AI Assisted Preoperative Assessment for ASA Classification and ICU Admission
20. august 2026 opdateret af: Zeynep Lee, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
AI Assisted Clinical Decision-making in Preoperative Anesthesia Assessment: a Comparision of Clinicians, ChatGPT and Gemini
This prospective observational study evaluates the performance of artificial intelligence (AI) models in preoperative anesthesia assessment.
Preoperative clinical data from adult patients undergoing elective surgery are independently evaluated by clinicians and AI models (ChatGPT and Gemini).
The study compares their assessments of American Society of Anesthesiologists (ASA) physical status classification and the predicted need for intensive care unit (ICU) admission within the first 24 hours after surgery.
Actual postoperative ICU admission is used as the clinical outcome for evaluating predictive performance.
No treatment or clinical decision is determined by the AI models, and patient management is performed according to routine clinical practice.
Studieoversigt
Status
Aktiv, ikke rekrutterende
Betingelser
Intervention / Behandling
Undersøgelsestype
Observationel
Tilmelding (Anslået)
2500
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
Istanbul
-
Istanbul, Istanbul, Tyrkiet (Türkiye), 34147
- Bakırkoy Dr. Sadi Konuk Training and Research Hospital
-
-
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
Ja
Prøveudtagningsmetode
Ikke-sandsynlighedsprøve
Studiebefolkning
Adult patients undergoing elective surgery who are evaluated in the preoperative anesthesia clinic at Bakirkoy Dr. Sadi Konuk Research and Training Hospital.
Beskrivelse
Inclusion Criteria:
- Age 18 years or older
- Scheduled for elective surgery
- Evaluated in the preoperative anesthesia clinic
- Provision of informed consent
Exclusion Criteria:
- Pregnancy
- Presence of an upper respiratory tract infection
- Active herpes infection or active wound and/or lesion in the anesthesia-related area
- Age under 18 years
- Emergency surgery
- Planned cardiovascular surgery
- Incomplete clinical data
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 |
|---|---|
|
elective surgical patients
Adult patients undergoing elective surgery who undergo routine preoperative anesthesia assessment.
Preoperative clinical data from each participant are independently evaluated by the clinician and the AI models ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within the first 24 postoperative hours.
AI assessments do not influence clinical management or patient care.
|
Preoperative clinical data are independently evaluated using ChatGPT and Gemini for ASA physical status classification and prediction of ICU admission within 24 hours after surgery.
AI-generated assessments are used for research purposes only and do not influence clinical decision-making or patient care.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Agreement in ASA Physical Status Classification
Tidsramme: During preoperative assessment
|
Agreement between clinician-assigned and AI-generated ASA Physical Status classifications will be evaluated for ChatGPT and Gemini using linear weighted kappa statistics.
|
During preoperative assessment
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediction of Postoperative ICU Admission
Tidsramme: Within the first 24 hours after surgery
|
The accuracy of preoperative predictions of postoperative ICU admission made by the clinician, ChatGPT, and Gemini will be evaluated against actual ICU admission occurring within the first 24 hours after surgery.
Sensitivity, specificity, positive predictive value, negative predictive value, and accuracy will be calculated for each evaluator.
|
Within the first 24 hours after surgery
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Efterforskere
- Studieleder: evrim kucur tülübaş, MD, Bakirkoy Dr. Sadi Konuk Research and Training Hospital
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)
16. februar 2026
Primær færdiggørelse (Anslået)
20. august 2026
Studieafslutning (Anslået)
20. august 2026
Datoer for studieregistrering
Først indsendt
20. august 2026
Først indsendt, der opfyldte QC-kriterier
20. august 2026
Først opslået (Faktiske)
24. august 2026
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
24. august 2026
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
20. august 2026
Sidst verificeret
1. august 2026
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- 2026/51
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
INGEN
IPD-planbeskrivelse
Individual participant data will not be shared due to patient confidentiality and data protection considerations.
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 .