免费获得国外相关药品，最快 1 个工作日回馈药物信息
用于 ICU 脓毒症预测的人工智能 (AICUSepsis)
| 状况或疾病 | 干预/治疗 |
|---|---|
| 人工智能感染性休克重症监护病房精神病 | 诊断测试：人工智能脓毒症预测模型 |
本研究采用的脓毒症预测模型已经初步准备完成，建立在综合ICU建立以来的7000例患者身上，采用脓毒症3.0诊断标准。 脓毒症预测模型采用Python平台和XGBoost算法构建，用于预测ICU患者24小时内败血症的发生率。总体准确率为 82%，Auroc 曲线下面积为 0.854。
符合纳入排除标准的患者每日进行脓毒症模型预测，并根据检测结果形成定量检查表。预测结果有低风险和高风险两种。定量检查表可供主治医师使用提高诊断效率。结果对临床医生保密。
所有患者均由两名资深主治医师在固定时间诊断为败血症。诊断分为yes和no两种。如果两位主治医师意见不同，则将第三位主治医师纳入校正诊断，以2:1的方式判定是否存在败血症。主治医师是独立的彼此的。
当主治医师的诊断结果输入系统时，与昨天的脓毒症预测模型的预测结果进行比较和计算，以确定预测模型的准确性
| 学习类型 ： | 观察的 |
| 预计入学人数 ： | 2000 名参与者 |
| 观察模型： | 队列 |
| 时间透视： | 预期 |
| 官方名称： | 应用人工智能脓毒症预测模型辅助ICU临床决策 |
| 预计学习开始日期 ： | 2021 年 6 月 1 日 |
| 预计主要完成日期 ： | 2022 年 6 月 1 日 |
| 预计 研究完成日期 ： | 2023 年 6 月 1 日 |
| 组/队列 | 干预/治疗 |
|---|---|
| 脓毒症预测模型 这组人用于临床医生的决策，同时使用脓毒症预测模型进行预测，但该模型不参与决策，仅用于验证 | 诊断测试：人工智能脓毒症预测模型 |
| 医生的日常临床判断 这组人被用于临床医生的决定，没有脓毒症预测模型。 | 诊断测试：人工智能脓毒症预测模型 |
- 模型诊断的准确性 [时间框架：2年]预测模型在临床应用中的准确性评价
| 适合学习的年龄： | 16 岁至 100 岁（儿童、成人、老年人） |
| 适合学习的性别： | 全部 |
| 接受健康志愿者： | 不 |
| 抽样方法： | 非概率样本 |
| 联系人：齐强梁 | 13685753994 | deter_leung@sina.com |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首次提交日期 | 2021 年 5 月 31 日 | ||||
| 首次发布日期 | 2021 年 6 月 4 日 | ||||
| 最后更新发布日期 | 2021 年 6 月 4 日 | ||||
| 预计学习开始日期 | 2021 年 6 月 1 日 | ||||
| 预计主要完成日期 | 2022 年 6 月 1 日（主要结局指标的最终数据收集日期） | ||||
| 当前的主要结果测量 | 模型诊断的准确性 [时间框架：2年] 预测模型在临床应用中的准确性评价 | ||||
| 原始主要结果测量 | 与当前相同 | ||||
| 更改历史记录 | 未发布任何更改 | ||||
| 当前的次要结果测量 | 不提供 | ||||
| 原始次要结果测量 | 不提供 | ||||
| 当前的其他预先指定的结果措施 | 不提供 | ||||
| 原始的其他预先指定的结果措施 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 用于重症监护病房脓毒症预测的人工智能 | ||||
| 官方名称 | 应用人工智能脓毒症预测模型辅助ICU临床决策 | ||||
| 简要总结 | 开发符合中国人群的脓毒症预测模型，并推广到临床，辅助临床医生早期识别、早期干预，具有良好的应用前景。本研究为前瞻性观察性研究，主要评估先前建立的脓毒症预测模型的准确性。脓毒症的发生由医生日常临床判断确定，并对脓毒症预测模型的结果进行匹配和校正，以提高脓毒症预测模型的临床准确性和适用性。 | ||||
| 详细说明 | 本研究采用的脓毒症预测模型已经初步准备完成，建立在综合ICU建立以来的7000例患者身上，采用脓毒症3.0诊断标准。 脓毒症预测模型采用Python平台和XGBoost算法构建，用于预测ICU患者24小时内败血症的发生率。总体准确率为 82%，Auroc 曲线下面积为 0.854。 符合纳入排除标准的患者每日进行脓毒症模型预测，并根据检测结果形成定量检查表。预测结果有低风险和高风险两种。定量检查表可供主治医师使用提高诊断效率。结果对临床医生保密。 所有患者均由两名资深主治医师在固定时间诊断为败血症。诊断分为yes和no两种。如果两位主治医师意见不同，则将第三位主治医师纳入校正诊断，以2:1的方式判定是否存在败血症。主治医师是独立的彼此的。 当主治医师的诊断结果输入系统时，与昨天的脓毒症预测模型的预测结果进行比较和计算，以确定预测模型的准确性 | ||||
| 学习类型 | 观察的 | ||||
| 学习规划 | 观察模型：队列 时间透视：前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物标本 | 不提供 | ||||
| 抽样方法 | 非概率样本 | ||||
| 研究人群 | 每天通过脓毒症模型预测符合纳入和排除标准的患者，并根据检测结果形成定量列表。预测结果有两种：低风险和高风险。量化名单对主治医师开放，提高诊断效率。预测结果对临床医生保密。 | ||||
| 状况 |
| ||||
| 干涉 | 诊断测试：人工智能脓毒症预测模型 | ||||
| 研究组/队列 | |||||
| 出版物 * | 不提供 | ||||
* 包括数据提供者提供的出版物以及 Medline 中由 ClinicalTrials.gov 标识符（NCT 编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘现状 | 暂未招聘 | ||||
| 预计入学人数 | 2000年 | ||||
| 最初预计入学人数 | 与当前相同 | ||||
| 预计研究完成日期 | 2023 年 6 月 1 日 | ||||
| 预计主要完成日期 | 2022 年 6 月 1 日（主要结局指标的最终数据收集日期） | ||||
| 资格标准 | 纳入标准： 研究期间所有符合入住ICU条件的急性危重症患者 排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 16 岁至 100 岁（儿童、成人、老年人） | ||||
| 接受健康志愿者 | 不 | ||||
| 联系人 |
| ||||
| 上市地点国家 | 不提供 | ||||
| 删除位置国家/地区 | |||||
| 行政信息 | |||||
| NCT号码 | NCT04913181 | ||||
| 其他研究 ID 号 | SHZJU-ICU2020-202 | ||||
| 设有数据监控委员会 | 不 | ||||
| 美国 FDA 监管产品 |
| ||||
| IPD分享声明 |
| ||||
| 责任方 | 浙江大学医学院附属第二医院 | ||||
| 研究赞助商 | 浙江大学医学院附属第二医院 | ||||
| 合作者 | 不提供 | ||||
| 调查员 | 不提供 | ||||
| PRS账户 | 浙江大学医学院附属第二医院 | ||||
| 验证日期 | 2021 年 5 月 | ||||
| 状况或疾病 | 干预/治疗 |
|---|---|
| 人工智能感染性休克重症监护病房精神病 | 诊断测试：人工智能脓毒症预测模型 |
本研究采用的脓毒症预测模型已经初步准备完成，建立在综合ICU建立以来的7000例患者身上，采用脓毒症3.0诊断标准。 脓毒症预测模型采用Python平台和XGBoost算法构建，用于预测ICU患者24小时内败血症的发生率。总体准确率为 82%，uro' target='_blank'>Auroc 曲线下面积为 0.854。
符合纳入排除标准的患者每日进行脓毒症模型预测，并根据检测结果形成定量检查表。预测结果有低风险和高风险两种。定量检查表可供主治医师使用提高诊断效率。结果对临床医生保密。
所有患者均由两名资深主治医师在固定时间诊断为败血症。诊断分为yes和no两种。如果两位主治医师意见不同，则将第三位主治医师纳入校正诊断，以2:1的方式判定是否存在败血症。主治医师是独立的彼此的。
当主治医师的诊断结果输入系统时，与昨天的脓毒症预测模型的预测结果进行比较和计算，以确定预测模型的准确性
| 学习类型 ： | 观察的 |
| 预计入学人数 ： | 2000 名参与者 |
| 观察模型： | 队列 |
| 时间透视： | 预期 |
| 官方名称： | 应用人工智能脓毒症预测模型辅助ICU临床决策 |
| 预计学习开始日期 ： | 2021 年 6 月 1 日 |
| 预计主要完成日期 ： | 2022 年 6 月 1 日 |
| 预计 研究完成日期 ： | 2023 年 6 月 1 日 |
| 组/队列 | 干预/治疗 |
|---|---|
| 脓毒症预测模型 这组人用于临床医生的决策，同时使用脓毒症预测模型进行预测，但该模型不参与决策，仅用于验证 | 诊断测试：人工智能脓毒症预测模型 |
| 医生的日常临床判断 这组人被用于临床医生的决定，没有脓毒症预测模型。 | 诊断测试：人工智能脓毒症预测模型 |
- 模型诊断的准确性 [时间框架：2年]预测模型在临床应用中的准确性评价
| 适合学习的年龄： | 16 岁至 100 岁（儿童、成人、老年人） |
| 适合学习的性别： | 全部 |
| 接受健康志愿者： | 不 |
| 抽样方法： | 非概率样本 |
| 追踪信息 | |||||
|---|---|---|---|---|---|
| 首次提交日期 | 2021 年 5 月 31 日 | ||||
| 首次发布日期 | 2021 年 6 月 4 日 | ||||
| 最后更新发布日期 | 2021 年 6 月 4 日 | ||||
| 预计学习开始日期 | 2021 年 6 月 1 日 | ||||
| 预计主要完成日期 | 2022 年 6 月 1 日（主要结局指标的最终数据收集日期） | ||||
| 当前的主要结果测量 | 模型诊断的准确性 [时间框架：2年] 预测模型在临床应用中的准确性评价 | ||||
| 原始主要结果测量 | 与当前相同 | ||||
| 更改历史记录 | 未发布任何更改 | ||||
| 当前的次要结果测量 | 不提供 | ||||
| 原始次要结果测量 | 不提供 | ||||
| 当前的其他预先指定的结果措施 | 不提供 | ||||
| 原始的其他预先指定的结果措施 | 不提供 | ||||
| 描述性信息 | |||||
| 简短标题 | 用于重症监护病房脓毒症预测的人工智能 | ||||
| 官方名称 | 应用人工智能脓毒症预测模型辅助ICU临床决策 | ||||
| 简要总结 | 开发符合中国人群的脓毒症预测模型，并推广到临床，辅助临床医生早期识别、早期干预，具有良好的应用前景。本研究为前瞻性观察性研究，主要评估先前建立的脓毒症预测模型的准确性。脓毒症的发生由医生日常临床判断确定，并对脓毒症预测模型的结果进行匹配和校正，以提高脓毒症预测模型的临床准确性和适用性。 | ||||
| 详细说明 | 本研究采用的脓毒症预测模型已经初步准备完成，建立在综合ICU建立以来的7000例患者身上，采用脓毒症3.0诊断标准。 脓毒症预测模型采用Python平台和XGBoost算法构建，用于预测ICU患者24小时内败血症的发生率。总体准确率为 82%，uro' target='_blank'>Auroc 曲线下面积为 0.854。 符合纳入排除标准的患者每日进行脓毒症模型预测，并根据检测结果形成定量检查表。预测结果有低风险和高风险两种。定量检查表可供主治医师使用提高诊断效率。结果对临床医生保密。 所有患者均由两名资深主治医师在固定时间诊断为败血症。诊断分为yes和no两种。如果两位主治医师意见不同，则将第三位主治医师纳入校正诊断，以2:1的方式判定是否存在败血症。主治医师是独立的彼此的。 当主治医师的诊断结果输入系统时，与昨天的脓毒症预测模型的预测结果进行比较和计算，以确定预测模型的准确性 | ||||
| 学习类型 | 观察的 | ||||
| 学习规划 | 观察模型：队列 时间透视：前瞻性 | ||||
| 目标随访时间 | 不提供 | ||||
| 生物标本 | 不提供 | ||||
| 抽样方法 | 非概率样本 | ||||
| 研究人群 | 每天通过脓毒症模型预测符合纳入和排除标准的患者，并根据检测结果形成定量列表。预测结果有两种：低风险和高风险。量化名单对主治医师开放，提高诊断效率。预测结果对临床医生保密。 | ||||
| 状况 |
| ||||
| 干涉 | 诊断测试：人工智能脓毒症预测模型 | ||||
| 研究组/队列 | |||||
| 出版物 * | 不提供 | ||||
* 包括数据提供者提供的出版物以及 Medline 中由 ClinicalTrials.gov 标识符（NCT 编号）确定的出版物。 | |||||
| 招聘信息 | |||||
| 招聘现状 | 暂未招聘 | ||||
| 预计入学人数 | 2000年 | ||||
| 最初预计入学人数 | 与当前相同 | ||||
| 预计研究完成日期 | 2023 年 6 月 1 日 | ||||
| 预计主要完成日期 | 2022 年 6 月 1 日（主要结局指标的最终数据收集日期） | ||||
| 资格标准 | 纳入标准： 研究期间所有符合入住ICU条件的急性危重症患者 排除标准：
| ||||
| 性别/性别 |
| ||||
| 年龄 | 16 岁至 100 岁（儿童、成人、老年人） | ||||
| 接受健康志愿者 | 不 | ||||
| 联系人 |
| ||||
| 上市地点国家 | 不提供 | ||||
| 删除位置国家/地区 | |||||
| 行政信息 | |||||
| NCT号码 | NCT04913181 | ||||
| 其他研究 ID 号 | SHZJU-ICU2020-202 | ||||
| 设有数据监控委员会 | 不 | ||||
| 美国 FDA 监管产品 |
| ||||
| IPD分享声明 |
| ||||
| 责任方 | 浙江大学医学院附属第二医院 | ||||
| 研究赞助商 | 浙江大学医学院附属第二医院 | ||||
| 合作者 | 不提供 | ||||
| 调查员 | 不提供 | ||||
| PRS账户 | 浙江大学医学院附属第二医院 | ||||
| 验证日期 | 2021 年 5 月 | ||||
