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

Patient-Ventilator-dyssynkroni-detektion med en maskinindlæringsalgoritme

10. juli 2024 opdateret af: University of Sao Paulo General Hospital

Automatiseret detektion og klassificering af patient-ventilator dyssynkroni med en maskinindlæringsalgoritme

Dette er en diagnostisk undersøgelse, der har til formål at sammenligne nøjagtighed for at detektere og klassificere patient-ventilator dyssynkronier ved hjælp af en maskinlæringsalgoritme sammenlignet med guldstandarden defineret som dyssynkronier diagnosticeret og klassificeret af mekanisk ventilator og esophageal trykbølgeformer analyseret af eksperter.

Hovedspørgsmålet i denne undersøgelse er:

• Er patient-ventilator dyssynkronier nøjagtigt detekteret og klassificeret af en kunstig intelligens-algoritme sammenlignet med eksperter, der analyserer esophagealt tryk og mekaniske ventilatorbølgeformer?

Studieoversigt

Status

Rekruttering

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Dette er et diagnostisk, observationsstudie, der sigter mod at vurdere patient-ventilator dyssynkroni automatiseret detektion og klassificering ved hjælp af en maskinlæringsalgoritme. Nøjagtigheden af ​​maskinlæringsalgoritmen vil blive sammenlignet med guldstandarden, defineret som dyssynkronier opdaget og klassificeret af mekanisk ventilationseksperter.

Eksperter vil analysere luftvejstryk, flow, volumen og esophageal trykbølgeformer for at detektere og klassificere dyssynkronier.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

80

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Brasilien
    • SP
      • Sao Paulo, SP, Brasilien, 05403900
        • Rekruttering
        • Heart Institute, University of São Paulo
        • 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

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Voksne forsøgspersoner under mekanisk ventilation, med en assisteret eller assisteret styret tilstand, som overvåges med en esophageal trykballon på grund af klinisk indikation er kvalificerede.

Beskrivelse

Inklusionskriterier:

  • Forsøgspersoner under assisteret eller assisteret styret mekanisk ventilation og overvåget med esophageal trykballon.

Ekskluderingskriterier:

  • Afslag fra patientens familie eller behandlende læge

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
Detektion og klassificering af kunstig intelligens af patient-ventilator dyssynkronier
Dette er et enkeltarmsstudie, da alle inkluderede forsøgspersoner vil blive udsat for begge diagnostiske metoder (kunstig intelligens og eksperter). Den foreslåede diagnostiske metode er en maskinlæringsalgoritme integreret i den mekaniske ventilator FlexiMag Max 700 (Magnamed, Brasilien), som løbende vil registrere data fra mekanisk ventilation af inkluderede forsøgspersoner i en tidsperiode på op til 72 timer. Guldstandarden involverer optagelse af esophageal trykbølgeform og offline analyse af eksperter.
Enhed: Detektion og klassificering af kunstig intelligens af patient-ventilator dyssynkronier
Maskinlæringsalgoritme til at detektere og klassificere patient-ventilator dyssynkronier, som er integreret i den mekaniske ventilator (Fleximag Max, Magnamed, Brasilien).

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Diagnostisk nøjagtighed af den kunstige intelligens-algoritme
Tidsramme: Tre dage
Sensitivitet, specificitet, positiv prædiktiv værdi, negativ prædiktiv værdi af den kunstige intelligens-algoritme til at detektere og klassificere patient-ventilator dyssynkronier. Disse nøjagtighedsindekser vil blive estimeret for hver type dyssynkroni: ineffektiv indsats, autotriggering, dobbelt triggering, omvendt triggering, omvendt triggering med en dobbelt cyklus
Tre dage

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Pendelluft detektion
Tidsramme: Tre dage
Procentdel af cyklusser med pendelluft detekteret med kunstig intelligens-algoritmen sammenlignet med procentdelen af ​​cyklusser med pendelluft detekteret med esophageal-trykket
Tre dage

Samarbejdspartnere og efterforskere

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

Sponsor

University of Sao Paulo General Hospital

Samarbejdspartnere

Magnamed Tecnologia Medica S/A

Efterforskere

  • Studieleder: Eduardo LV Costa, MD, PhD, University of Sao Paulo

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)

25. maj 2024

Primær færdiggørelse (Anslået)

24. maj 2025

Studieafslutning (Anslået)

24. december 2025

Datoer for studieregistrering

Først indsendt

24. maj 2024

Først indsendt, der opfyldte QC-kriterier

10. juli 2024

Først opslået (Faktiske)

17. juli 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

17. juli 2024

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

10. juli 2024

Sidst verificeret

1. maj 2024

Mere information

Begreber relateret til denne undersøgelse

Nøgleord

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • CAAE 78855824.7.0000.0068

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

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 .

Abonner