne RA, Collet JP, Costa F, Jeppsson A, Juni P, Kastrati A, Kolh P, Mauri L, Montalescot G, Neumann FJ, Petricevic M, Roffi M, Steg PG, Windecker S, Zamorano JL, Levine GN; ESC Scientific Document Group; ESC Committee for Practice Guidelines (CPG); ESC National Cardiac Societies. 2017 ESC focused update on dual antiplatelet therapy in coronary artery disease developed in collaboration with EACTS: The Task Force for dual antiplatelet therapy in coronary artery disease of the European Society of Cardiology (ESC) and of the European Association for Cardio-Thoracic Surgery (EACTS). Eur Heart J. 2018 Jan 14;39(3):213-260. doi: 10.1093/eurheartj/ehx419. No abstract available.
- Gerbaud E, Darier R, Montaudon M, Beauvieux MC, Coffin-Boutreux C, Coste P, Douard H, Ouattara A, Catargi B. Glycemic Variability Is a Powerful Independent Predictive Factor of Midterm Major Adverse Cardiac Events in Patients With Diabetes With Acute Coronary Syndrome. Diabetes Care. 2019 Apr;42(4):674-681. doi: 10.2337/dc18-2047. Epub 2019 Feb 6.
- Levine GN, Bates ER, Bittl JA, Brindis RG, Fihn SD, Fleisher LA, Granger CB, Lange RA, Mack MJ, Mauri L, Mehran R, Mukherjee D, Newby LK, O'Gara PT, Sabatine MS, Smith PK, Smith SC Jr. 2016 ACC/AHA Guideline Focused Update on Duration of Dual Antiplatelet Therapy in Patients With Coronary Artery Disease: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. J Am Coll Cardiol. 2016 Sep 6;68(10):1082-115. doi: 10.1016/j.jacc.2016.03.513. Epub 2016 Mar 29. No abstract available.
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Krittanawong C, Zhang H, Wang Z, Aydar M, Kitai T. Artificial Intelligence in Precision Cardiovascular Medicine. J Am Coll Cardiol. 2017 May 30;69(21):2657-2664. doi: 10.1016/j.jacc.2017.03.571.
- Krittanawong C, Johnson KW, Rosenson RS, Wang Z, Aydar M, Baber U, Min JK, Tang WHW, Halperin JL, Narayan SM. Deep learning for cardiovascular medicine: a practical primer. Eur Heart J. 2019 Jul 1;40(25):2058-2073. doi: 10.1093/eurheartj/ehz056.
- Costa F, van Klaveren D, James S, Heg D, Raber L, Feres F, Pilgrim T, Hong MK, Kim HS, Colombo A, Steg PG, Zanchin T, Palmerini T, Wallentin L, Bhatt DL, Stone GW, Windecker S, Steyerberg EW, Valgimigli M; PRECISE-DAPT Study Investigators. Derivation and validation of the predicting bleeding complications in patients undergoing stent implantation and subsequent dual antiplatelet therapy (PRECISE-DAPT) score: a pooled analysis of individual-patient datasets from clinical trials. Lancet. 2017 Mar 11;389(10073):1025-1034. doi: 10.1016/S0140-6736(17)30397-5.
- LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015 May 28;521(7553):436-44. doi: 10.1038/nature14539.
- D'Ascenzo F, De Filippo O, Gallone G, Mittone G, Deriu MA, Iannaccone M, Ariza-Sole A, Liebetrau C, Manzano-Fernandez S, Quadri G, Kinnaird T, Campo G, Simao Henriques JP, Hughes JM, Dominguez-Rodriguez A, Aldinucci M, Morbiducci U, Patti G, Raposeiras-Roubin S, Abu-Assi E, De Ferrari GM; PRAISE study group. Machine learning-based prediction of adverse events following an acute coronary syndrome (PRAISE): a modelling study of pooled datasets. Lancet. 2021 Jan 16;397(10270):199-207. doi: 10.1016/S0140-6736(20)32519-8.
- Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. N Engl J Med. 2019 Apr 4;380(14):1347-1358. doi: 10.1056/NEJMra1814259. No abstract available.
- Writing Group Members; Mozaffarian D, Benjamin EJ, Go AS, Arnett DK, Blaha MJ, Cushman M, Das SR, de Ferranti S, Despres JP, Fullerton HJ, Howard VJ, Huffman MD, Isasi CR, Jimenez MC, Judd SE, Kissela BM, Lichtman JH, Lisabeth LD, Liu S, Mackey RH, Magid DJ, McGuire DK, Mohler ER 3rd, Moy CS, Muntner P, Mussolino ME, Nasir K, Neumar RW, Nichol G, Palaniappan L, Pandey DK, Reeves MJ, Rodriguez CJ, Rosamond W, Sorlie PD, Stein J, Towfighi A, Turan TN, Virani SS, Woo D, Yeh RW, Turner MB; American Heart Association Statistics Committee; Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2016 Update: A Report From the American Heart Association. Circulation. 2016 Jan 26;133(4):e38-360. doi: 10.1161/CIR.0000000000000350. Epub 2015 Dec 16. No abstract available.
- Simonsson M, Wallentin L, Alfredsson J, Erlinge D, Hellstrom Angerud K, Hofmann R, Kellerth T, Lindhagen L, Ravn-Fischer A, Szummer K, Ueda P, Yndigegn T, Jernberg T. Temporal trends in bleeding events in acute myocardial infarction: insights from the SWEDEHEART registry. Eur Heart J. 2020 Feb 14;41(7):833-843. doi: 10.1093/eurheartj/ehz593.
- Valgimigli M, Costa F, Lokhnygina Y, Clare RM, Wallentin L, Moliterno DJ, Armstrong PW, White HD, Held C, Aylward PE, Van de Werf F, Harrington RA, Mahaffey KW, Tricoci P. Trade-off of myocardial infarction vs. bleeding types on mortality after acute coronary syndrome: lessons from the Thrombin Receptor Antagonist for Clinical Event Reduction in Acute Coronary Syndrome (TRACER) randomized trial. Eur Heart J. 2017 Mar 14;38(11):804-810. doi: 10.1093/eurheartj/ehw525.
- Fox KA, Dabbous OH, Goldberg RJ, Pieper KS, Eagle KA, Van de Werf F, Avezum A, Goodman SG, Flather MD, Anderson FA Jr, Granger CB. Prediction of risk of death and myocardial infarction in the six months after presentation with acute coronary syndrome: prospective multinational observational study (GRACE). BMJ. 2006 Nov 25;333(7578):1091. doi: 10.1136/bmj.38985.646481.55. Epub 2006 Oct 10.
- Subherwal S, Bach RG, Chen AY, Gage BF, Rao SV, Newby LK, Wang TY, Gibler WB, Ohman EM, Roe MT, Pollack CV Jr, Peterson ED, Alexander KP. Baseline risk of major bleeding in non-ST-segment-elevation myocardial infarction: the CRUSADE (Can Rapid risk stratification of Unstable angina patients Suppress ADverse outcomes with Early implementation of the ACC/AHA Guidelines) Bleeding Score. Circulation. 2009 Apr 14;119(14):1873-82. doi: 10.1161/CIRCULATIONAHA.108.828541. Epub 2009 Mar 30.
- Baber U, Mehran R, Giustino G, Cohen DJ, Henry TD, Sartori S, Ariti C, Litherland C, Dangas G, Gibson CM, Krucoff MW, Moliterno DJ, Kirtane AJ, Stone GW, Colombo A, Chieffo A, Kini AS, Witzenbichler B, Weisz G, Steg PG, Pocock S. Coronary Thrombosis and Major Bleeding After PCI With Drug-Eluting Stents: Risk Scores From PARIS. J Am Coll Cardiol. 2016 May 17;67(19):2224-2234. doi: 10.1016/j.jacc.2016.02.064. Epub 2016 Apr 11.
- Bianco M, D'ascenzo F, Raposeiras Roubin S, Kinnaird T, Peyracchia M, Ariza-Sole A, Cerrato E, Manzano-Fernandez S, Gravinese C, Templin C, Destefanis P, Velicki L, Luciano A, Xanthopoulou I, Rinaldi M, Rognoni A, Varbella F, Boccuzzi G, Omede P, Montabone A, Bernardi A, Taha S, Rossini R, Durante A, Gili S, Magnani G, Autelli M, Grosso A, Blanco PF, Giustetto C, Garay A, Quadri G, Queija BC, Srdanovic I, Paz RC, Fernandez MC, Pousa IM, Gallo D, Morbiducci U, Dominguez-Rodriguez A, Lopez-Cuenca A, Cequier A, Alexopoulos D, Iniguez-Romo A, Pozzi R, Assi EA, Valgimigli M. Comparative external validation of the PRECISE-DAPT and PARIS risk scores in 4424 acute coronary syndrome patients treated with prasugrel or ticagrelor. Int J Cardiol. 2020 Feb 15;301:200-206. doi: 10.1016/j.ijcard.2019.11.132. Epub 2019 Nov 22.
- Choi KH, Song YB, Lee JM, Park TK, Yang JH, Choi JH, Choi SH, Oh JH, Cho DK, Lee JB, Doh JH, Kim SH, Jeong JO, Bae JH, Kim BO, Cho JH, Suh IW, Kim DI, Park HK, Park JS, Choi WG, Lee WS, Gwon HC, Hahn JY. Clinical Usefulness of PRECISE-DAPT Score for Predicting Bleeding Events in Patients With Acute Coronary Syndrome Undergoing Percutaneous Coronary Intervention: An Analysis From the SMART-DATE Randomized Trial. Circ Cardiovasc Interv. 2020 May;13(5):e008530. doi: 10.1161/CIRCINTERVENTIONS.119.008530. Epub 2020 May 1.
- Choi SY, Kim MH, Cho YR, Sung Park J, Min Lee K, Park TH, Yun SC. Performance of PRECISE-DAPT Score for Predicting Bleeding Complication During Dual Antiplatelet Therapy. Circ Cardiovasc Interv. 2018 Dec;11(12):e006837. doi: 10.1161/CIRCINTERVENTIONS.118.006837.
- Yoshida R, Ishii H, Morishima I, Tanaka A, Morita Y, Takagi K, Yoshioka N, Hirayama K, Iwakawa N, Tashiro H, Kojima H, Mitsuda T, Hitora Y, Furusawa K, Tsuboi H, Murohara T. Performance of HAS-BLED, ORBIT, PRECISE-DAPT, and PARIS risk score for predicting long-term bleeding events in patients taking an oral anticoagulant undergoing percutaneous coronary intervention. J Cardiol. 2019 Jun;73(6):479-487. doi: 10.1016/j.jjcc.2018.10.013. Epub 2018 Dec 28.
- Kawashima H, Gao C, Takahashi K, Tomaniak M, Ono M, Hara H, Wang R, Chichareon P, Suryapranata H, Walsh S, Cotton J, Koning R, Rensing B, Wykrzykowska J, de Winter RJ, Garg S, Anderson R, Hamm C, Steg PG, Onuma Y, Serruys PW. Comparative Assessment of Predictive Performance of PRECISE-DAPT, CRUSADE, and ACUITY Scores in Risk Stratifying 30-Day Bleeding Events. Thromb Haemost. 2020 Jul;120(7):1087-1095. doi: 10.1055/s-0040-1712449. Epub 2020 Jun 22.
- Collet JP, Thiele H, Barbato E, Barthelemy O, Bauersachs J, Bhatt DL, Dendale P, Dorobantu M, Edvardsen T, Folliguet T, Gale CP, Gilard M, Jobs A, Juni P, Lambrinou E, Lewis BS, Mehilli J, Meliga E, Merkely B, Mueller C, Roffi M, Rutten FH, Sibbing D, Siontis GCM; ESC Scientific Document Group. 2020 ESC Guidelines for the management of acute coronary syndromes in patients presenting without persistent ST-segment elevation. Eur Heart J. 2021 Apr 7;42(14):1289-1367. doi: 10.1093/eurheartj/ehaa575. No abstract available.
- Capodanno D, Angiolillo DJ. Tailoring duration of DAPT with risk scores. Lancet. 2017 Mar 11;389(10073):987-989. doi: 10.1016/S0140-6736(17)30591-3. No abstract available.
- Rymer JA, Rao SV. Enhancement of Risk Prediction With Machine Learning: Rise of the Machines. JAMA Netw Open. 2019 Jul 3;2(7):e196823. doi: 10.1001/jamanetworkopen.2019.6823. No abstract available.
- Goldstein BA, Navar AM, Carter RE. Moving beyond regression techniques in cardiovascular risk prediction: applying machine learning to address analytic challenges. Eur Heart J. 2017 Jun 14;38(23):1805-1814. doi: 10.1093/eurheartj/ehw302.
- Pencina MJ, D'Agostino RB Sr. Thoroughly modern risk prediction? Sci Transl Med. 2012 Apr 25;4(131):131fs10. doi: 10.1126/scitranslmed.3004127.
- Krittanawong C, Rogers AJ, Johnson KW, Wang Z, Turakhia MP, Halperin JL, Narayan SM. Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management. Nat Rev Cardiol. 2021 Feb;18(2):75-91. doi: 10.1038/s41569-020-00445-9. Epub 2020 Oct 9.
- Gao W, Emaminejad S, Nyein HYY, Challa S, Chen K, Peck A, Fahad HM, Ota H, Shiraki H, Kiriya D, Lien DH, Brooks GA, Davis RW, Javey A. Fully integrated wearable sensor arrays for multiplexed in situ perspiration analysis. Nature. 2016 Jan 28;529(7587):509-514. doi: 10.1038/nature16521.
- Mi SH, Su G, Yang HX, Zhou Y, Tian L, Zhang T, Tao H. Comparison of in-hospital glycemic variability and admission blood glucose in predicting short-term outcomes in non-diabetes patients with ST elevation myocardial infarction underwent percutaneous coronary intervention. Diabetol Metab Syndr. 2017 Mar 21;9:20. doi: 10.1186/s13098-017-0217-1. eCollection 2017.
- Hylek EM, Ko D. Atrial Fibrillation and Fall Risk: What Are the Treatment Implications? J Am Coll Cardiol. 2016 Sep 13;68(11):1179-1180. doi: 10.1016/j.jacc.2016.07.714. No abstract available.
- Liu C, Chen R, Sera F, Vicedo-Cabrera AM, Guo Y, Tong S, Coelho MSZS, Saldiva PHN, Lavigne E, Matus P, Valdes Ortega N, Osorio Garcia S, Pascal M, Stafoggia M, Scortichini M, Hashizume M, Honda Y, Hurtado-Diaz M, Cruz J, Nunes B, Teixeira JP, Kim H, Tobias A, Iniguez C, Forsberg B, Astrom C, Ragettli MS, Guo YL, Chen BY, Bell ML, Wright CY, Scovronick N, Garland RM, Milojevic A, Kysely J, Urban A, Orru H, Indermitte E, Jaakkola JJK, Ryti NRI, Katsouyanni K, Analitis A, Zanobetti A, Schwartz J, Chen J, Wu T, Cohen A, Gasparrini A, Kan H. Ambient Particulate Air Pollution and Daily Mortality in 652 Cities. N Engl J Med. 2019 Aug 22;381(8):705-715. doi: 10.1056/NEJMoa1817364.
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 (估计的)
2025年6月1日
初级完成 (估计的)
2028年2月1日
研究完成 (估计的)
2028年2月1日
研究注册日期
首次提交
2025年5月12日
首先提交符合 QC 标准的
2025年5月20日
首次发布 (实际的)
2025年5月28日
研究记录更新
最后更新发布 (实际的)
2025年6月10日
上次提交的符合 QC 标准的更新
2025年6月4日
最后验证
2025年6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.