UMIN試験ID | UMIN000049747 |
---|---|
受付番号 | R000056436 |
科学的試験名 | 病態に関連する敗血症新規サブクラスの同定:探索的研究 |
一般公開日(本登録希望日) | 2022/12/12 |
最終更新日 | 2023/12/13 09:54:35 |
日本語
敗血症新規サブクラスの同定
英語
Identifying Novel Sepsis Endotypes
日本語
Endotype-sepsis study
英語
Endotype-sepsis study
日本語
病態に関連する敗血症新規サブクラスの同定:探索的研究
英語
Identifying Novel Pathophysiology-related Sepsis Endotypes: Exploratory Research
日本語
Endotype-sepsis study
英語
Endotype-sepsis study
日本/Japan |
日本語
敗血症
英語
Sepsis
救急医学/Emergency medicine | 集中治療医学/Intensive care medicine |
悪性腫瘍以外/Others
はい/YES
日本語
敗血症患者の病態と関連が強いサブクラスを同定する。
敗血症サブクラスを推定するモデルを開発する。
英語
To identify pathophysiology-related subclasses in patients with sepsis.
To develop the prediction model for sepsis subclasses.
その他/Others
日本語
探索的に、敗血症患者の病態と関連が強いサブクラス(Endotype)を同定する。
日常診療上で取得が容易な情報から、上記敗血症サブクラスを推定するモデルを開発する。
英語
To identify pathophysiology-related subclasses (endotypes) in patients with sepsis.
To develop the prediction model for sepsis subclasses using easily-available clinical data.
探索的/Exploratory
該当せず/Not applicable
日本語
複合アウトカムとして、診断後28日の死亡、または診断後28日時点の持続する臓器障害の有無(血管収縮薬の使用、人工呼吸管理、新たな腎代替療法)
英語
Composite outcome of 28-day mortality and/or persistent organ dysfunction. Persistent organ dysfunction is an ongoing requirement for vasopressors, dialysis, or mechanical ventilation.
日本語
英語
その他・メタアナリシス等/Others,meta-analysis etc
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
18 | 歳/years-old | 以上/<= |
適用なし/Not applicable |
男女両方/Male and Female
日本語
(1) 最新の国際的敗血症診断基準を満たす患者
(2) 年齢18歳以上(登録時)
(3) 性別は問わない
(4) 研究参加について、文書による同意が得られた者
英語
Patients aged greater than or equal to 18 years old diagnosed as sepsis difined by Sepsis-3 diagnostic criteria.
日本語
(1) 年齢18歳未満
(2) 敗血症の診断で他院を受診して、24時間以上経過してからの転院として参加施設に来院した患者
(3) すでに入院中の患者
(4) 本研究に必要な血液サンプルを採取する前に心停止あるいは心停止蘇生後となった患者
(5) 本人または代諾者から同意を得ることができなかった患者
(6) 担当医が研究参加にふさわしくないと判断した患者
(7) 入院3日目までに積極的な治療を辞退した患者については、解析の対象からは除外する。
英語
1. Patients who stay more than 24 hours at the previous hospital before transferring to to the participating hospital.
2. Patients who have sepsis after admission.
3. Patients who have cardiac arrest before obtaining the blood sample.
4. Patients or their legal representatives disagree with participating in the study.
1000
日本語
名 | 工藤 |
ミドルネーム | |
姓 | 大介 |
英語
名 | Daisuke |
ミドルネーム | |
姓 | Kudo |
日本語
東北大学大学院医学系研究科
英語
Tohoku University Graduate School of Medicine
日本語
外科病態学講座救急医学分野
英語
Division of Emergency and Critical Care Medicine
9800872
日本語
仙台市青葉区星陵町1-1
英語
1-1 Seiryo-machi, Aoba-ku, Sendai
022-717-7489
kudodaisuke@med.tohoku.ac.jp
日本語
名 | 大介 |
ミドルネーム | |
姓 | 工藤 |
英語
名 | Daisuke |
ミドルネーム | |
姓 | Kudo |
日本語
東北大学大学院医学系研究科
英語
Tohoku University Graduate School of Medicine
日本語
外科病態学講座救急医学分野
英語
Division of Emergency and Critical Care Medicine
9800872
日本語
仙台市青葉区星陵町1-1
英語
1-1 Seiryo-machi, Aoba-ku, Sendai
022-717-7489
kudodaisuke@med.tohoku.ac.jp
日本語
東北大学
英語
Division of Emergency and Critical Care Medicine, Tohoku University Graduate School of Medicine
日本語
日本語
医学系研究科 外科病態学講座救急医学分野
日本語
英語
日本語
科学技術振興機構
英語
Japan society for the promotion of science
日本語
日本語
日本の官庁/Japanese Governmental office
日本語
英語
日本語
英語
日本語
株式会社 ディバータ社
英語
Diverta Inc.
日本語
東北大学大学院医学系研究科倫理委員会
英語
Ethics Committee Tohoku University Graduate School of Medicine
日本語
宮城県仙台市青葉区星陵町 2-1
英語
2-1 Seiryo-machi, Aoba-ku, Sendai, Miyagi, 980-8575, Japan
022-717-8007
med-kenkyo@grp.tohoku.ac.jp
いいえ/NO
日本語
英語
日本語
英語
東北大学病院(宮城県)、北海道大学病院(北海道)、大阪医科薬科大学病院(大阪府)、岡山大学病院(岡山大学)、順天堂大学浦安病院(千葉県)、水戸医療センター(茨城県)、慶応義塾大学病院(東京都)、広島大学病院(広島県)
2022 | 年 | 12 | 月 | 12 | 日 |
未公表/Unpublished
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
一般募集中/Open public recruiting
2022 | 年 | 10 | 月 | 31 | 日 |
2022 | 年 | 11 | 月 | 24 | 日 |
2022 | 年 | 12 | 月 | 12 | 日 |
2027 | 年 | 06 | 月 | 30 | 日 |
日本語
1. データ収集
(1) 患者背景データ
(2) 診療データ
(3) 遺伝子情報およびゲノムワイド関連解析
(4) 代謝物質データおよびメタボローム解析
2. サブクラス分類
臨床データ、アウトカムと関連する遺伝子、メタボロームデータを統合して、機械学習を用いて、サブクラス分類を行う。サブクラス分類のために用いる機械学習法は類似研究[8]に基づきfused affinity matrixを用いてスペクタクルクラスタリング(spectral clustering)などがあり得るが、探索的研究でありベターな手法を探索的に選択する。サブクラスごとの転帰や治療薬の有効性を検証する。
英語
Data collection
1. Patient background
2. Clinical data
3. Genome and genome-wide association analysis
4. Metabolite and metabolome analysis
2. Subclass clustering
We will integrate the patient background, clinical data, genome data, and metabolome data. Then, we will do subclass clustering by machine learning, such as spectral clustering using a fused affinity matrix or other methods. We will examine the outcome and efficacy of treatments on patients in each cluster.
2022 | 年 | 12 | 月 | 12 | 日 |
2023 | 年 | 12 | 月 | 13 | 日 |
日本語
https://center6.umin.ac.jp/cgi-open-bin/ctr/ctr_view.cgi?recptno=R000056436
英語
https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000056436