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

Deep Learning-ramme til kontinuerlig dybde af anæstesi-prognose

10. april 2026 opdateret af: Universitair Ziekenhuis Brussel

Validering af en dyb læringsramme for kontinuerlig prognosticering af farmakodynamiske responser og fysiologiske forløb under generel anæstesi

Integrationen af kunstig intelligens (AI) i anæstesiologi tilbyder potentialet til at skifte patientovervågning fra reaktiv til prædiktiv. Dybe læringsarkitekturer, specifikt Long Short-Term Memory (LSTM) netværk, udmærker sig ved at behandle komplekse, tidsrækkedata for at forudsige fremtidige kliniske tilstande.

Mens standard PK/PD-modeller (som den avancerede Eleveld-model for Propofol og Remifentanil) estimerer målstedets lægemiddelkoncentrationer (Ce), tager de ikke højde for realtids, patientspecifikke dynamiske responser. Denne undersøgelse har til formål at implementere en AI-ramme, der er designet til at forudsige fremtidige fysiologiske tilstande.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Undersøgelsestype

Observationel

Tilmelding (Anslået)

115

Kontakter og lokationer

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

Studiekontakt

Studiesteder

  • Belgien
      • Bruges, Belgien, 8000
        • AZ Sint-Jan AV

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Patienter, der gennemgår generel anæstesi under kontinuerlig overvågning af anæstesidybden.

Beskrivelse

Inklusionskriterier:

  • Patienter planlagt til elektiv kirurgi, der kræver generel anæstesi.
  • Procedurer, der kræver kontinuerlig overvågning af anæstesidybde (BIS).

Eksklusionskriterier:

- Procedurer, hvor den primære anæstesiplan ikke involverer kontinuerlig elektronisk dataindsamling.

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
Prospektiv
Prospektiv Kohorte
Retrospektiv
Retrospektiv Kohorte

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Kalibreringsfejl for den prædiktive usikkerhedskegle
Tidsramme: Kontinuerlig - Perioperativ
Kalibreringsfejl for den prædiktive usikkerhedskegle - Kalibreringsfejl for den prædiktive usikkerhedskegle er forskellen mellem en models angivne konfidensniveau (f.eks. forudsigelse af, at 95% af fremtidige værdier vil falde inden for et specifikt interval) og den faktiske hyppighed, med hvilken de sande værdier faktisk lander inden for den forudsagte grænse.
Kontinuerlig - Perioperativ
Gennemsnitlig Absolut Fejl (MAE)
Tidsramme: Kontinuerlig - perioperativ
Gennemsnitlig Absolut Fejl (MAE)
Kontinuerlig - perioperativ
Tendensnøjagtighed
Tidsramme: Kontinuerlig - perioperativ
Trendnøjagtighed måler en prædiktiv models evne til korrekt at forudsige den fremtidige retning og ændringshastighed for en variabel (såsom om en patients narkosedybde aktivt lysner eller fordyber), uafhængigt af den absolutte numeriske fejl på et enkelt tidspunkt.
Kontinuerlig - perioperativ

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Root Mean Square Error (RMSE)
Tidsramme: Kontinuerlig - perioperativ
Root Mean Square Error (RMSE)
Kontinuerlig - perioperativ

Samarbejdspartnere og efterforskere

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

Sponsor

Universitair Ziekenhuis Brussel

Samarbejdspartnere

AZ Sint-Jan AV

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 (Anslået)

1. juni 2026

Primær færdiggørelse (Anslået)

1. august 2026

Studieafslutning (Anslået)

1. september 2026

Datoer for studieregistrering

Først indsendt

2. april 2026

Først indsendt, der opfyldte QC-kriterier

10. april 2026

Først opslået (Faktiske)

17. april 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

17. april 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

10. april 2026

Sidst verificeret

1. marts 2026

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • AIBIS

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

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 Anæstesi

Søg i lignende forsøg

Sponsorer og samarbejdspartnere

Medicinske tilstande

Narkotikainterventioner

CROs by country

CROs in Hungary

Betingelser

Sjældne sygdomme

Narkotikainterventioner

Kosttilskud

Sponsor / samarbejdspartnere

Placeringer

Abonner