Меню
Идёт набор NCT06791447

AI-Driven Prediction of Dialysis Outcome With EHR

— Наблюдательное Dialysis Patients

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: AI-assisted Predictive Model for Dialysis Outcomes.
Кому может быть актуально
Состояния в реестре: Dialysis Patients. Базовые параметры: 20 лет — 100 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
Китай
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

Predicting Clinical Outcomes in Dialysis Patients Using Electronic Health Records: An AI-Based Approach

Обзор

This is a multi-center, clinical study designed to evaluate the application and effectiveness of an AI-assisted predictive model for outcome of dialysis patients, leveraging multimodal health data.

Подробное описание

This study aims to develop an AI-assisted model to predict clinical outcomes in dialysis patients, focusing on both primary outcomes (e.g., mortality) and intermediate outcomes (e.g., anemia, blood pressure, nutritional status, and calcium-phosphate metabolism). The study will utilize patients' EHR data, including laboratory test results, medical history, dialysis treatment information, and clinical observations, to predict these health outcomes. The goal is to improve early identification of at-risk patients, enabling better clinical decision-making and personalized care strategies.

Вмешательства

  • Другое AI-assisted Predictive Model for Dialysis Outcomes
    This study utilizes an AI-assisted predictive model that analyzes multimodal data from electronic health records, including medical history, laboratory results, dialysis treatment details, and clinical observations, to predict outcomes for dialysis patients. The model employs deep learning algorithms to predict mortality risk, intermediate outcomes such as anemia, blood pressure control, nutrition, and calcium-phosphate metabolism, and helps identify early signs of deterioration. The interventio

Первичные конечные точки

  • Mortality Prediction Accuracy [Срок оценки: 1 year]
Вторичные конечные точки (1)
  • Complications Prediction Accuracy [Срок оценки: 1 year]

Критерии участия

Критерии включения

  • Patients who have been undergoing dialysis (either hemodialysis or peritoneal dialysis) for at least 3 months.
  • Complete and accessible EHR data, including medical history, laboratory test results, dialysis treatment details, and clinical observations.
  • Participants must provide informed consent for the use of their health data for research purposes.

Критерии исключения

  • Patients with incomplete or missing critical EHR data, including medical history, laboratory results, dialysis data, or treatment details necessary for the study.
  • Patients who have been on dialysis for less than 3 months, to ensure stable data for outcome prediction.

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

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

Китай · 1 центр
  • General Hospital of PLA — Пекин

Идентификаторы

NCT: NCT06791447 · Dialysis

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗