洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

首页 临床进展 机器学习模型预测肺移植术后PGD发生及预后

【ChiCTR2400090809】机器学习模型预测肺移植术后PGD发生及预后

查看原文
立即下载
基本信息
登记号

ChiCTR2400090809

试验状态

尚未开始

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2024-10-14

临床申请受理号

/

靶点

/

适应症

PGD是肺移植术后早期出现的急性肺损伤综合征。2005年，国际心肺移植学会第1次制定了PGD的诊断标准和分级。根据胸片弥漫性肺泡浸润和低氧血症的程度来决定PGD的严重程度。2016年的指南进行了细化:如果胸片未提示肺水肿，氧合指数任何值均可视为0级PGD，如果胸片提示肺水肿，氧合指数300为1级PGD;氧合指数200300为2级PGD;氧合指数<200为3级PGD。PGD特征性表现为肺水肿、肺顺应

试验通俗题目

机器学习模型预测肺移植术后PGD发生及预后

试验专业题目

机器学习模型预测肺移植术后PGD发生及预后

申办单位信息
申请人联系人
申请人名称
联系人邮箱
联系人邮编

联系人通讯地址
临床试验信息
试验目的

PGD目前的诊断和分级标准，有一定的滞后性，发生PGD的肺移植患者病情危重，要求早期采取积极有效的治疗方式以改善结局，经替代治疗后改善的生命体征或实验室检查结果，可能无法正确体现患者的实际病情。近年来，机器学习逐渐应用于医学研究中，其可根据不同临床需求及数据特征建立预测模型，与临床常用分级标准相比，能更好地预测不良结局的发生。 PGD风险预测模型作为一种科学的统计学评估方法，对早期筛查和识别PGD高危人群有重要意义。随着互联网医疗和人工智能技术的飞速发展，基于机器学习 (machine learning，ML) 算法开发程序化的各类疾病预测模型逐渐成为临床关注热点。机器学习是人工智能的核心，是指计算机通过对已知特征和结果的数据集进行分析和学习，发现数据内部的潜在依赖关系并将其以数学模型的形式表达出来，具备纳入变量客观、模型精准、效率高、契合临床 等优势，实现筛选PGD疾病高风险人群和识别特定群体或个体疾病风险因素的目的，为制定预防管理PGD策略提供理论依据。

试验分类
试验类型

队列研究

试验分期

其它

随机化

无

盲法

无

试验项目经费来源

2022年省科技计划专项资金（重点研发计划社会发展）

试验范围

/

目标入组人数

300

实际入组人数

/

第一例入组时间

2024-09-01

试验终止时间

2027-12-31

是否属于一致性

/

入选标准

2015 年 1 月-2024 年 6 月在无锡市人民医院进行肺移植的成人患者。；

排除标准

1.有器官移植手术史； 2.联合多器官移植； 3.数据严重缺失； 4.年龄小于18岁；；

研究者信息
研究负责人姓名
试验机构

无锡市人民医院

研究负责人电话
研究负责人邮箱
研究负责人邮编

/

联系人通讯地址
<END>

无锡市人民医院的其他临床试验

更多

南京医科大学附属无锡人民医院的其他临床试验

更多

最新临床资讯

更多
对摩熵医药数据库感兴趣，可以免费体验产品
体验产品