ChiCTR2500101100尚未招募回顾性研究
心肌梗死后心脏性猝死的个性化预测模型:基于电子健康档案的机器学习研究
本人发起的临床研究项目“ 心肌梗死后心脏性猝死的个性化预测模型:基于电子健康档案的机器学习研究 ”,其研究经费来源为重庆市技术创新与应用发展专项:AI+衰老风险评估与预警关键技术研究与应用。1 个研究点 分布在 1 个国家开始时间: 2025年4月30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
- 试验地点
- 1
- 主要终点
- 饮酒史
研究概览
简要总结
本研究旨在基于机器学习技术构建针对心梗幸存者的心脏性猝死风险预测模型,通过综合分析心梗患者的个人信息、临床特征、实验室检查指标、药物处方、心电图数据等多种数据,构建一种能够应用于临床、可以精准预测心脏性猝死风险的个性化预测模型,以期提高心梗后心脏性猝死风险预测的准确性和可靠性。本研究对降低心梗后心脏性猝死发生率、减轻患者和社会疾病负担具有重要意义。
研究设计
- 研究类型
- 观察性研究
- 主要目的
- 横断面
入排标准
- 年龄范围
- 18 至 —(—)
- 性别
- All
入选标准
- •1)年龄≥18 岁;2)系统病历里诊断为心肌梗死 / 心梗/STEMI/NSTEMI 或急性冠脉综合征。
排除标准
- •1)基线时携带植入式心律转复除颤器的患者;
- •2)梗死后 40 天内接受植入式心律转复除颤器的患者;
- •3)基线时使用心脏再同步化治疗装置(起搏器或除颤器)的患者;
- •4)同时存在非缺血性心肌病(如扩张性、肥厚性或限制性心肌病);
- •5)基线存在长 QT 间期综合征或 Brugada 综合征(通过临床诊断字符检索或心电图(若有)结果判断);
- •6)基线存在先天性心脏病的患者;
- •7)基线患有恶性肿瘤的患者;
- •8)关键指标缺失严重(20%)的患者。
研究组 & 干预措施
观察组
结局指标
主要结局
饮酒史
年龄
性别
身体质量指数
吸烟史
既往病史
血常规
血糖
血脂
血压
肝功能
肾功能
心肌损伤标志物
C 反应蛋白
用药情况
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
应用机器学习预测急性心肌梗死后心律失常的发生急性心肌梗死ChiCTR2100041960哈尔滨医科大学附属第一医院心血管内科
Unknown
不适用
心肌梗死后心脏性猝死及恶性心律失常的预测研究ChiCTR-OOC-16008587上海申康集团慢病课题,圣犹达公司横向课题1,550
Unknown
不适用
基于机器学习构建心力衰竭的病因诊断和预后评估的决策模型心力衰竭ChiCTR1900027044上海申康医院发展中心
Unknown
不适用
基于机器学习的预测模型预测脑梗死后再梗死与脑梗死后再出血研究ChiCTR2500113505自选课题(自筹)
Unknown
不适用
田晶医师:请尽快在 ResMan IPD 平台上传原始数据以完成补注册。 慢性心力衰竭前瞻性队列和预测预后研究慢性心力衰竭ChiCTR2100043337心脑血管疾病患者报告结局(PRO)恶化预警与潜在状态评估模型构建,国自然基金面上项目,81872714,负责人:张岩波,起止年月:2019/01-2022/12。重大疾病风险评估山西省重点实验室,山西省重点实验室项目,201805D111006,负责人:张岩波,起止年月:2018/12-2020/12。血脂异常患者 microRNA-206 表达分析及其降脂机制研究,山西重点研发计划,201903D3792
