ChiCTR2400083671尚未招募回顾性研究
基于多种机器学习方法对亚急性期脊髓损伤患者深静脉血栓风险预测模型的构建和评价
自筹1 个研究点 分布在 1 个国家开始时间: 2024年6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
- 试验地点
- 1
- 主要终点
- 双下肢血管彩超
研究概览
简要总结
脊髓损伤亚急性仍有较高的深静脉血栓发生率，准确的预测是早期发现和干预深静脉血栓的重要方法。本研究拟采用多种机器学习方法，检测潜在因素与血栓发生风险之间的关系，并检验哪种机器学习方法能显著提高 VTE 的预测精度。
研究设计
- 研究类型
- 流行病学研究
- 主要目的
- 横断面
- 盲法
- 无
入排标准
- 年龄范围
- 19 至 60（—）
- 性别
- All
入选标准
- •2010 年-2022 年康复科诊断为外伤脊髓损伤患者，初步调查脊髓损伤亚急性期住院患者（病程＜3 个月）
排除标准
- •(a)年龄在 18 岁以下;(b)病程>3 个月患者;(c)非外伤造成脊髓损伤患者;(d)其医疗记录不完整。
研究组 & 干预措施
观察组
结局指标
主要结局
双下肢血管彩超
次要结局
- D-二聚体
- Caprini 评分
- 脊髓损伤功能评级
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
基于机器学习的急性脑梗死静脉溶栓出血转化风险预测评估急性缺血性脑卒中ChiCTR1900022924上海交通大学资助5,000
Unknown
不适用
骨科大手术患者静脉血栓栓塞症风险预测模型的构建及评价ChiCTR2300068732国家自然科学基金
Unknown
不适用
基于大规模前瞻性队列数据的危重患者静脉血栓栓塞风险预测模型研究ChiCTR2100044207科研经费
Unknown
不适用
基于人工智能的深静脉血栓形成时间预测的研究深静脉血栓形成ChiCTR25001153321.南华大学附属第二医院青年优秀人才项目；
2.湖南省卫生健康高层次人才项目300
Unknown
不适用
基于深度神经网络的外科术后静脉血栓栓塞风险预测模型研究静脉血栓栓塞ChiCTR2000035329浙江省卫生健康委员会、浙江大学医学院附属第一医院