Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Forudsigelse af Endotracheal Tube Dybde ved at bruge Deep Convolutional Neurale Networks

6. oktober 2021 opdateret af: Po Jui Chen, Chang Gung Memorial Hospital

Forudsigelsen af ​​korrekt dybde af endotracheal rørfiksering før intubation ved brug af dybe konvolutionelle neurale netværk og røntgenbilleder af thorax

Fejlplacering af en endotracheal tube (ETT) kan føre til en stor katastrofe. Det er nødvendigt at udvikle en praktisk måde at forudsige den korrekte dybde af ETT-fiksering. Deep convolutional neurale netværk (DCNN'er) har vist sig at fungere godt på røntgenbilleder af thorax. Efterforskerne antager, at DCNN'er også kan evaluere præ-intubations røntgenbilleder af thorax for at forudsige passende ETT-dybde, og ingen relaterede undersøgelser er fundet. Forfatterne vurderede DCNN'ers evne til at analysere præ-intubations røntgenbilleder af thorax sammen med patienters data for at forudsige den korrekte dybde af ETT fiksering før intubation.

Studieoversigt

Status

Afsluttet

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Dette var et retrospektivt, IRB-godkendt studie, der brugte røntgenbilleder af thorax, der blev taget fra Picture Archive and Communication System (PACS) på Chang Gung Memorial Hospital, Linkou-afdelingen, Taiwan.

I alt 595 afidentificerede patienters røntgenbilleder af thorax blev opnået til denne undersøgelse. Inklusionskriterierne for denne undersøgelse er patienter på 18 år eller ældre, som blev orotracheal intuberet inden for november 2019 til oktober 2020 og havde taget røntgenbilleder af thorax før og umiddelbart efter intubationen (<24 timer). Både præ-intubation og post-intubation røntgenbilleder af thorax af samme patient blev taget. Kliniske data inklusive alder, køn, kropshøjde, kropsvægt, dybde af ETT fiksering blev også registreret. Al afstand mellem ETT spids til carina blev målt manuelt af en samme anæstesiolog fra post-intubationsfilm og dokumenteret. Læbe til carina-længde for hver patient kan beregnes ved at lægge ETT-fikseringsdybde og ETT-spids til carina-afstand.

Præ-intubations røntgenbilleder af thorax (n=595) sammen med kliniske data, herunder alder, køn, kropshøjde, kropsvægt og målt læbe til carina-længde, indsamles til modelbygning. Til denne undersøgelse blev 476/595 (80%) af dem brugt til træning og 119/595 (20%) til validering tilfældigt udvalgt af AI-modellen. I træningsprocessen føres billeder og relaterede kliniske data sammen med den målte læbe til carina-længde ind i og bruges til at tilpasse AI-modellen. Derefter, i valideringsprocessen, evaluerer efterforskerne modellens nøjagtighed og effektivitet ved at forudsige længden af ​​læbe til carina med billeder og kliniske data af disse uforudsete tilfælde.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

595

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

  • Taiwan
    • Guishan Township
      • Taoyuan, Guishan Township, Taiwan, 333
        • Chang Gung Memorial Hospital, Linkou Branch

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

18 år og ældre (Voksen, Ældre voksen)

Tager imod sunde frivillige

Ingen

Køn, der er berettiget til at studere

Alle

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter på 18 år eller ældre, som blev orotracheal intuberet på Chang Gung Memorial Hospital, Linkou-afdelingen, Taiwan.

Beskrivelse

Inklusionskriterier:

  • 18 år eller ældre
  • orotracheal intuberet inden for november 2019 til oktober 2020
  • havde taget røntgenbilleder af thorax før og inden for 24 timer efter intubation

Ekskluderingskriterier:

  • Dårlige røntgenbilleder af thorax kvalitet, at patienternes carina ikke kan genkendes
  • Patient med bronchiale indsættelser fundet i post-intubationsfilm
  • Nasal intubation

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Intervention / Behandling
Uddannelse
Billeder og relaterede kliniske data sammen med den målte læbe-til-carina-længde af træningsgruppen føres ind i og bruges til at indrette model med dybe foldede neurale netværk.
Diagnostisk test: Dyb foldning af neurale netværksanalyse
ved hjælp af dybe foldede neurale netværk til at analysere præ-intubations røntgenbilleder af thorax sammen med patientdata for at forudsige den korrekte dybde af ETT fiksering
Validering
Vi evaluerer modelnøjagtigheden og effektiviteten af ​​at forudsige længden af ​​læbe til carina med billeder og kliniske data af de uforudsete tilfælde i valideringsgruppen.
Diagnostisk test: Dyb foldning af neurale netværksanalyse
ved hjælp af dybe foldede neurale netværk til at analysere præ-intubations røntgenbilleder af thorax sammen med patientdata for at forudsige den korrekte dybde af ETT fiksering

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Længden af ​​læbe til carina forudsagt af AI-model
Tidsramme: 1 minut efter DCNNs analyse
Den gennemsnitlige absolutte fejl af AI-forudsagt længde i sammenligning med målt længde bruges til at evaluere AI-ydeevne
1 minut efter DCNNs analyse

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Hyppighed af fejlplacering af endotrachealrør i henhold til AI-modelanbefaling
Tidsramme: 1 minut efter DCNNs analyse
Fejlplacering af endotracheal tube bruges til at øge sikkerheden ved AI-anbefaling.
1 minut efter DCNNs analyse

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Sponsor

Chang Gung Memorial Hospital

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

1. november 2019

Primær færdiggørelse (Faktiske)

31. oktober 2020

Studieafslutning (Faktiske)

31. oktober 2020

Datoer for studieregistrering

Først indsendt

24. september 2021

Først indsendt, der opfyldte QC-kriterier

6. oktober 2021

Først opslået (Faktiske)

20. oktober 2021

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

20. oktober 2021

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

6. oktober 2021

Sidst verificeret

1. oktober 2021

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Andre undersøgelses-id-numre

  • 202002007B0

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Intubation

Kliniske forsøg med Dyb foldning af neurale netværksanalyse

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Azerbaijan

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner