ChiCTR2100049348尚未招募Unknown
利用核磁共振代谢组学和机器学习技术建立 ECMO 预后预测模型
利用压缩感知和机器学习技术建立急危重症早期智能预警系统1 个研究点 分布在 1 个国家目标入组 65 人开始时间: 2021年8月1日最近更新:
试验速览
- 阶段
- Unknown
- 状态
- 尚未招募
- 发起方
- 入组人数
- 65
- 试验地点
- 1
- 主要终点
- 出院生存率
研究概览
简要总结
基于核磁共振技术，探索 ECMO 治疗的患者的血清代谢型演化，建立可用于 ECMO 治疗患者的预警模型。
研究设计
- 研究类型
- Observational
入排标准
- 性别
- All
入选标准
- •在 EICU 经 VA-ECMO 或 ECPR 治疗的病人。
排除标准
- 未提供
研究组 & 干预措施
连续入组
结局指标
主要结局
出院生存率
血清代谢组学分析
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于代谢组学和数据科学技术的癌性急腹症精准治疗的研究ChiCTR1800019108四川省卫生厅30
Unknown
不适用
基于机器学习对重症患者营养需求的研究ChiCTR1900024746重大疾病代谢组学标准数据库和公共分析平台项目200
Unknown
不适用
基于 ECPR 队列构建靶向脑循环氧合的脑复苏预测预警模型及多模态评估体系ChiCTR2500104118国家科技创新 2030 卫生安全重大专项
Unknown
不适用
深度学习乳腺癌磁共振影像组学预测淋巴结转移及预后 （RBC-01）乳腺癌ChiCTR1900024020中山大学孙逸仙纪念医院
Unknown
不适用
区域内 ECMO 协作对 VA-ECMO 辅助患者预后的影响ChiCTR2100054738台州市科技计划项目300