ChiCTR2200058700尚未招募回顾性研究
利用深度学习方法构建重症患者 ARDS 发病风险及严重程度预测模型和评估工具
上海交通大学医学院附属仁济医院临床科研创新培育基金（RJPY-DZX-008)3 个研究点 分布在 1 个国家目标入组 600 人开始时间: 2021年12月1日最近更新:
试验速览
- 阶段
- 回顾性研究
- 状态
- 尚未招募
- 发起方
- 入组人数
- 600
- 试验地点
- 3
研究概览
简要总结
主要研究目的：
- 整合各参与研究医院的患者临床信息并将其纳入到一个统一规范化的数据库中，促进对于特定疾病类型患者的认识，促进病人的院内诊疗和管理。
- 采用深度学习技术分析 ICU 内患者的临床数据以及 CT 图像数据，建立 ARDS 发病风险及严重程度预测模型和评估工具。
- 建立一个可供临床医师使用的针对 ARDS 早期诊断和严重程度分析预测的应用软件，为实际临床决策提供一个快速便捷的参考。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 队列研究
入排标准
- 性别
- Male
入选标准
- •患者满足下列项目中任意一项即考虑入组：
- •脓毒症或脓毒性休克患者；
- •大量输血患者(一次输血量超过患者自身血容量的 1 到 1.5 倍,或 1 小时内输血大于 1/2 的自身血容量, 或输血速度大于 1.5ml/(kg.min))；
排除标准
- •ICU 住院时长小于 24 小时；
- •患者已经参与其他临床研究；
- •患者或其家属拒绝参加者。
研究组 & 干预措施
急性窘迫综合症患者组
无（回顾观察性研究无干预措施）
结局指标
主要结局
未指定
次要结局
- 患者基本信息
- 一般临床信息
- CT 影像学检查结果
- 血常规
- 血生化
- C-反应蛋白
- 血沉
- 降钙素原
研究者
研究点 (3)
Loading locations...
相似试验
Unknown
不适用
基于机器学习算法对危重患者医院获得性压力性损伤风险预测模型的构建与应用研究压力性损伤ChiCTR2200064281浙江省医药卫生科技计划项目350
尚未招募
Unknown
基于人工智能与右心超声监测数据的 ARDS 机械通气循环障碍自动评价预警模型研究ChiCTR2200062504四川省科技厅80
Unknown
不适用
LIPS 联合不同生物学指标在危重症患者中构建 ARDS 预测模型的研究急性呼吸窘迫综合征ChiCTR2200063443南通市第一人民医院120
Unknown
不适用
ARDS 预警和预后指标体系的研究急性呼吸窘迫综合征ChiCTR-OOC-16008437科研经费（军队）150
已完成
不适用
Machine Learning Prediction of Mortality After Prone Positioning in ARDSARDSNCT07445061Shanghai Zhongshan Hospital358