- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06957587
En forudsigelsesmodel af grundlæggende blodvolumen baseret på hæmodynamik og ultralyd
Udvikling og validering af kvalitativ og kvantitativ forudsigelsesmodel af grundlæggende blodvolumen baseret på hæmodynamik og inferior vena cava ultralydsparametre
Forskningsbaggrund
Effektiv forvaltning af blodvolumen er kritisk i perioperative og kritiske plejeindstillinger, da både hypovolæmi og hypervolæmi kan føre til alvorlige komplikationer, herunder organdysfunktion, hæmodynamisk ustabilitet og øget dødelighed. Traditionelle metoder til vurdering af blodvolumen, såsom centralt venøst tryk (CVP) overvågning, har betydelige begrænsninger, herunder dårlig følsomhed og forsinket lydhørhed over for dynamiske ændringer i intravaskulær volumenstatus.
I de senere år er kontinuerlig hæmodynamisk overvågning (f.eks. Lidco) og ultralydsperiode (POCU'er) fremkommet som lovende værktøjer til vurdering af blodvolumen i realtid. LIDCO -systemet tilvejebringer dynamiske parametre, såsom Stroke Volume Variation (SVV), PULSE -trykvariation (PPV), hjerteudgang (CO) og systemisk vaskulær resistens (SVR), som er yderst følsom over for væske -reaktionsevne. I mellemtiden tilbyder inferior vena cava (IVC) ultralyd ikke-invasive målinger af IVC-diameter, tværsnitsareal (CSA) og sammenbrudbarhedsindeks (IVC-CI), der korrelerer med intravaskulær volumenstatus.
På trods af disse fremskridt kombinerer ingen integreret model i øjeblikket kontinuerlige hæmodynamiske og IVC -ultralydsparametre for at forudsige blodvolumen kvantitativt. De fleste eksisterende tilgange er afhængige af enten statiske målinger (f.eks. CVP) eller dynamiske indekser med enkeltmodalitet (f.eks. SVV alene), som muligvis ikke fuldt ud fanger det komplekse samspil mellem vaskulær tone, hjertefunktion og cirkulerende blodvolumen.
Aktuel forskningsstatus 2.1 Hæmodynamisk overvågning i vurdering af blodvolumen
LIDCO-systemet, der er baseret på puls-konturanalyse, tilvejebringer realtidshæmodynamiske data, der er stærkt forbundet med væskesponsivitet. Undersøgelser har vist, at SVV> 10-13% og PPV> 12% pålideligt forudsiger væskesponsivitet hos mekanisk ventilerede patienter. Imidlertid påvirkes disse parametre af faktorer, såsom hjertearytmier, spontan vejrtrækning og vasopressorbrug, hvilket begrænser deres fristående forudsigelsesnøjagtighed.
2.2 IVC -ultralyd i volumenstatusevaluering
IVC-ultralyd har fået trækkraft som en hurtig, ikke-invasiv metode til vurdering af volumenstatus. Nøgleparametre inkluderer:
IVC maksimal diameter (IVCMAX): En distendet IVC (> 2 cm) antyder volumenoverbelastning, mens en kollapset IVC (<1,5 cm) indikerer hypovolæmi.
IVC Collapsibility Index (IVC-CI): Beregnet som (IVCMAX-IVCMIN)/IVCMAX × 100%, en IVC-CI> 50% er meget forudsigelig for væskesponsivitet.
IVC-tværsnitsareal (IVC-CSA): Emerging-bevis tyder på, at IVC-CSA-ændringer bedre kan afspejle intravaskulær volumen end diameter alene.
2.3 Begrænsninger af eksisterende modeller
Aktuelle metoder til vurdering af blodvolumen lider af:
Manglende integration: De fleste undersøgelser analyserer hæmodynamiske og ultralydsparametre separat snarere end at kombinere dem i en samlet forudsigelsesmodel.
Kvalitativ snarere end kvantitativ vurdering: Mens SVV og IVC-CI kan indikere væskesponsivitet, giver de ikke et absolut estimering af blodvolumen.
- Forskningsmål
Denne undersøgelse sigter mod at udvikle og validere en maskinlæringsbaseret forudsigelsesmodel, der integrerer Lidco-hæmodynamisk og IVC-ultralydsparametre til kvantitativ vurdering af præoperativt grundlæggende blodvolumen.
Studieoversigt
Status
Betingelser
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: xiuxiu sun, MD
- Telefonnummer: 56428 021-64369181
- E-mail: liuyuanec@163.com
Studiesteder
-
-
Shanghai Municipality
-
Shanghai, Shanghai Municipality, Kina, 200235
- Ikke rekrutterer endnu
- Shanghai Jiao Tong University Affiliated Sixth People's Hospital
-
Kontakt:
- xiuxiu sun, Mrs
- Telefonnummer: 021-64369181-56428
- E-mail: liuyuanec@163.com
-
Shanghai, Shanghai Municipality, Kina, 200235
- Rekruttering
- Shanghai Jiao Tong University Affiliated Sixth People's Hospital
-
Kontakt:
- aizhong wang, PhD
- Telefonnummer: 56980 021-64369181
- E-mail: 18930177431@163.com
-
Ledende efterforsker:
- xiaofeng wang, MD
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inkluderingskriterier:
- Accepterer at deltage i denne undersøgelse og underskrive formularen informeret samtykke; Alder mellem 18 og 75 år (inkluderende); BMI (kropsmasseindeks) er mellem 18 og 30 kg/m2; American Society of Anesthesiologists (ASA) karakterer I-II;
Ekskluderingskriterier:
- Koagulationsdysfunktion (INR> 1.5, PLT <50 × 10 ⁹/L); Alvorlig hjertesvigt (LVEF <40%), lever- og nyredysfunktion, respiratorisk dysfunktion; Hæmoglobin (Hb) <8 g/dL; De, der ikke har indikationer for invasiv arteriel overvågning, nægter at gennemgå invasiv arteriel overvågning eller har kontraindikationer for arteriel punktering; Gravid kvinde; Kombineret bryst- og abdominal flere skader eller livmoderhalsskader; Hyppige arytmier, inklusive atriefladder, atrieflimmer, hyppige for tidlige ventrikulære sammentrækninger, atrioventrikulær blok eller implantation af pacemakere.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Patienter forbereder sig på at modtage operation
Patienterne i alderen 18-75 år, der forbereder sig på at modtage kirurgi, tildeles i kohorten.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Kvantitativ estimering af blodvolumen
Tidsramme: inden for 30 minutter før operationen
|
Vi vil estimere det grundlæggende blodvolumen for patienterne kvantitativt med den akutte hæmodilutionsteknik inden operationen.
|
inden for 30 minutter før operationen
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Andre undersøgelses-id-numre
- 2025-KY-228(K)
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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 Maskinelæring
-
Kırıkkale UniversityTilmelding efter invitationÅndelig omsorg | Flipped Learning ModelTyrkiet (Türkiye)
-
Hand & Reconstructive MicrosurgeryAfsluttetMasselæring, Spaced Learning, Mikrokirurgi
-
National Taiwan University HospitalRekrutteringDyb læring | Ammende | Mechine Learning | Kunstig intelligens (AI)Taiwan
-
RenJi HospitalIkke rekrutterer endnuAnvendelse af kunstig intelligens Deep Learning-teknologi i magnetisk resonans lumbal billeddannelseDeep Learning, Lumbal Magnetic Resonance Imaging
-
Cairo UniversityIkke rekrutterer endnuEndodonti | AI (kunstig intelligens) | Deep Learning Model | Perforering | Missede kanaler | Endodontisk genbehandling | Non-surgical Retreatment | DIFFICULTY ASSESSMENT | SEPARATED INSTRUMENT | Poor Obturation | Obturation Quality
-
HITEC-Institute of Medical SciencesAfsluttetOSCE (Objective Structured Clinical Examination) | TBL (Team Based Learning) | Undervisning af kliniske færdigheder til medicinske studerendePakistan
-
Seoul National University Bundang HospitalIkke rekrutterer endnuSlagvolumen variation | Pulstrykvariation | Deep Learning Model | Arterielle bølgerefleksioner | Perifer veneKorea, Republikken
-
Fenerbahce UniversityIkke rekrutterer endnuSkulderdystoci-træning med AI-understøttet flipped learning i jordemoderuddannelsenTyrkiet (Türkiye)
-
Yang ChaonanIkke rekrutterer endnuRisikofaktorer | Kritisk syge patienter | Trykskade | Machine Learning Algoritmer
-
University of ZurichRekrutteringForudsigelse af slagtilfældeudfald understøttet af Deep Learning AlgorithmSchweiz