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

Vorhersage der Blockhöhe der Spinalanästhesie

26. August 2021 aktualisiert von: Taipei Veterans General Hospital, Taiwan

Vorhersage der Blockhöhe der Spinalanästhesie durch maschinelles Lernen

Die Spinalanästhesie ist eine der am häufigsten verwendeten Techniken in der Chirurgie. Anästhesisten überprüfen in der Regel vor Beginn der Operation die Blockhöhe (Dermatom) der Spinalanästhesie. Mehr als 20 Faktoren wurden postuliert, um die Höhe des Spinalanästhesieblocks zu verändern. Wir möchten maschinelles Lernen nutzen, um verschiedene Faktoren wie physiologische Parameter und unterschiedliche Arzneimitteleigenschaften umfassend zu berücksichtigen, um ein Vorhersagemodell zur Bewertung der sensorischen Blockade der Spinalanästhesie zu erstellen.

Studienübersicht

Status

Rekrutierung

Bedingungen

Detaillierte Beschreibung

Dies ist eine Beobachtungsstudie zur retrospektiven Erhebung von Patientendaten.

Die Ermittler sammelten rückwirkend die elektronische Patientenakte von Patienten, die vom 1. Juli 2018 bis zum 31. Dezember 2018 eine Spinalanästhesie erhielten. Für die Datenanalyse wurden anästhesiebezogene Faktoren wie die Fachkompetenz des Anästhesisten, die Injektionsstelle, die Position des Patienten, die Dosierung des Lokalanästhetikums, die Nadelgröße, die Richtung des Nadelschliffs und grundlegende demografische Informationen der Patienten herangezogen. Patienten unter 18 Jahren wurden von dieser Studie ausgeschlossen. Zwanzig Prozent des Datensatzes wurden als Testdatensatz verwendet, und die restlichen wurden für das Modelltraining verwendet. Die Ermittler werden vier maschinelle Lernalgorithmen wie XGBoost (Extreme Gradient Boosting), AdaBoost (Adaptive Boosting), Random Forest (RF) und Support Vector Machine (SVM) verwenden. Die Modellleistungen wurden visuell mit einer Konfusionsmatrix bewertet.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

3000

Kontakte und Standorte

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

Studienkontakt

Studienorte

      • Taipei, Taiwan, 112
        • Rekrutierung
        • Department of Anesthesiology, Taipei Veterans General Hospital
        • Kontakt:

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, OLDER_ADULT)

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten, die aufgrund der Notwendigkeit eines chirurgischen Eingriffs eine Spinalanästhesie mit verfügbaren elektronischen Krankenakten erhalten.

Beschreibung

Einschlusskriterien:

  • Patienten, die vom 1. Juli 2018 bis zum 31. Dezember 2018 eine Spinalanästhesie erhalten, mit verfügbaren elektronischen Krankenakten.

Ausschlusskriterien:

  • Alter <18 Jahre

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
Spinalanästhesie
Die Ermittler sammelten rückwirkend die elektronische Patientenakte von Patienten, die vom 1. Juli 2018 bis zum 31. Dezember 2018 eine Spinalanästhesie erhielten. Patienten unter 18 Jahren wurden von dieser Studie ausgeschlossen.
Dies ist eine Beobachtungsstudie zur retrospektiven Erhebung von Patientendaten. Für die Datenanalyse wurden anästhesiebezogene Faktoren wie die Fachkompetenz des Anästhesisten, die Injektionsstelle, die Position des Patienten, die Dosierung des Lokalanästhetikums, die Nadelgröße, die Richtung des Nadelschliffs und grundlegende demografische Informationen der Patienten herangezogen. Patienten unter 18 Jahren wurden von dieser Studie ausgeschlossen. Zwanzig Prozent des Datensatzes wurden als Testdatensatz verwendet, und die restlichen wurden für das Modelltraining verwendet. Die Ermittler werden vier maschinelle Lernalgorithmen wie XGBoost (Extreme Gradient Boosting), AdaBoost (Adaptive Boosting), Random Forest (RF) und Support Vector Machine (SVM) verwenden. Die Modellleistungen wurden visuell mit einer Konfusionsmatrix bewertet.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Höhe der sensorischen Blockade der Spinalanästhesie
Zeitfenster: Vom Zeitpunkt des Beginns der Spinalanästhesie bis zum Testzeitpunkt der Blockadehöhe, bewertet bis zu 10 Minuten

Die Aufzeichnung des Ausmaßes der sensorischen Blockade wurde als primäres Ergebnis aus retrospektiven elektronischen Krankenakten extrahiert.

Die Forscher möchten mithilfe von Methoden des maschinellen Lernens verschiedene Faktoren wie physiologische Parameter von Patienten, unterschiedliche Arzneimitteleigenschaften und verschiedene Anästhesieanbieter berücksichtigen, um ein Vorhersagemodell zur Bewertung der sensorischen Blockade der Spinalanästhesie zu erstellen.

Vom Zeitpunkt des Beginns der Spinalanästhesie bis zum Testzeitpunkt der Blockadehöhe, bewertet bis zu 10 Minuten

Mitarbeiter und Ermittler

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

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

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 (TATSÄCHLICH)

1. Oktober 2020

Primärer Abschluss (ERWARTET)

1. Juli 2022

Studienabschluss (ERWARTET)

1. Juli 2022

Studienanmeldedaten

Zuerst eingereicht

22. August 2021

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

26. August 2021

Zuerst gepostet (TATSÄCHLICH)

27. August 2021

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (TATSÄCHLICH)

27. August 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

26. August 2021

Zuletzt verifiziert

1. August 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 2020-01-004CC

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

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 Methoden des maschinellen Lernens

3
Abonnieren