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

Risikoadvarselsmodel for postoperativt delirium og langvarig kognitiv dysfunktion hos ældre patienter

30. marts 2025 opdateret af: Xuanwu Hospital, Beijing

Risikoadvarselsmodel for postoperativt delirium og langvarig kognitiv dysfunktion hos ældre patienter baseret på autonom evolutionær neural netværksalgoritme

Forekomsten af ​​postoperativt delirium hos ældre patienter er høj, hvilket kan føre til langvarige postoperative neurokognitive lidelser. Dets høje risikofaktorer er endnu ikke klarlagt. På nuværende tidspunkt er der mangel på tidlig diagnosticering og alarmteknologi for perioperative neurokognitive lidelser, som ikke kan opnå tidlig intervention og effektiv behandling. Ved hjælp af kunstig intelligens og autonomt evolutionær neural netværksalgoritme, baseret på multi-source klinisk big data, udforskede vi brugen af ​​Bayesian netværk til at optimere anæstesi beslutningstagningssystemet i forbedret restitution efter operation, og etablerede risikoforudsigelsesmodel for perioperative kritiske hændelser. Det forventes, at denne metode også vil bidrage til at etablere en risikoforudsigelsesmodel for postoperativt delirium og langsigtede postoperative neurokognitive lidelser. Dette projekt planlægger at indsamle de perioperative følsomme parametre for anæstesimaskine, multiparametermonitor, EEG-monitor, fMRI og HIS-system for at udforske udviklingsprocessen for datakarakteristika ved funktionsfusion. Vi planlægger også hurtigt at screene vigtige perioperative risikokarakteristika ved postoperativ delirium fra massive kliniske data gennem funktionsvalg, for at udforske højrisikofaktorerne for langvarige postoperative neurokognitive lidelser, der udvikler sig fra postoperativt delirium. Endelig, med multicenter intelligent analyse, vil risikoforudsigelsesmodellen for postoperativt delirium og langsigtede postoperative neurokognitive lidelser blive konstrueret.

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Dette projekt har til hensigt at indsamle og identificere kliniske monitoreringsdata for anæstesiapparat, multiparametermonitor og hjernefunktionsmonitor på baggrund af teamets tidligere serie af studier om kognitiv funktionsbeskyttelse af ældre patienter i perioperativ periode og forskningen i sporing og advarsel af kritiske sygdomsbegivenheder og beslutningsstøttetjenester baseret på kunstig intelligens. HIS kliniske data og klassificerede og sporede fMRI-billeddannelsesdata blev integreret for at danne et stort datasæt relateret til perioperativ kognitiv funktion hos ældre patienter. Baseret på pNCD klinisk diagnostisk information og fMRI billeddiagnostisk information blev der etableret et forudsigelsessystem for hjernebivirkninger, der er i stand til intelligent udvinding af klinisk nøgleinformation og tidlig varsling i realtid ved at bruge nøgleteknologier såsom datakvalitetskontrol, realtidsindsamling og identifikation af kliniske overvågningsdata fra flere kilder og forudsigelse af uønskede hændelser af kunstig intelligens.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

10000

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

  • Kina
      • Beijing, Kina, 100053
        • Rekruttering
        • Xuanwu Hospital, Capital Medical University
        • Kontakt:
        • Kontakt:

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

  • Ældre voksen

Tager imod sunde frivillige

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter ≥65 år, som har gennemgået kirurgisk anæstesi

Beskrivelse

Inklusionskriterier:

  • Patienter ≥65 år, som har gennemgået kirurgisk anæstesi; Underskriv informeret samtykke

Ekskluderingskriterier:

  • Manglende evne til at gennemføre kognitiv funktionsvurdering; Analfabetisme, hørenedsættelse eller synsnedsættelse; Han har en historie med epilepsi, depression, skizofreni, Alzheimers sygdom og andre psykiatriske og neurologiske sygdomme

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
postoperativ delirium (POD) og postoperativ neurokognitiv lidelse (pNCD)
Delirium (CAM-skala) blev vurderet 7 dage efter operationen og opdelt i POD- og ikke-POD-grupper; et af ovenstående scenarier indikerede postoperativt delirium; Patienterne i POD-gruppen blev evalueret for kognitiv funktion 1 måned og 12 måneder efter operationen for at bestemme, om pNCD forekom. Patienterne i POD-gruppen blev yderligere opdelt i pNCD-undergruppe og ikke-PNCD-undergruppe, og EEG-dataindsamling og fMRI-scanning blev udført
Andet: intet indgreb
dette er en observationsundersøgelse, ingen intervention

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Screening for risikofaktorer for perioperativ kognitiv dysfunktion
Tidsramme: 2024.4.1-2027.12.31
Funktionsudvælgelsesteknikken i kunstig intelligens blev brugt til at screene og analysere data fra et stort datasæt af klinisk pleje efter fusion Risikofaktorerne med den højeste sandsynlighed for PND-forekomst kan screenes ud fra en lang række karakteristika, ved at screene de risikofaktorer, der har den højeste korrelation med sandsynligheden for POD-forekomst, kombineret med sammenligningen af ​​fMRI-billeddannelsesdata fra forskellige grupper af POD-patienter med stor stikprøvestørrelse med langvarig konvertering til pNCD-gruppe og ikke-PNCD-gruppe, hjernenetværksmekanismen og perioperative højrisikofaktorer af POD-konvertering til langvarig kognitiv dysfunktion blev yderligere undersøgt.
2024.4.1-2027.12.31
Etabler et forudsigelsessystem for uønskede hjernefunktionshændelser
Tidsramme: 2025.1.1-2027.12.31
Overvågningsdata fra kirurgiske patienter indeholder en stor mængde medicinsk information, og analysen og modelleringen af ​​dataene kan give effektiv tidlig advarsel og intervention. Projektet har til hensigt at anvende EEG-tidsfrekvensfunktionsekstraktion og -analyse, EEG-mikrotilstandsanalyse og hjernenetværksanalyse og anvende funktionsfusionsteknologi for at fusionere forskellige funktioner til fælles funktioner hos patienter. På dette grundlag blev en forudsigelsesmodel af uønskede hjernefunktionshændelser baseret på domænetilpasningsalgoritme konstrueret for at realisere realtidssporing, tidlig diagnose og tidlig advarsel om postoperativt delirium og langsigtet kognitiv dysfunktion hos ældre patienter
2025.1.1-2027.12.31

Samarbejdspartnere og efterforskere

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

Sponsor

Xuanwu Hospital, Beijing

Samarbejdspartnere

Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences

Efterforskere

  • Studiestol: lei zhao, xuanwu hospital of capital medical university,Beijing
  • Ledende efterforsker: yong yang, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences
  • Ledende efterforsker: yi an, xuanwu hospital of capital medical university,Beijing
  • Ledende efterforsker: xia li li, xuanwu hospital of capital medical university,Beijing
  • Ledende efterforsker: yang liu, xuanwu hospital of capital medical university,Beijing
  • Ledende efterforsker: yi shu yang, xuanwu hospital of capital medical university,Beijing

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)

30. juli 2024

Primær færdiggørelse (Anslået)

31. december 2027

Studieafslutning (Anslået)

31. december 2027

Datoer for studieregistrering

Først indsendt

15. maj 2024

Først indsendt, der opfyldte QC-kriterier

15. maj 2024

Først opslået (Faktiske)

21. maj 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

3. april 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

30. marts 2025

Sidst verificeret

1. marts 2025

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • 62376168

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

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 Postoperativt delirium

Kliniske forsøg med intet indgreb

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Morocco

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner