Entwicklung eines künstlichen Intelligenz-basierten Modells zur Vorhersage einer schwierigen Intubation mithilfe von Video-Laryngoskopikbildern und Cormack-Lehane-Klassifizierung
Studienübersicht
Status
Bedingungen
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
Merkez
-
Düzce, Merkez, Türkei (türkiye)
- Duzce University Faculty of Medicine, Department of Anesthesiology and Reanimation
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Die Studienpopulation wird aus erwachsenen Patienten bestehen, die sich einer elektiven Operation unter Vollnarkose in den Operationssälen des Medical Fakultätskrankenhauses Düzce University unterziehen. Alle Patienten werden ihre Atemwege mithilfe der Video -Laryngoskopie als Teil der Routineanästhesie -Induktion bewerten lassen. Nur Patienten ohne bekannte Pathologie der oberen Atemwege werden einbezogen.
Die Patienten werden prospektiv und nacheinander rekrutiert. Video -Laryngoskopie -Bilder werden während der Intubation aufgenommen und für die Analyse des maschinellen Lernens verwendet. Die Cormack-Lehane-Klasse wird von zwei erfahrenen Anästhesisten unabhängig bestätigt. Die Patienten werden in normale und schwierige Intubationsgruppen eingeteilt.
Beschreibung
Einschlusskriterien:
- 18-65 Jahre
Wahlchirurgie
ASA I-II
Keine obere Atemwegspathologie
Ausschlusskriterien:
- Bekannte Geschichte der schwierigen Intubation
Morbide Fettleibigkeit (BMI> 40)
Schwangerschaft
Vorgeschichte der oberen Atemwegsoperation
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
|---|
|
Gruppe 1: Normale Intubationsgruppe
Intubationen bei Patienten, die als Cormack-Lehane (CL) -Klasse 1-2 bewertet wurden.
|
|
Schwierige Intubationsgruppe
Intubationen bei Patienten, die als Cormack-Lehane-Klasse 3-4 bewertet wurden.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit des maschinellen Lernmodells bei der Vorhersage einer schwierigen Intubation basierend auf Video -Laryngoskopie -Bildern
Zeitfenster: Unmittelbar nach Datenerfassung und Modelltraining
|
Das primäre Ergebnis ist die Klassifizierungsgenauigkeit des Algorithmus für maschinelles Lernen bei der Identifizierung schwieriger Intubationsfälle (Cormack-Lehane Grad 3-4) aus Video-Laryngoskopie-Bildern im Vergleich zum Konsens der Expertenanästhesisten.
Genauigkeit wird als Prozentsatz gemeldet.
|
Unmittelbar nach Datenerfassung und Modelltraining
|
Mitarbeiter und Ermittler
Sponsor
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Geschätzt)
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
- 2025/183
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 .