Udvikling af en kunstig intelligensbaseret model til forudsigelse af vanskelig intubation ved hjælp af video-laryngoskopiske billeder og Cormack-Lehane-klassificering
Studieoversigt
Status
Betingelser
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
Merkez
-
Düzce, Merkez, Tyrkiet (Türkiye)
- Duzce University Faculty of Medicine, Department of Anesthesiology and Reanimation
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Undersøgelsespopulationen vil bestå af voksne patienter, der gennemgår valgfri kirurgi under generel anæstesi på operationsstuen på Düzce University Medical Fakultetshospital. Alle patienter får deres luftveje vurderet ved hjælp af videolaryngoskopi som en del af rutinemæssig anæstesiinduktion. Kun patienter uden kendt øvre luftvejspatologi vil blive inkluderet.
Patienter rekrutteres prospektivt og fortløbende. Video -laryngoskopibilleder vil blive fanget under intubation og brugt til maskinlæringsanalyse. Cormack-Lehane-klassen vil blive bekræftet uafhængigt af to erfarne anæstesiologer. Patienter klassificeres i normale og vanskelige intubationsgrupper.
Beskrivelse
Inkluderingskriterier:
- 18-65 år
Valgfri kirurgi
Asa I-II
Ingen øvre luftvejspatologi
Ekskluderingskriterier:
- Kendt historie om vanskelig intubation
Morbid fedme (BMI> 40)
Graviditet
Historie om øvre luftvejskirurgi
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
|---|
|
Gruppe 1: Normal intubationsgruppe
Intubationer hos patienter vurderet som Cormack-Lehane (CL) klasse 1-2.
|
|
Vanskelig intubationsgruppe
Intubationer hos patienter evalueret som Cormack-Lehane klasse 3-4.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed af maskinlæringsmodel ved forudsigelse af vanskelig intubation baseret på video -laryngoskopibilleder
Tidsramme: Umiddelbart efter dataindsamling og modeluddannelse
|
Det primære resultat er klassificeringsnøjagtigheden af maskinlæringsalgoritmen til at identificere vanskelige intubationssager (Cormack-Lehane Grade 3-4) fra video-laryngoskopibilleder sammenlignet med ekspertbedøvelsesiologers konsensus.
Nøjagtighed rapporteres som en procentdel.
|
Umiddelbart efter dataindsamling og modeluddannelse
|
Samarbejdspartnere og efterforskere
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Anslået)
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
- 2025/183
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 .