Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Hodnocení účinnosti modelů umělé inteligence při předvídání potřeb přijetí na jednotku intenzivní péče

7. října 2024 aktualizováno: Engin Ihsan Turan, Kanuni Sultan Suleyman Training and Research Hospital
Tato studie si klade za cíl vyhodnotit účinnost dvou modelů umělé inteligence (AI) při predikci potřeby přijetí na JIP. Porovnáním předpovědí modelů AI se skutečnými klinickými rozhodnutími se snažíme určit jejich přesnost a potenciální užitečnost při podpoře klinického rozhodování.

Přehled studie

Postavení

Dokončeno

Intervence / Léčba

Detailní popis

Jednotky intenzivní péče (JIP) jsou kritickými součástmi systémů zdravotní péče a poskytují život zachraňující péči pacientům s těžkými a život ohrožujícími stavy. Včasná a přesná předpověď potřeb přijetí na JIP je zásadní pro zlepšení výsledků pacientů a optimalizaci alokace nemocničních zdrojů. Zpožděné přijetí na JIP bylo trvale spojeno s vyšší morbiditou a mortalitou. S příchodem umělé inteligence (AI) ve zdravotnictví existuje příležitost zlepšit klinické rozhodování využitím modelů umělé inteligence k přesné předpovědi potřeb JIP. Modely umělé inteligence, jako je ChatGPT a Gemini, dokážou zpracovat obrovské množství komplexních dat k identifikaci vzorců, které nemusí být okamžitě zřejmé pro lidské lékaře, což může potenciálně zlepšit rychlost a přesnost rozhodnutí o přijetí na JIP.

Jedná se o observační retrospektivní studii. Data byla sbírána z elektronických zdravotních záznamů (EHR) z nemocnice retrospektivně.

Data byla extrahována z EHR a zahrnovala:

Demografické údaje: Věk, pohlaví a základní charakteristiky pacienta. Klinické parametry: Informace o lécích, podrobnosti o konzultaci, nálezy EKG, výsledky zobrazení, komorbidní stavy (např. diabetes mellitus, hypertenze, srdeční selhání, CHOPN, cerebrovaskulární příhody) a laboratorní hodnoty (např. hemoglobin, hematokrit, počet krevních destiček, PT, INR , prokalcitonin, ALT, AST, bilirubin, sodík, draslík, chlorid, glukóza, kreatinin, močovina, albumin, testy funkce štítné žlázy).

Předpovědní data: předpovědi modelu AI a skutečná rozhodnutí o přijetí na JIP.

Typ studie

Pozorovací

Zápis (Aktuální)

8043

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní místa

      • Istanbul, Krocan, 34303
        • Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Věk způsobilý ke studiu

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ne

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Do studie budou zahrnuti pacienti starší 18 let obou pohlaví, kteří jsou konzultováni kvůli anestezii s ohledem na potřeby intenzivní péče.

Popis

Kritéria pro zařazení:

  • Pacienti starší 18 let
  • Pacienti byli konzultováni kvůli anestezii s ohledem na potřeby intenzivní péče
  • Pacienti s dostatkem dat v systému elektronických zdravotních záznamů nemocnice

Kritéria vyloučení:

  • Pacienti s nedostatečnými údaji v záznamech nemocnice

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta
Intervence / Léčba
Rozhodnutí anesteziologů
Jednotka intenzivní péče O potřebě následné péče rozhodují anesteziologové.

0: Není třeba sledovat na jednotce intenzivní péče

1: Potřeba sledování na jednotce intenzivní péče

Rozhodnutí umělé inteligence
Jednotka intenzivní péče O potřebě následné péče rozhoduje umělá inteligence

0: Není třeba sledovat na jednotce intenzivní péče

1: Potřeba sledování na jednotce intenzivní péče

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
Potřeba jednotky intenzivní péče
Časové okno: 1 den
Primárním výstupním měřítkem této studie je přesnost předpovědí provedených modely umělé inteligence (AI), ChatGPT a Gemini, pokud jde o potřebu přijetí na JIP. To bude vyhodnoceno porovnáním předpovědí modelu AI se skutečnými klinickými rozhodnutími přijatými ohledně přijetí na JIP.
1 den

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Vyšetřovatelé

  • Vrchní vyšetřovatel: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

15. července 2024

Primární dokončení (Aktuální)

1. října 2024

Dokončení studie (Aktuální)

2. října 2024

Termíny zápisu do studia

První předloženo

3. července 2024

První předloženo, které splnilo kritéria kontroly kvality

3. července 2024

První zveřejněno (Aktuální)

10. července 2024

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

8. října 2024

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

7. října 2024

Naposledy ověřeno

1. října 2024

Více informací

Termíny související s touto studií

Klíčová slova

Další identifikační čísla studie

  • ICU-retro

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NEROZHODNÝ

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Předplatit