Меню
Идёт набор NCT04130789

Personalized Swiss Sepsis Study

— Наблюдательное Sepsis

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: compare data patterns by data-driven algorithms to determine sepsis, compare data patterns by data-driven algorithms to predict sepsis-related mortality.
Кому может быть актуально
Состояния в реестре: Sepsis. Базовые параметры: от 18 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Швейцария
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

Personalized Swiss Sepsis Study: With Machine Learning and Computational Modelling Towards Personalized Sepsis Management - Discovery of Digital Biomarkers

Обзор

This multi-center study is to focus on patients with sepsis in Intensive Care Units (ICUs) in order to better understand the complex host-pathogen interaction and clinical heterogeneity associated with sepsis. Understanding this heterogeneity may allow the development of novel diagnostic approaches. Data from patients will be analyzed using state-of-the art analytical algorithms for biomarker discovery including machine learning and multidimensional mathematical modelling to explore the large datasets generated. In order to discover digital biomarkers for the study endpoints a case-control study design will be used to compare data patterns from patients with sepsis (cases) and those without sepsis (controls).

Вмешательства

  • Другое compare data patterns by data-driven algorithms to determine sepsis
    compare data patterns by data-driven algorithms including machine learning and multi-dimensional modelling to reliably determine sepsis
  • Другое compare data patterns by data-driven algorithms to predict sepsis-related mortality
    compare data patterns by data-driven algorithms including machine learning and multi-dimensional modelling to to predict sepsis-related mortality

Первичные конечные точки

  • sepsis-related mortality (sensitivity) [Срок оценки: time- series data collected from hospital entry until maximum 12 months after hospital exit (no exact time point specified)]
  • sepsis-related mortality (specificity) [Срок оценки: time- series data collected from hospital entry until maximum 12 months after hospital exit (no exact time point specified)]
  • Determination of sepsis [Срок оценки: time- series data collected from hospital entry until hospital exit; an average of 1 month (no exact time point specified)]

Критерии участия

Критерии включения

  • Patients admitted to an ICU on a Swiss University Hospital.
  • Patients expected to stay at least 24h on the ICU

Inclusion Criteria (cases)

  • Present at admission to ICU or subsequent development of sepsis 3.0 criteria

Inclusion Criteria (controls)

  • Patients not fulfilling sepsis definition during the ICU stay

Критерии исключения

  • Decline of general consent or any other negative statement against using data for research.
  • Patients with a clear elective stay on the ICUs.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Случай-контроль

Центры проведения

Швейцария · 16 центров
  • Clinical Microbiology, University Hospital Basel — Basel
  • Infectious Diseases and Hospital Epidemiology, University Hospital Basel — Basel
  • Medical Intensive Care Unit; University Hospital Basel — Basel
  • Surgical Intensive Care Unit, University Hospital Basel — Basel
  • Institute for Infectious Diseases, University of Bern — Bern
  • Division Infectious Diseases, University Hospital Bern — Bern
  • Intensive Care Medicine, University Hospital Bern — Bern
  • Division Bacteriology Laboratory, University Hospital Geneva — Geneva
  • … и ещё 8 центров

Идентификаторы

NCT: NCT04130789 · 2019-01088; qu18Egli2

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗