Bewertung der Wirksamkeit von Modellen der künstlichen Intelligenz bei der Vorhersage des Aufnahmebedarfs auf Intensivstationen
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Intensivstationen (ICUs) sind wichtige Bestandteile des Gesundheitssystems und bieten lebensrettende Pflege für Patienten mit schweren und lebensbedrohlichen Erkrankungen. Eine rechtzeitige und genaue Vorhersage des Aufnahmebedarfs auf der Intensivstation ist für die Verbesserung der Patientenergebnisse und die Optimierung der Ressourcenzuweisung im Krankenhaus von entscheidender Bedeutung. Verspätete Aufnahmen auf der Intensivstation wurden durchweg mit höheren Morbiditäts- und Mortalitätsraten in Verbindung gebracht. Mit dem Aufkommen künstlicher Intelligenz (KI) im Gesundheitswesen besteht die Möglichkeit, die klinische Entscheidungsfindung durch den Einsatz von KI-Modellen zu verbessern, um den Bedarf auf der Intensivstation genau vorherzusagen. KI-Modelle wie ChatGPT und Gemini können riesige Mengen komplexer Daten verarbeiten, um Muster zu erkennen, die für menschliche Ärzte möglicherweise nicht sofort erkennbar sind, und so möglicherweise die Geschwindigkeit und Genauigkeit von Entscheidungen über die Aufnahme auf die Intensivstation verbessern.
Dies ist eine beobachtende retrospektive Studie. Die Daten wurden nachträglich aus elektronischen Gesundheitsakten (EHRs) eines Krankenhauses gesammelt.
Die Daten wurden aus EHRs extrahiert und umfassten:
Demografische Daten: Alter, Geschlecht und grundlegende Patientenmerkmale. Klinische Parameter: Medikamenteninformationen, Einzelheiten zur Konsultation, EKG-Befunde, Bildgebungsergebnisse, Begleiterkrankungen (z. B. Diabetes mellitus, Bluthochdruck, Herzinsuffizienz, COPD, zerebrovaskuläre Ereignisse) und Laborwerte (z. B. Hämoglobin, Hämatokrit, Thrombozytenzahl, PT, INR). , Procalcitonin, ALT, AST, Bilirubin, Natrium, Kalium, Chlorid, Glucose, Kreatinin, Harnstoff, Albumin, Schilddrüsenfunktionstests).
Vorhersagedaten: KI-Modellvorhersagen und tatsächliche Entscheidungen zur Aufnahme auf die Intensivstation.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
-
Istanbul, Truthahn, 34303
- Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Patienten über 18 Jahre
- Patienten wurden wegen ihres intensivmedizinischen Bedarfs zur Anästhesie konsultiert
- Patienten mit ausreichenden Daten im elektronischen Patientenaktensystem des Krankenhauses
Ausschlusskriterien:
- Patienten mit unzureichenden Daten in den Krankenhausakten
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Entscheidung des Anästhesisten
Über den Bedarf an Nachsorge auf der Intensivstation entscheiden die Anästhesisten.
|
0: Keine Nachsorge auf der Intensivstation erforderlich 1: Nachsorge auf der Intensivstation erforderlich |
|
Entscheidung über künstliche Intelligenz
Der Nachsorgebedarf auf der Intensivstation wird durch künstliche Intelligenz bestimmt
|
0: Keine Nachsorge auf der Intensivstation erforderlich 1: Nachsorge auf der Intensivstation erforderlich |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Bedarf auf der Intensivstation
Zeitfenster: 1 Tag
|
Das primäre Ergebnismaß dieser Studie ist die Genauigkeit der Vorhersagen, die von den Modellen der künstlichen Intelligenz (KI), ChatGPT und Gemini, hinsichtlich der Notwendigkeit von Aufnahmen auf der Intensivstation gemacht werden.
Dies wird durch einen Vergleich der Vorhersagen des KI-Modells mit den tatsächlichen klinischen Entscheidungen bezüglich der Aufnahme auf die Intensivstation bewertet.
|
1 Tag
|
Mitarbeiter und Ermittler
Ermittler
- Hauptermittler: Engin ihsan Turan, Specialist, Health Science University İstanbul Kanuni Sultan Süleyman Education and Training Hospital
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- ICU-retro
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .