Haftungsausschluss: Diese Website bündelt öffentlich verfügbare Daten aus offiziellen Quellen wie FDA, ClinicalTrials.gov, PubMed und SEC EDGAR nur zur allgemeinen Information. Sie stellt keine medizinische Beratung, Diagnose, Behandlungsempfehlung oder Anlageberatung dar.

Klinische Studie

Maschinelles Lernen und Algorithmen der künstlichen Intelligenz zur Optimierung der Leistung und Lieferung akuter Dialyse

NCT: NCT07312929 · NOT_YET_RECRUITING

NCT-IDNCT07312929
Medizinische Daten: StatusNOT_YET_RECRUITING
Startdatum2026-10-01
Abschluss2031-06-30
SponsorUniversity of Alberta (OTHER)
First posted
Last updated

Kurzzusammenfassung

SMART DIALYSIS - Skalierung von Maschinenlernen und künstlicher Intelligenz Algorithmen zur Optimierung der Leistung und Lieferung akuter DIALYSIS. Hypothese: Können die Forscher Maschinenlernen und künstliche Intelligenz Algorithmen in klinische Informationssysteme integrieren, um die Verschreibung, Lieferung und Leistung akuter Dialyse zu optimieren? Ziel(e): 1. Identifizieren von Variablen um die identifizierten Schlüsselleistungsindikatoren, die von Maschinenlernen und künstlicher Intelligenz Algorithmen zur Optimierung der Verschreibung und Leistung akuter Dialyse verwendet werden können. 2. Entwicklung von Maschinenlernen und künstlicher Intelligenz Algorithmen, um die Verschreibung und Lieferung akuter Dialyse zu leiten, bei der Entwicklung von klinischen Entscheidungsunterstützungstools und Best Practice Advisories und zur Erstellung eines ML/AI erweiterten SMART DIALYSIS Digitalen Dashboards. 3. Implementierung und Bewertung der Leistung der entwickelten Maschinenlernen und künstlicher Intelligenz Algorithmen auf patientenzentrierten und gesundheitsökonomischen Ergebnissen. 4. Validierung und Benchmarking der Leistung der bewerteten Maschinenlernen und künstlicher Intelligenz Algorithmen über mehrere Jurisdiktionen hinweg.

Offizielle Quelle

Auf ClinicalTrials.gov ansehen →

Daten aus der ClinicalTrials.gov-API. Den aktuellsten Status finden Sie im offiziellen Eintrag.

↑