Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Artificial Intelligence and Postoperative Acute Kidney Injury

8. Januar 2021 aktualisiert von: Hyung-Chul Lee, Seoul National University Hospital

Development and Prospective Validation of an Artificial Intelligence Model to Predict Postoperative Acute Kidney Injury

The main objective of this study is to develop and validate an artificial intelligence model that predicts postoperative acute kidney injury.

Studienübersicht

Detaillierte Beschreibung

Postoperative acute kidney injury is known to increase the length of hospital stay and healthcare cost. A lot of risk prediction models have been developed for identifying patients at increased risk of postoperative acute kidney injury. Recent advances in artificial intelligence make it possible to manage and analyze big data. Prediction model using an artificial intelligence and large-scale data can improve the accuracy of prediction performance. Furthermore, the use of an artificial intelligence may be a useful adjuvant tool in making clinical decisions or real-time prediction if it is integrated into the electrical medical record systems. However, before implementing an artificial intelligence model into the clinical setting, prospective evaluation of an artificial intelligence model's real performance is essential. However, to our knowledge, there was no artificial intelligence model for prediction of postoperative acute kidney injury, which was prospectively evaluated. Therefore, we aimed to develop an artificial intelligence model which predicts postoperative acute kidney injury and evaluate the model's performance prospectively.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

2000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre und älter (Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

N/A

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Adults patients undergoing non-cardiac surgery

Beschreibung

Inclusion Criteria:

  • Adults patients undergoing non-cardiac surgery

Exclusion Criteria:

  • Age under 18 years
  • Surgery duration < 1 hour
  • Transplantation surgery
  • Nephrectomy
  • Cardiac surgery
  • Patients who had severe kidney dysfunction preoperatively as follows:
  • Serum creatinine ≥ 4 mg/dl
  • Estimated glomerular filtration rate <15 ml/min/1.73m2
  • History of renal replacement therapy
  • Patients who had no results of preoperative or postoperative serum creatinine

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
AI_AKI
Adults patients undergoing non-cardiac surgery
The performance of an artificial intelligence model to predict postoperative acute kidney injury will be tested prospectively.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
the incidence of postoperative acute kidney injury
Zeitfenster: during the postoperative seven days
postoperative acute kidney injury (diagnosed by KDIGO criteria using peak serum creatinine level) included all acute kidney injury events regardless of acute kidney injury severity
during the postoperative seven days

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Voraussichtlich)

1. März 2021

Primärer Abschluss (Voraussichtlich)

31. Mai 2021

Studienabschluss (Voraussichtlich)

1. Februar 2022

Studienanmeldedaten

Zuerst eingereicht

8. Januar 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

8. Januar 2021

Zuerst gepostet (Tatsächlich)

12. Januar 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

12. Januar 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

8. Januar 2021

Zuletzt verifiziert

1. Januar 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Nicht-Herzchirurgie

Abonnieren