ChiCTR2200064728尚未招募不适用
基于自然语言处理与机器学习的心衰患者 30 天内全因再入院风险预测模型构建
北京大学深圳医院 2021 年院内课题面上项目1 个研究点 分布在 1 个国家开始时间: 2022年8月1日最近更新:
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 30 天内全因再入院
研究概览
简要总结
研究旨在通过自然语言处理，提取包括医疗病历、护理记录等 EHRs 中的结构化和非结构化信息，输出为临床表型，并通过机器学习构建心衰患者 30 天内全因再入院的预测模型，以早期识别心衰患者的再入院风险，为住院期间医疗护理措施的构建与调整提供依据，从而优化住院患者心衰管理，减少心衰患者再入院率。其次，研究将分析、比较不同模型在预测心衰再入院方面的效果，在本次模型开发中对比不同机器学习算法间及传统统计学方法构建的模型预测效果，并对既往研究中的模型进行外部验证，比较新旧模型效能，以充分探讨本研究的意义，为后续进一步研究打下坚实基础。
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
- 年龄范围
- 18 至 —（—）
- 性别
- All
入选标准
- •1.年龄>=18 周岁的成年患者；
- •2.既往未患心力衰竭，或曾确诊心力衰竭，或曾多次因心力衰竭反复住院者；
- •3.住院期间医疗主要诊断中明确包含急、慢性心力衰竭的患者（ICD-10 疾病编码：402.x1，404.x1, 404.x3, 428.xx），以及各种类型的慢性心力衰竭患者；
- •4.住院诊疗信息可完整获取者（包括医疗、护理记录等 EHRs）；
- •5.无论何种诱因所致的心力衰竭再入院者；
- •6.再入院地点为我院，或在其他医疗机构接受治疗且能明确心力衰竭为原因者（如提供疾病诊断证明、首次病程记录、出院小结等）；
- •7.两次住院间歇期在 30 天内，包含出院当天以及出院后第 30 天再入院者；
- •8.对于 30 天内多次（＞2 次）因心力衰竭住院者，以第一次住院信息为主；
- •9.知情同意自愿参加研究者。
排除标准
- •1.前次住院结局为自动出院、转院或死亡者；
- •2.两次心衰住院治疗间歇期因非心力衰竭原因到其他科室或其他医疗机构住院者；
- •3.拒绝接受随访、失访等中途退出研究者；
- •4.病历资料出现数据缺失＞20%者。
研究组 & 干预措施
病例组
结局指标
主要结局
30 天内全因再入院
次要结局
未报告次要终点
研究者
研究点 (1)
Loading locations...
相似试验
尚未招募
Unknown
机器学习模型对心力衰竭 6 个月再入院预测的可解释性价值：回顾性、比较性、机器学习研究方案心力衰竭ChiCTR2500104915
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
机器学习算法用于心脏手术预后的临床应用研究ChiCTR2100042208自发
Unknown
不适用
人工智能在预测心血管植入型电子器械术后患者发生心房高频事件的临床应用ChiCTR2500101956自选课题（自筹）
Unknown
不适用
心脏磁共振联合人工智能技术在心肌炎及心肌病患者中的应用心肌病ChiCTR2500105226苏北人民医院医疗扶持技术项目100