Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy
2026年8月8日 更新者：Sofia De La Villa、Instituto de Investigación Sanitaria Gregorio Marañón
Clinical Impact of a Machine Learning Decision Support System for Empirical Antibiotic Therapy: A Prospective Quasi-Experimental Study
The goal of this quasi-experimental study is to analyze if a Machine Learning Clinical Decision Support System can improve the empirical antibiotic treatment in patients with pneumonia, urinary tract infection and / or sepsis.
The main questions it aims to answer are:
- Primary outcome: clinical success defined as clinical cure (resolution of all signs and symptoms related to infection); no complications until day 30 (recurrence, or development of adverse events- AEs-); no new acquisition of MDROs; and survival at day 30.
- Secondary outcomes: a subgroup analysis of the primary outcome according to the department participants, infectious syndrome, severity of the infection assessed by the SOFA score, and in microbiological confirmed infections. In microbiological confirmed infections, desirability of Outcome Ranking (DOOR) for the Management of Antimicrobial Therapy (MAT) according to the beta-lactam classification
Researchers will compare a pre-intervention group with a post-intervention to see if improve in the DOOR MAT score
Participants in the post-intervention group will:
• Received empirical antibiotic therapy prescribed by their treating physicians according to the machine-learning recommendations
研究概览
研究类型
介入性
注册 (估计的)
486
阶段
- 不适用
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：Sofía De la Villa
- 电话号码：34912868453
- 邮箱：sofiadela.villa@salud.madrid.org
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
描述
Inclusion Criteria:
- Adult patients (aged ≥18 years)
- Admitted to the Nephrology, Oncology or ICU wards
- Diagnosis of sepsis, pneumonia and/or UTI
- Empirical antibiotics prescribed
Exclusion Criteria:
- informed consent obtained > 48 hours since the infection onset
- beta-lactam allergy
- infection syndrome other than sepsis, pneumonia or UTI
- confirmed no-bacterial infection
- death within the first 48 hours of inclusion or imminent risk of death at time of the inclusion
- pregnancy and/or breastfeeding
- inclusion in a clinical trial of antimicrobial treatment
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
- 主要用途：治疗
- 分配：非随机化
- 介入模型：顺序分配
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
无干预：Pre-interventional
Hospital standard practices for diagnosis and/or treatment applied
|
|
|
实验性的：Interventional
Hospital standard practices + use of a CDSS tool
|
iAST® (Pragmatech AI Solutions) is a medical device designed to assist the antibiotic prescription, currently approved by the European Medicines Agency.
It used complex algorithms to accurately predict the most likely recommended antibiotics for providing coverage for specific aerobic bacteria before definitive microbiological results, bacterial identification and antibiotic susceptibility testing, were known
|
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 |
|---|---|---|
|
Clinical success
大体时间：30-Day
|
resolution of all signs and symptoms related to infection with no complications and survival
|
30-Day
|
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。
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)
2026年9月1日
初级完成 (估计的)
2027年8月1日
研究完成 (估计的)
2027年9月1日
研究注册日期
首次提交
2026年8月5日
首先提交符合 QC 标准的
2026年8月8日
首次发布 (实际的)
2026年8月13日
研究记录更新
最后更新发布 (实际的)
2026年8月13日
上次提交的符合 QC 标准的更新
2026年8月8日
最后验证
2026年8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.